Distinguishing Primary Prevention From Secondary Prevention Implantable Cardioverter Defibrillators Using Administrative Health and Cardiac Device Registry Data

Abstract

Background: Administrative health data and cardiac device registries can be used to empirically evaluate outcomes and costs after implantable cardioverter defibrillator (ICD) implantation. These datasets often have incomplete information on the indication for implantation (primary vs secondary prevention of sudden cardiac death). Methods: We used 16 years of population-based cardiac device registry and administrative health data from British Columbia, Canada, to derive and internally validate statistical models that predict the likely indication for ICD implantation. We used chart review data as the reference standard for ICD indication in the Cardiac Device Registry database (CDR; 2004-2012 [Cardiac Services BC]) and nonmissing indication as the reference standard in the Heart Information System registry database (HEARTis; 2013-2019 [Cardiac Services BC]). We created 3 logistic regression prediction models in each database: one using only registry data, one using only administrative data, and one using both registry and administrative data. We assessed the predictive performance of each model using standard metrics after optimism correction with 200 bootstrap resamples. Results: Models that used registry data alone demonstrated excellent predictive performance (sensitivity ≥ 89%; specificity ≥ 87%). Models that used only administrative data performed well (sensitivity ≥ 84%; specificity ≥ 70%). Models that used both registry and administrative data showed modest gains over those that used registry data alone (sensitivity ≥ 90%; specificity ≥ 89%). Conclusions: Administrative health data and cardiac device registry data can distinguish secondary prevention ICDs from primary prevention ICDs with acceptable sensitivity and specificity. Imputation of missing ICD indication might make these data resources more useful for research and health system monitoring. Résumé: Contexte: Les données administratives de santé et les registres des dispositifs cardiaques peuvent être utilisés pour évaluer de manière empirique les résultats et les coûts associés aux défibrillateurs cardioverteurs implantables (DCI). Or, ces ensembles de données comportent souvent des informations incomplètes sur l’indication de l’implant (prévention primaire ou secondaire de la mort subite d’origine cardiaque). Méthodologie: Nous avons analysé 16 ans de données provenant du registre populationnel des dispositifs cardiaques et des données administratives de santé de la Colombie-Britannique, au Canada, pour alimenter des modèles statistiques prédisant l’indication probable de l’implant d’un DCI et pour effectuer une validation interne de ces modèles. Nous avons utilisé les données de la revue des dossiers médicaux comme norme de référence de l’indication des DCI dans le registre des dispositifs cardiaques (Cardiac Device Registry; 2004-2012 [Cardiac Services BC]) et les indications consignées comme norme de référence dans la banque de données Heart Information System (HEARTis; 2013-2019 [Cardiac Services BC]). Nous avons créé 3 modèles prédictifs par régression logistique dans chaque base de données : une utilisant seulement les données du registre, une utilisant seulement les données administratives et une utilisant les deux types de données. Nous avons évalué la performance de chaque modèle en matière de prédiction à l’aide de mesures normalisées, après correction pour l’optimisme de l’erreur à l’aide de 200 nouveaux échantillons obtenus par la méthode bootstrap. Résultats: Les modèles utilisant seulement les données du registre avaient une excellente performance prédictive (sensibilité ≥ 89 %; spécificité ≥ 87 %). Les modèles qui n’utilisaient que les données administratives donnaient quant à eux de bons résultats (sensibilité ≥ 84 %; spécificité ≥ 70 %). Enfin, les modèles qui utilisaient les données administratives et les données du registre ont donné des gains modestes par rapport aux modèles qui n’utilisaient que les données du registre (sensibilité ≥ 90 %; spécificité ≥ 89 %). Conclusions: Les données administratives de santé et les données des registres de dispositifs cardiaques permettent de distinguer les DCI implantés en prévention secondaire des DCI implantés en prévention primaire avec une sensibilité et une spécificité acceptables. Dans les cas où elle est absente, l’attribution d’une indication pour les DCI pourrait donc rendre ces ressources plus utiles pour la recherche et la surveillance du système de santé.