Suppr超能文献

公共卫生与全民支付索赔数据的关联在人群水平阿片类药物研究中的应用。

Linkage of public health and all payer claims data for population-level opioid research.

机构信息

Department of Research & Evaluation, Comagine Health, Portland, Oregon, USA.

School of Public Health, University of Nevada, Las Vegas, Las Vegas, Nevada, USA.

出版信息

Pharmacoepidemiol Drug Saf. 2021 Jul;30(7):927-933. doi: 10.1002/pds.5259. Epub 2021 May 10.

Abstract

OBJECTIVE

Our objective is to describe how we combine, at an individual level, multiple administrative datasets to create a Comprehensive Opioid Risk Registry (CORR). The CORR will characterize the role that individual characteristics, household characteristics, and community characteristics have on an individual's risk of opioid use disorder or opioid overdose.

DATA SOURCES

Study data sources include the voluntary Oregon All Payer Claims Database (APCD), American Community Survey Census Data, Oregon Death Certificate data, Oregon Hospital Discharge Data (HDD), and Oregon Prescription Drug Monitoring (PDMP) Data in 2013-2018.

STUDY DESIGN

To create the CORR we first prepared the APCD data set by cleaning and geocoding addresses, creating a community grouper and adding census indices, creating household grouper, and imputing patient race. Then we deployed a probabilistic linkage methodology to incorporate other data sources maintaining compliance with strict data governance regulations.

DATA COLLECTION/EXTRACTION METHODS: Administrative datasets were obtained through an executed data use agreement with each data owner. The APCD served as the population universe to which all other data sources were linked.

PRINCIPAL FINDINGS

There were 3 628 992 unique people in the APCD over the entire study period. We identified 968 767 unique households in 2013 and 1 209 236 in 2018, and geocoded patient addresses representing all census tracts in Oregon. Census, death certificate, HDD, and PDMP datasets were successfully linked to this population universe.

CONCLUSIONS

This methodology can be replicated in other states and may also apply to a broad array of health services research topics.

摘要

目的

我们的目的是描述如何在个体层面上结合多个行政数据集来创建一个综合阿片类药物风险登记处(CORR)。CORR 将描述个体特征、家庭特征和社区特征对个体阿片类药物使用障碍或阿片类药物过量风险的作用。

数据来源

研究数据来源包括自愿的俄勒冈州所有支付者索赔数据库(APCD)、美国社区调查人口普查数据、俄勒冈州死亡证明数据、俄勒冈州医院出院数据(HDD)和俄勒冈州处方药物监测(PDMP)数据,时间跨度为 2013 年至 2018 年。

研究设计

为了创建 CORR,我们首先通过清理和地理编码地址、创建社区分组器并添加人口普查指标、创建家庭分组器以及推断患者种族来准备 APCD 数据集。然后,我们部署了一种概率链接方法来整合其他数据源,同时遵守严格的数据治理法规。

数据收集/提取方法:通过与每个数据所有者签订的数据使用协议获得行政数据集。APCD 作为整个研究期间所有其他数据源链接的人口总体。我们在 2013 年识别出 968767 个唯一的家庭,在 2018 年识别出 1209236 个家庭,并对俄勒冈州所有普查区的患者地址进行了地理编码。成功地将人口普查、死亡证明、HDD 和 PDMP 数据集链接到这个人口总体。

主要发现

在整个研究期间,APCD 中有 3628992 个独特的个体。我们在 2013 年识别出 968767 个唯一的家庭,在 2018 年识别出 1209236 个家庭,并对俄勒冈州所有普查区的患者地址进行了地理编码。成功地将人口普查、死亡证明、HDD 和 PDMP 数据集链接到这个人口总体。

结论

这种方法可以在其他州复制,也可能适用于广泛的卫生服务研究主题。

相似文献

引用本文的文献

本文引用的文献

9
Challenges in administrative data linkage for research.研究中行政数据链接的挑战。
Big Data Soc. 2017 Dec 5;4(2):2053951717745678. doi: 10.1177/2053951717745678.

文献检索

告别复杂PubMed语法,用中文像聊天一样搜索,搜遍4000万医学文献。AI智能推荐,让科研检索更轻松。

立即免费搜索

文件翻译

保留排版,准确专业,支持PDF/Word/PPT等文件格式,支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述,25分钟生成高质量综述,智能提取关键信息,辅助科研写作。

立即免费体验