The “Cohorte Enfant Scanner”, a study designed to investigate the risk of radiation-induced cancer after childhood exposure to CT (computed tomography) examinations, used clinical information contained in the “programme de médicalisation des systèmes d’information” (PMSI) database, the French hospital activities national program based upon diagnosis related groups (DRG). However, the quality and adequacy of the data for the specific needs of the study should be verified. The aim of our work was to estimate the percentage of the cohort’s children identified in the PMSI database and to develop an algorithm to individualize the children with a cancer or a disease at risk of cancer from medical diagnoses provided by the DRGs database.

Of the 1519 children from the “Cohorte Enfant Scanner”, who had had a CT scan in the radiology department of a university hospital in 2002, a cross linkage was performed with the DRGs database. All hospitalizations over the period 2002–2009 were taken into account. An algorithm was constructed for the items “cancer” and “disease at risk for cancer” on a sample of 150 children. The algorithm was then tested on the entire population.

Overall, 74% of our population was identified in the DRGs database. The algorithm individualized cancer diagnoses with 91% sensitivity (95% confidence interval [95%CI]: 86%; 97%) and 98% specificity (95%CI: 97%; 99%) and 86% positive predictive value (95%CI: 80%; 93%). For the diagnosis of disease at risk for cancer, the sensitivity, specificity and positive predictive value were respectively 91% (95%CI: 84%; 98%), 94% (95%CI: 92%; 95%) and 52% (95%CI: 43%; 61%).

The DRG database identified with excellent sensitivity and specificity children with diagnoses of cancer or disease at risk for cancer. Hence, potential confounding factors related to the disease of the child can be taken into account for analyses performed with the cohort.

La Cohorte Enfant Scanner, qui étudie le risque de cancer radio-induit après exposition dans l’enfance à des examens scanographiques, pourrait bénéficier des informations cliniques contenues dans le programme de médicalisation des systèmes d’information (PMSI). Cependant, la qualité et l’adéquation des données aux besoins de l’étude doivent être vérifiées. L’objectif de notre travail était d’estimer le pourcentage d’enfants de la cohorte identifiés dans la base PMSI et de construire un algorithme pour individualiser les enfants présentant un cancer ou une pathologie à risque de cancer à partir des diagnostics cliniques de la base PMSI.

Un croisement des identifiants des 1519 enfants de la Cohorte Enfant Scanner ayant eu un scanner dans un service de radiopédiatrie hospitalo-universitaire en 2002 a été fait avec la base PMSI. Toutes les hospitalisations de l’enfant sur la période 2002–2009 ont été analysées. Un algorithme a été construit pour les items « cancer » et « pathologie à risque de cancer » sur un échantillon de 150 enfants. L’algorithme a ensuite été appliqué à l’ensemble de la population.

Au total, 74 % de notre population a été identifiée dans la base PMSI. L’algorithme a permis d’individualiser les diagnostics de cancer avec une sensibilité de 91 % (intervalle de confiance à 95 %, [IC 95 %], 86 % ; 97 %), une spécificité de 98 % (IC 95 %, 97 % ; 99 %) et une valeur prédictive positive (VPP) de 86 % (IC 95 %, 80 % ; 93 %). Pour le diagnostic de pathologie à risque de cancer, la sensibilité, la spécificité et la VPP étaient respectivement de 91 % (IC 95 %, 84 % ; 98 %), 94 % (IC 95 %, 92 % ; 95 %) et 52 % (IC 95 %, 43 % ; 61 %).

Le PMSI a permis d’identifier avec d’excellentes sensibilité et spécificité les enfants présentant un cancer ou une pathologie à risque de cancer. Cela permettra de prendre en compte les facteurs de confusion éventuels liés à la pathologie de l’enfant dans les analyses de la Cohorte Enfant Scanner.