Données synthétiques - top diabète

Description de la base de données : Objectifs et finalités initiales de la base de données : Ce jeu de données synthétiques a été créé dans le cadre de la traduction et l’implémentation de l’algorithme utilisé par la CNAM pour construire le top diabète (lien de la fiche descriptive de l'algorithme). Les versions Python et SAS adaptés par le HDH portent sur des données synthétiques pour les années 2018-2019 mais peuvent être étendues à d’autres années. Le programme source de la CNAM a été développé en SAS et tourne sur les données des années 2015 à 2019. L’algorithme évoqué ci-dessus a pour objectif de cibler les personnes prises en charge pour un diabète dans la base principale du SNDS afin de créer le « Top Diabète » de la cartographie des pathologies créée et maintenue par la CNAM (version G8). Contexte de création : La mise en œuvre de l'algorithme top diabète a nécessité la mobilisation des tables et variables synthétiques (fictives). Public cible : Communauté data/SNDS. Résultats associés à la création de la base : L'algorithme utilisé par la CNAM pour construire le top diabète : version source (CNAM), version Python et version SAS (HDH). Présentation des données : Méthodologie de collecte et critères d’inclusion : Ce jeu de données a été généré en utilisant le schéma des tables de la base principale du SNDS de l’année 2019. Les programmes fonctionnent sur les données synthétiques du HDH avec quelques adaptations : -la fusion de tables annuelles en une table unique pour ER_PRS_F, ER_ETE_F, ER_PHA_F, -le renommage de NUM_ENQ en BEN_NIR_PSA, -la conversion du format des dates en yymmdd10. L’identification des patients repose sur le ciblage de médicaments spécifiques et/ou une ALD et/ou une hospitalisation en MCO. Les algorithmes de la cartographie visent à maximiser la spécificité (et non la sensibilité), c'est-à-dire à s'assurer de l'absence de non-diabétiques parmi les patients ciblés. Les patients ayant moins de 3 délivrances de médicaments spécifiques, n'ayant pas l'ALD et n'ayant pas été hospitalisés dans les 5 ans pour le diabète ne sont pas retenus. Choix des variables : La mise en œuvre de l'algorithme nécessite la mobilisation des tables et variables suivantes (l'historique requis est indiqué dans la case correspondante) : Les programmes adaptés en SAS et Python tournent sur des données synthétiques des années 2018 et 2019. Le code source de la CNAM (en SAS) a été conçu pour fonctionner sur les données des années de 2015 à 2019. Limites de ce jeu de données : L'utilisation de données synthétiques, bien qu'utiles pour manipuler les données du SNDS, revêt des limites : l'absence de cohérence médicale, l'absence de mise à jour des évolutions annuelles, un schéma de tables évolutif qui peut être incomplet et imparfait. Ce programme n'inclut pas l'analyse de l’estimation des postes des dépenses remboursées par l'Assurance Maladie. L'algorithme repère les patients prévalents atteints de diabète sur une année donnée (2019). Il ne permet pas de déterminer la date exacte d'apparition du diabète dans la base. Instructions/pré-requis d’utilisation de la base : Plus d’informations sur l’utilisation de la base de données dans le cadre des programmes top diabète (CNAM) sur le dépôt GitLab des programmes (lien du dépôt GitLab). Support : Point de contact : [e-mail] Contribution : Sur Gitlab (faire un ticket ou une merge-request)

数据集描述：本数据集之目标与初始宗旨：此合成数据集系为实施国家健康数据平台（CNAM）构建糖尿病排名（Top Diabète）所采用算法之翻译与实施而创建。由健康数据枢纽（HDH）调整的Python和SAS版本针对2018-2019年的合成数据进行处理，并具备扩展至其他年份的潜力。CNAM的程序源代码以SAS开发，适用于2015年至2019年的数据。上述提及的算法旨在针对SNDS主数据库中受糖尿病管理的个体，以构建由CNAM创建并维护的疾病图谱中的「糖尿病排名」（版本G8）。创建背景：实施糖尿病排名算法需动员合成表和变量（虚构数据）。目标受众：数据科学界/SNDS社区。与创建数据集相关的成果：CNAM用于构建糖尿病排名的算法：源代码版本（CNAM）、Python版本和SAS版本（HDH）。数据展示：数据收集方法与纳入标准：本数据集系基于2019年SNDS主数据库的表结构生成。程序在HDH的合成数据上运行，并进行了一些调整：将年度表合并为单一ER_PRS_F、ER_ETE_F、ER_PHA_F表，将NUM_ENQ重命名为BEN_NIR_PSA，将日期格式转换为yymmdd10。患者识别基于特定药物的使用、ALD或MCO医院的住院记录。图谱算法旨在最大化特异性（而非敏感性），即确保目标患者中不存在非糖尿病患者。药物发放少于3次、无ALD记录且过去5年内未因糖尿病住院的患者不予考虑。变量选择：算法实施需调用以下表和变量（所需历史数据见相应栏位）：调整后的SAS和Python程序在2018年和2019年的合成数据上运行。CNAM的源代码（SAS）旨在在2015年至2019年的数据上运行。数据集局限性：虽然使用合成数据对SNDS数据进行操作有益，但仍存在局限性：缺乏医学一致性、年度更新缺失、表结构演进可能不完整或不完善。本程序不包括对医疗保险报销支出估算的分析。算法识别了特定年份（2019年）的糖尿病现患患者。无法确定糖尿病在数据库中的确切出现日期。使用数据集的说明/先决条件：有关在GitLab程序库（程序库链接）中使用Top Diabète（CNAM）数据集的详细信息。支持：联系邮箱：[e-mail]。贡献：在Gitlab上（提交ticket或merge-request）。