うつ病の治療のために抗うつ薬を使用している患者の特定：医薬品および医療請求データで使用する予測アルゴリズム

目的：抗うつ薬の分配の記録は、うつ病の代理尺度としてしばしば使用されます。ただし、うつ病以外の適応症のために抗うつ薬は頻繁に処方されるため、これは誤分類をもたらす可能性があります。この研究は、うつ病の治療のために抗うつ薬を使用している患者を特定する予測アルゴリズムを開発することを目的としています。 方法：Pharmaceutical Benefity Scheme（PBS）およびMedicare給付スケジュール（MBS）は、45歳以上のニューサウスウェールズ州の住民のコホート研究である45歳以上の研究者の参加者のためのフォローアップアンケート（2012年から2013年に完了）にリンクされていると主張しています。サンプルは、アンケートの完了の30日前に抗うつ薬を分配した参加者を構成しました（n = 3162）。患者の特性、医薬品の調剤、およびメンタルヘルスサービスの主張に基づくアルゴリズムは、グループラッソインタラクションネットワーク（Glinternet）を使用して構築され、結果としてうつ病の治療を自己報告しました。アルゴリズムの予測性能は、ブートストラップの再サンプリングを介して評価されました。 結果：アルゴリズムは、15の主効果と11の相互作用を構成し、抗うつ薬のタイプが分配され、メンタルヘルスサービスの主張は最も強力な予測因子です。うつ病の有無にかかわらず抗うつ薬ユーザーを区別するアルゴリズムの能力は0.73でした。0.6の予測確率カットオフで、特異性は93.8％、感度は23.6％でした。 結論：確率が高いこのアルゴリズムを使用すると、特異性が高くなり、うつ病以外の適応症のために抗うつ薬を使用している個人の除外を促進し、それにより抗うつ薬の使用の結果を評価する際の適応による交絡のリスクを軽減します。

PURPOSE: Records of antidepressant dispensings are often used as a surrogate measure of depression. However, as antidepressants are frequently prescribed for indications other than depression, this is likely to result in misclassification. This study aimed to develop a predictive algorithm that identifies patients using antidepressants for the treatment of depression. METHODS: Pharmaceutical Benefits Scheme (PBS) and Medicare Benefits Schedule (MBS) claims data were linked to follow-up questionnaires (completed in 2012-2013) for participants of the 45 and Up Study-a cohort study of residents of New South Wales, Australia, aged 45 years and older. The sample composed participants who were dispensed an antidepressant in the 30 days prior to questionnaire completion (n = 3162). An algorithm based on patient characteristics, pharmaceutical dispensings, and claims for mental health services was built using group-lasso interaction network (glinternet), with self-reported receipt of treatment for depression as the outcome. The predictive performance of the algorithm was assessed via bootstrap resampling. RESULTS: The algorithm composes 15 main effects and 11 interactions, with type of antidepressant dispensed and claims for mental health services the strongest predictors. The ability of the algorithm to discriminate between antidepressant users with and without depression was 0.73. At a predicted probability cut-off of 0.6, specificity was 93.8% and sensitivity was 23.6%. CONCLUSIONS: Using this algorithm with a high probability cut-off yields high specificity and facilitates the exclusion of individuals using antidepressants for indications other than depression, thereby mitigating the risk of confounding by indication when evaluating the outcomes of antidepressant use.