CliniGA CRO

Blog CliniGA CRO

Valider les algorithmes de résultats dans les données de routine

Vérifier les algorithmes d’événements cliniques par un échantillonnage de validation et une évaluation des erreurs de classement.

Photographie représentative de la catégorie : Valider les algorithmes de résultats dans les données de routine
Photo: axventura · Licence: CC BY 4.0 · Image recadrée et redimensionnée.
Publication
Mise à jour

Un code de diagnostic ou d’acte utilisé comme critère de jugement n’établit pas automatiquement la capture exacte d’un événement clinique. L’objectif de l’enregistrement, les pratiques de codage et la couverture de la base peuvent affecter la sensibilité et le risque de mauvaise classification de l’algorithme de résultat obtenu.

Définir la question et les hypothèses

Rédigez la définition de l’événement clinique avant la liste des codes. Identifiez les dossiers sources, la revue experte et une méthode d’échantillonnage pour la validation. Examiner uniquement les dossiers positifs selon l’algorithme ne répond pas à toutes les questions de performance. Évaluez si la revue de référence elle-même pourrait être incomplète ou biaisée et rapportez les mesures de performance avec le périmètre réel de validation effectuée.

Exemple d’étude hypothétique

Dans une étude hypothétique, un code représente une suspicion dans certains centres et un diagnostic confirmé dans d’autres. L’équipe examine des dossiers échantillonnés par centre et évalue l’algorithme. Elle ne transpose pas directement une affirmation de haute exactitude d’une source à tous les contextes ayant un processus d’enregistrement différent.

Points de contrôle de la conception

  • Consignez la définition clinique et la version de la liste des codes de l’algorithme.
  • Expliquez l’échantillonnage de validation et la source utilisée pour l’évaluation de référence.
  • Évaluez les mauvaises classifications possibles selon le centre, la période et le groupe de comparaison thérapeutique.

Consigner la décision et ses limites

Une évaluation acceptée présente les estimations de performance avec leur incertitude et conserve la population et la période de validation. Ne modifiez pas un algorithme pour augmenter une différence entre traitements. Consignez la justification et l’impact des changements justifiés. Utilisez une définition de résultat suffisamment limitée lorsque la base ne permet pas d’étayer une conclusion définitive d’événement clinique.

Questions fréquentes

Un code établit-il un événement clinique confirmé ?
Pas toujours. Examinez son objectif d’enregistrement et les données de validation.
Une validation issue d’une autre source suffit-elle ?
Évaluez la transposabilité lorsque les processus locaux d’enregistrement ou les populations diffèrent.

Sources

  1. FDA — Dossiers de santé électroniques et données de remboursement
  2. FDA — Évaluer les registres comme sources de données de vie réelle