Mörtl, Clara (2022): Kindliche Asthmaphänotypen basierend auf latenter Klassenanalyse und Routinedaten. Dissertation, LMU München: Faculty of Medicine |
Preview |
PDF
Moertl_Clara.pdf 3MB |
Abstract
Wheezing-Phänotypen mithilfe latenter Klassenanalyse sind bisher nur in Geburtskohorten untersucht worden. Ein Versuch, diese Phänotypen in größeren Populationen zur besseren Generalisierbarkeit zu finden, wurde bisher nicht unternommen. Abrechnungsdaten des deutschen Gesundheitssystems – auch Routinedaten genannt – bieten solche großen, unselektierten und longitudinalen Datensätze. In dieser Arbeit soll geklärt werden, anhand welcher Merkmale kindliche Asthmaphänotypen in Routinedaten mit latenter Klassenanalyse definiert werden können. Anschließend ob diese in einem unabhängigen Datensatz validiert werden können. Des Weiteren soll eruiert werden, wie die Diagnose „Asthma“ in Routinedaten definiert werden kann und welche Eigenschaften sich eignen, um die neu gefundenen Phänotypen zu charakterisieren. Dafür wurden Routinedaten über 40 bzw. 36 Quartale von Kindern der Barmer Ersatzkasse (BEK) bzw. der Kassenärztlichen Vereinigung Bayern (KVB) ausgewertet. Mit longitudinalen Daten zu Bronchitis und asthmaspezifischen Medikamentendaten der Kinder berechnete die latente Klassenanalyse unterschiedliche Klassenlösungen, die später als Phänotypen bezeichnet wurden. Unterschiedliche Ansätze zur Definition der Diagnose „Asthma“ mithilfe von Diagnosen, Medikation und Funktionsuntersuchungen zur Asthmadiagnosedefinition wurden verfolgt. Assoziation zu den neu erhaltenen Phänotypen und weitere Diagnosen, Medikamente, DMP und Hilfs- und Heilmittel wurden berechnet. Teile der Auswertungen wurden im KVB-Datensatz repliziert. Es wurde jeweils eine Definition für Asthmaphänotypen über die Diagnose Bronchitis und über asthmaspezifische Medikamentendaten gefunden. Die LCA ergab jeweils 6 Klassen mit bestimmten Verläufen und Assoziationen mit der Lebenszeitprävalenz von Asthma und Asthmadiagnosedefinitionen, atopischen und infektiösen Erkrankungen, Krankheitsschweregraden, nicht-medikamentöser und medikamentöser Behandlung. In diesem Zusammenhang stellten sich die Phänotypen „Persistent“, „Late-onset“ und „Prolonged“ als schwerwiegender heraus, während „Transient early“ und „Intermediate“ milder waren. Der zweite Ansatz über die asthmaspezifische Medikamente zeigte sich den Bronchitisphänotypen in Stärke der Assoziation zu Asthma überlegen: Die persistent-Klasse der Medikamenten-Phänotypen zeigt eine Assoziation mit Asthma (J45.-) mit einer Odds ratio von 401,7 (KI 280,1–603,4; p<0,001). Außerdem lieferten diese Phänotypen viel differenzierte Aussagen über Atopie oder infektiöse Erkrankungen. Die Bronchitisphänotypen der BEK konnten in der KVB gut repliziert werden. Bei den Medikamentenphänotypen konnte das nicht erfolgen, weil dazu die Medikamentendaten der KVB nicht vorlagen. Des Weiteren fanden sich unterschiedliche Definitionen für die Diagnose „Asthma“, die unterschiedliche Krankheitsaspekte davon abbilden können. Über Routinedaten und latenter Klassenanalyse können Asthmaphänotypen mit unterschiedlichen Eigenschaften und Schweregraden charakterisiert werden. Daten aus Geburtskohorten können somit teilweise in großen Bevölkerungsgruppen gezeigt werden. Externe Validierungen von Routinedaten des deutschen Gesundheitssystems fehlen noch weitest gehend, daher könnte die Verknüpfung mit Geburtskohorten einen wertvollen Informationszugewinn bieten und die Nachteile beider Studienmodelle abschwächen.
Item Type: | Theses (Dissertation, LMU Munich) |
---|---|
Keywords: | Latente Klassenanalyse, Asthmaphänotypen, Routinedaten, Wheeze |
Subjects: | 600 Technology, Medicine 600 Technology, Medicine > 610 Medical sciences and medicine |
Faculties: | Faculty of Medicine |
Language: | German |
Date of oral examination: | 2. June 2022 |
1. Referee: | Ege, Markus |
MD5 Checksum of the PDF-file: | c23c4eb5031e43b6a5c5cf3cdbcfb8bf |
Signature of the printed copy: | 0700/UMD 20463 |
ID Code: | 30046 |
Deposited On: | 28. Jun 2022 13:21 |
Last Modified: | 28. Jun 2022 13:22 |