Aller au contenu principal
Accès ouvert déclaré 2026 article

A Novel Electronic Medical Record Search Method to Identify Patients With Ketosis-Prone Diabetes: Implications for Discovery of Atypical Diabetes

0Citations signalées — pas une note de qualité
9Institutions déclarées
1Pays d’affiliation déclarés

Résumé fourni par la source

We developed Python-based Expeditious Program for Parsing Electronic Records (PEPPER) as a novel electronic medical record (EMR) search tool. We tested its utility and efficiency to automate the first step of identifying patients with A-β+ ketosis-prone diabetes (KPD). Electronic charts of 1,660 youth with type 2 diabetes (T2D) were analyzed by PEPPER to identify those with diabetic ketoacidosis (DKA) within 6 months of diagnosis. The efficiency and accuracy of PEPPER were compared with manual review. Further review confirmed A-β+ KPD per the Rare and Atypical Diabetes Network criteria. PEPPER identified 110 youth with T2D and DKA, of whom 21 met full A-β+ KPD criteria. PEPPER significantly reduced chart review time for this initial critical step compared with manual searching (mean ± SD 13.4 ± 3.9 s vs. 26.6 ± 9.4 s per chart; P < 0.001), and was 100% accurate. PEPPER streamlines EMR review, significantly reducing manual effort without sacrificing accuracy.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
A Novel Electronic Medical Record Search Method to Identify Patients With Ketosis-Prone Diabetes: Implications for Discovery of Atypical Diabetes
Date Crossref
26/06/2026
Éditeur
American Diabetes Association
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.

Institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Sujets associés

Diabetes and associated disordersMachine Learning in HealthcareArtificial Intelligence in Healthcare

BNTIC News n’est pas le producteur de ces données. Recherche à la demande dans Crossref et Europe PMC, sans clé ; OpenAlex reste optionnel. Aucun service payant requis, aucune réponse conservée. Sources et limites.