Electronic Health Record-Based Phenotyping for Obsessive-Compulsive Disorder: Algorithm Development and Multicenter Validation Study.

چکیده اصلی

BACKGROUND: Obsessive-compulsive disorder (OCD) is a common psychiatric disorder, with two-thirds of affected individuals reporting severe impairment. Despite its substantial burden and moderate heritability, the etiology of OCD remains poorly understood, and treatments are often suboptimal. Although recent genome-wide association studies (GWAS) have identified some risk loci, much of the genetic architecture of OCD remains undiscovered, underscoring the need for scalable approaches to identify large, well-defined patient cohorts. OBJECTIVE: This study aimed to develop and validate a scalable electronic health record (EHR)-based phenotyping algorithm for identifying OCD cases to support large-scale genetic and translational research. METHODS: We leveraged EHR-linked biobank data from 2 large hospital systems, namely Vanderbilt University Medical Center (VUMC) and Mass General Brigham (MGB), to develop a high-throughput phenotyping algorithm integrating diagnostic codes, medication records, and natural language processing (NLP) of clinical notes. Algorithm performance was evaluated through expert chart review, and genetic analyses were performed in individuals of European genetic ancestry using the polygenic scores (PGS) of OCD, major depressive disorder (MDD), and height derived from the most recent GWAS. RESULTS: Expert chart reviews demonstrated our algorithm combining both International Statistical Classification of Diseases (ICD) codes and NLP achieved the highest positive predictive values (PPV) for OCD case identification (0.84 at VUMC; 0.91 at MGB) compared to using either ICD codes or NLP alone, albeit with reduced case yield. At both sites, algorithm-defined OCD cases of European genetic ancestry showed significantly higher OCD PGS than controls. In sensitivity analyses adjusting for MDD status, OCD PGS associations were more robust than MDD PGS associations, while height PGS showed no association, supporting the genetic plausibility and relative specificity of the phenotype. CONCLUSIONS: This study presents a scalable and cost-efficient EHR-based approach for identifying OCD cases across health systems. The algorithm achieves high PPV, and among individuals of European genetic ancestry, algorithm-defined cases show significant OCD PGS enrichment, supporting its utility for large-scale genetic studies and advancing understanding of the disorder's complex etiology.

ترجمه فارسی چکیده

اختلال وسواس-اجباری (OCD) یک اختلال روانپزشکی شایع است که دو سوم از افراد مبتلا به آن گزارش می‌کنند ناتوانی شدید. با وجود بار زیاد و وراثت متوسط، علت دقیق OCD هنوز به خوبی درک نشده است و درمان‌ها اغلب بهینه نیستند. این مطالعه هدف توسعه و اعتبارسنجی یک الگوریتم شناسایی‌کننده موارد OCD بر اساس سوابق سلامت الکترونیک (EHR) را برای پشتیبانی از تحقیقات ژنتیکی و ترجمه‌ای مقیاس‌پذیر دنبال کرد. الگوریتم با استفاده از کدهای تشخیصی، سوابق دارویی و پردازش زبان طبیعی (NLP) یادداشت‌های بالینی توسعه یافت. عملکرد الگوریتم با بررسی نمودار توسط متخصصان ارزیابی شد و تحلیل‌های ژنتیکی در افراد دارای نژاد ژنتیکی اروپایی با استفاده از امتیازهای ژنتیکی جمعی (PGS) OCD، اختلال افسردگی اصلی (MDD) و قد انجام شد. نتایج نشان داد الگوریتم ترکیبی کدهای ICD و NLP بالاترین ارزش پیش‌بینی مثبت (PPV) را برای شناسایی موارد OCD (0.84 در VUMC و 0.91 در MGB) نسبت به استفاده از هر کدام به تنهایی داشت. موارد OCD تعریف شده توسط الگوریتم در هر دو سایت دارای نژاد اروپایی PGS OCD بالاتری نسبت به کنترل‌ها داشتند. تحلیل‌های حساسیت نشان داد که همبستگی PGS OCD نسبت به PGS MDD پایدارتر بود.

متن کامل اصلی