数据整合与质控
整合多个历史纵向生长研究的数据,形成统一数据集。
从AAOF颅面生长传统收藏中整合了8个生长研究,共2100名受试者,17290张头颅侧位片。应用了特定研究的X射线放大校正因子,并经过数字化的标志点。
Craniofacial growth percentile curves: A clinical tool from the Craniofacial Growth Consortium Study
本研究主要基于历史纵向头影测量数据的二次分析和统计建模,缺乏功能验证和机制验证,属于观察性分析。
CGCS纵向队列(2100名未经治疗的个体,17290张头颅侧位片)
样本量:男性1056,女性1044,年龄范围2.5–31.3岁 数据来源:CGCS包含8个生长研究队列(如Bolton-Brush、Michigan等) 统计分析:多水平双逻辑生长模型,使用Stan编程语言和Hamiltonian Monte Carlo采样 交叉验证:10折交叉验证,验证百分位区间的预测准确性 校正因素:针对不同生长队列的X射线放大校正因子
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。
整合多个历史纵向生长研究的数据,形成统一数据集。
从AAOF颅面生长传统收藏中整合了8个生长研究,共2100名受试者,17290张头颅侧位片。应用了特定研究的X射线放大校正因子,并经过数字化的标志点。
计算24项线性头影测量指标,包括颅底、上颌骨和下颌骨尺寸。
使用eDigit软件数字化12个颅面标志点,并计算24项线性测量。
利用贝叶斯双逻辑生长模型描述颅面生长轨迹,并估计生长里程碑(如峰值生长速度时年龄和峰值生长速度)。
对每个测量指标,对男性和女性分别拟合双逻辑生长模型,估计参数包括渐进值、青春期前贡献等,并生成各个体随机效应。
基于模型预测分布创建性别特异性生长百分位曲线,并开发交互式网络工具供临床使用。
从后验预测分布中计算1%-99%的百分位值,并利用Shiny框架开发网络界面,允许用户输入性别、年龄和测量值来获取百分位。
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 |
|---|---|
| 样本与数据来源 | 样本来源为CGCS整合的8个历史生长研究,需核对各研究的入选标准和数据质量;样本量为2100人(男1056,女1044),年龄范围2.5–31.3岁。 阅读提示:Methods中“Material and Methods”的第一段和Table I |
| X射线放大校正 | 不同生长研究使用了不同的放大校正因子,需确认具体研究对应的校正因子,并乘以原始线性测量值。 阅读提示:Table III及相应正文描述 |
| 标志点数字化 | 使用了12个颅面标志点,需确保标志点定义与本研究一致。 阅读提示:Table II及Fig 4 |
| 生长模型拟合 | 贝叶斯双逻辑生长模型的参数设置、先验分布、采样链数、迭代次数等需核对;模型公式及参数定义见方法部分。 阅读提示:Statistical Analysis部分及补充材料 |
| 交叉验证 | 10折交叉验证的划分方式、评估指标(中50%和中98%百分位区间覆盖比例)需核对。 阅读提示:Statistical Analysis部分及Table V |
| 网络工具使用 | 网络工具的输入参数(性别、年龄、测量值)和输出(百分位)需与网站实际功能一致。 阅读提示:网页工具网址及使用说明在正文中描述 |