Development and Validation of an Algorithm for Thrombosis with Thrombocytopenia Syndrome (TTS) at Unusual Sites
Notice bibliographique
Résumé
Shayan Hobbi,1,2 Patrick Saunders-Hastings,3 Cindy Ke Zhou,4 Jeffrey Beers,1 Ananth Srikrishnan,1 Aaron Hettinger,5,6 Aarthi Shenoy,5 Timothy Burrell,1 Keran Moll,1 Patricia C Lloyd,4 Steven A Anderson,4 Azadeh Shoaibi,4 Hui-Lee Wong4 1IBM Consulting, Bethesda, MD, USA; 2Accenture Federal Services, Arlington, VA, USA; 3Accenture, Ottawa, Ontario, Canada; 4Center for Biologics Evaluation and Research, US Food and Drug Administration, Silver Spring, MD, USA; 5MedStar Health Research Institute, Washington, DC, USA; 6School of Medicine, Georgetown University, Washington, DC, USACorrespondence: Patrick Saunders-Hastings, Accenture, 45 O’Connor Street, Suite 1100, Ottawa, Ontario, K1P 1A4, Canada, Tel +1 343 998 3459, Email p.saunders.hastings@accenture.comIntroduction: Thrombosis with thrombocytopenia syndrome (TTS) has been reported following receipt of adenoviral vector-based COVID-19 vaccines. However, no validation studies evaluating the accuracy of International Classification of Diseases-10-Clinical Modification (ICD-10-CM)-based algorithm for unusual site TTS are available in the published literature.Methods: The purpose of this study was to assess the performance of clinical coding to 1) leverage literature review and clinical input to develop an ICD-10-CM-based algorithm to identify unusual site TTS as a composite outcome and 2) validate the algorithm against the Brighton Collaboration’s interim case definition using laboratory, pathology, and imaging reports in an academic health network electronic health record (EHR) within the US Food and Drug Administration (FDA) Biologics Effectiveness and Safety (BEST) Initiative. Validation of up to 50 cases per thrombosis site was conducted, with positive predictive values (PPV) and 95% confidence intervals (95% CI) calculated using pathology or imaging results as the gold standard.Results: The algorithm identified 278 unusual site TTS cases, of which 117 (42.1%) were selected for validation. In both the algorithm-identified and validation cohorts, over 60% of patients were 56 years or older. The positive predictive value (PPV) for unusual site TTS was 76.1% (95% CI 67.2– 83.2%) and at least 80% for all but one individual thrombosis diagnosis code. PPV for thrombocytopenia was 98.3% (95% CI 92.1– 99.5%).Discussion: This study represents the first report of a validated ICD-10-CM-based algorithm for unusual site TTS. A validation effort found that the algorithm performed at an intermediate-to-high PPV, suggesting that the algorithm can be used in observational studies including active surveillance of COVID-19 vaccines and other medical products.Keywords: thrombosis with thrombocytopenia syndrome, TTS, COVID-19, validation, electronic health records
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».