研究队列识别
确定符合纳入标准的患者和医生样本,确保研究基于低至平均卵巢癌风险且因子宫良性病因而行住院子宫切除术的患者。
从Premier Healthcare数据库中提取2011-2021年住院子宫切除且未行卵巢切除术的患者,按诊断编码排除孕、癌高风险及卵巢/输卵管疾病患者;限定仅纳入每年至少完成5例住院子宫切除术且至少2年的医生。
Physician-level variability in adopting opportunistic salpingectomy for ovarian cancer prevention at the time of hysterectomy
本研究为基于管理的行政数据库的观察性分析,未进行实验干预或功能验证,属于观察性分析,因此完整性为低。
Premier Healthcare Database患者队列 低采用模式医生组 高采用模式医生组
患者年龄18-49岁,非妊娠,低至平均卵巢癌风险,无卵巢/输卵管疾病 排除标准:患有癌症或癌症风险升高(遗传易感性、乳腺癌/妇科癌症家族史、肿瘤标志物异常) 医生纳入标准:每年至少进行5次住院子宫切除术且至少2年 机会性输卵管切除术定义:双侧输卵管完全切除的手术编码 风险调整模型变量:患者年龄、手术路径、适应症、超重/肥胖、吸烟、Elixhauser合并症、年份
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
确定符合纳入标准的患者和医生样本,确保研究基于低至平均卵巢癌风险且因子宫良性病因而行住院子宫切除术的患者。
从Premier Healthcare数据库中提取2011-2021年住院子宫切除且未行卵巢切除术的患者,按诊断编码排除孕、癌高风险及卵巢/输卵管疾病患者;限定仅纳入每年至少完成5例住院子宫切除术且至少2年的医生。
准确测量每个医生-年度的机会性输卵管切除术使用情况,并调整患者特征以计算风险调整后的使用率。
通过双侧输卵管完全切除的手术编码识别机会性输卵管切除术;使用逻辑回归(调整患者年龄、手术路径、适应症、超重/肥胖、吸烟、Elixhauser合并症和年份)并采用广义估计方程计算每个医生年度的风险调整使用率。
利用风险调整率识别医生中采用机会性输卵管切除术的异质性模式。
应用有限混合模型对医生年度的风险调整后机会性输卵管切除术使用率进行聚类,识别出低采用和高采用两种模式,并估计各模式的比例及医生特征与模式归属的关联。
确定哪些医生特征与高采用模式独立相关。
通过逻辑回归模型同时包含所有医生特征(医院教学状态、城乡位置、床位数量、地理位置、年平均手术量、患者种族/民族、医疗补助和未婚比例),计算调整后的优势比。
按研究目的归类文中使用的方法,便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 患者队列定义 | 患者年龄、非妊娠状态、卵巢癌风险低至平均、无卵巢/输卵管疾病、住院良性子宫切除术且未行卵巢切除术的编码定义 阅读提示:Methods部分:患者识别和排除标准的诊断代码(Appendix SA) |
| 医生纳入标准 | 每年至少进行5次住院子宫切除术且至少2年,以确保能够评估随时间的使用率 阅读提示:Methods部分:医生纳入条件 |
| 机会性输卵管切除术测量 | 双侧输卵管完全切除的ICD程序编码 阅读提示:Methods部分:机会性输卵管切除术的识别(Appendix SA) |
| 风险调整模型 | 调整变量:患者年龄、手术路径、适应症、超重/肥胖、吸烟状态、Elixhauser合并症、年份;模型:逻辑回归、广义估计方程 阅读提示:Methods部分:风险调整模型描述 |
| 有限混合模型分析 | 模型类型、组数、输出结果(模式形状、比例、关联) 阅读提示:Methods部分:有限混合模型描述(Appendix SB) |
| 医生特征关联分析 | 逻辑回归模型中包含的所有医生特征(教学状态、地理位置、床位数、城乡位置、年平均手术量、患者种族/民族、医疗补助、未婚比例) 阅读提示:表格注释和Methods部分 |