我n这个问题，帕克等人。4报告了他们对大型多机构来源的数据的分析，这些数据被称为“首要视角数据库”。该数据库包括美国600多家医院住院和门诊病人的账单和出院信息。超过10,000名成人和1770名儿童接受分流插入，大约10%(8.9%的成人，12.9%的儿童)使用抗生素浸渍导管(AICs)。作者发现有(与没有)aic的感染率降低了(成人2.2%对3.6%;儿童2.5% vs 7.1%)。这些结果与其他非随机研究报告的结果相似，但大型管理数据库的使用在该领域相对较新。因此，有必要讨论一些可能出现的方法论问题。
由计费和编码数据派生的数据集已经很容易获得，并且经常提供大量的患者和事件。这些研究的大样本量导致检测治疗效果的能力强，并允许对风险因素进行多变量调整，这在较小的临床研究中通常是不可能的。另一方面，这种数据采集方法引入了新的潜在错误来源，这些错误在神经外科文献中没有被过多讨论。作者描述了其中的一些限制，但其他一些也值得一提:
- 1.数据源。管理数据集的基础通常是计费信息。如果一个临床事件不是计费目的所必需的，那么它可能会丢失或不准确。信息与计费和编码过程越相关，就越有可能被准确地包含。1编码员使用医疗记录来获取信息并生成账单代码。因此，它们依赖于医疗记录的准确性和完整性，而医疗记录受制于我们从回顾性临床研究中所熟悉的所有不确定性和不准确性。
此外，当从保险索赔中获得数据时，将仅捕获当时所涵盖的患者和事件的信息。如果他们的保险覆盖范围失效，就会错过病人和活动。3.因此，在这些研究中，对覆盖范围和一致性的描述很重要。
- 2.编码问题。编码员通常会指定一个主要诊断和一个或多个次要诊断。初级和次级诊断的选择可能有所不同。例如，一个患有脑瘤和脑积水的儿童可以选择任何一种情况作为主要诊断。即使患儿入院接受分流术翻修，初步诊断也可能为脑肿瘤。根据不同的情况，可以做出不同的选择，并可能导致事件被遗漏或未计算在内。5
- 3.联系。Premier Perspective数据库似乎从多个来源获取信息。在这种情况下，链接数据源的过程就变得非常重要。通常需要详细的算法来确保随着时间的推移，来自多个来源和可能来自多个地点的事件正确地链接到同一名患者。联动过程的验证对于确保数据的准确性很重要。3.
- 4.数据验证。管理数据库不是为了回答研究问题而设计的。理想情况下，它们的数据集应该针对其他数据源进行验证。例如，可以将数据的子集与专门为研究该病症而设计的特定疾病患者注册表进行比较。此外，用于定义样本的标准集应该得到验证。这是为了确保用于从数据库中提取信息的代码集准确地提取出研究人员想要的信息。在这种情况下，代码应该识别所有接受分流手术的患者、aic的使用以及结果(感染与否)。
- 5.混杂因素。大样本量允许强大的统计建模，但任何统计模型都只能针对可用的数据字段进行调整。3.在这种情况下，与分流感染相关的一些因素无法进行评估;这些因素的例子包括脑脊液漏、年龄(早产)和共病情况。
- 6.感染的定义。这个数据库包括数百家医院的信息。用于感染的通用代码，但是没有描述分配该代码的标准。换句话说，感染的定义可能因部位不同而不同，并可能受到观察者偏差的影响。
这些问题在帕克等人的研究中值得关注吗?这很难说——做出这一决定所必需的一些信息是不可得的。
aic的使用正受到广泛关注。迄今为止发表的证据在我看来只是提示性的，但不是决定性的。欧洲正在进行一项比较标准导管、aic导管和银浸渍导管的随机试验。2它拥有非行业、同行评议的资金、足够的样本量和力量，以及由经验丰富的临床试验专家进行的优秀监督和试验管理。我会等待结果，然后再决定是否改变我的做法。
