数据获取与参与者筛选
从PPMI数据库获取A53T-PD、iPD和HC参与者的基线和随访数据,确定血清NfL数据可用的参与者。
从PPMI数据库获取数据,包括人口统计学、临床评分和认知测试。筛选出18名具有基线血清NfL数据的A53T-PD患者。
Increased Serum Neurofilament Light Chain Levels in Parkinson's Disease Patients Carrying the p.A53T SNCA Mutation: Data from the Parkinson's Progression Markers Initiative Study
研究基于PPMI数据库的回顾性队列分析,采用倾向评分匹配和统计分析,缺乏前瞻性实验干预或机制验证,属于观察性分析。
A53T-PD患者队列 iPD患者队列 健康对照队列
匹配比例:A53T-PD与iPD和HC按3:1匹配 匹配变量:年龄和诊断年龄(iPD)用于倾向评分 样本量:A53T-PD 18例,iPD 54例,HC 54例 检测指标:血清NfL水平(pg/ml)
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。
从PPMI数据库获取A53T-PD、iPD和HC参与者的基线和随访数据,确定血清NfL数据可用的参与者。
从PPMI数据库获取数据,包括人口统计学、临床评分和认知测试。筛选出18名具有基线血清NfL数据的A53T-PD患者。
为A53T-PD参与者匹配年龄和病程相似的iPD和HC对照,以控制混杂因素。
使用logistic回归模型计算倾向评分(年龄、诊断年龄),采用最近邻匹配算法按3:1比例匹配iPD和HC。
比较三组间血清NfL水平,并评估其与临床特征的相关性。
对匹配后的参与者进行血清NfL水平组间比较,使用Kruskal-Wallis检验和Dunn事后检验;并进行相关性分析(Spearman秩相关)。
评估离群值对结果的影响,并初步观察NfL水平的纵向变化。
使用广义极端学生化偏差(ESD)检验识别离群值,并排除后重复分析;对有限纵向数据(图S3)进行描述性观察。
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 |
|---|---|
| 数据获取 | 数据来源:PPMI数据库;数据获取日期:2025年7月14日 阅读提示:Methods 部分:数据获取与共享 |
| 样本匹配 | 匹配比例:3:1;匹配变量:年龄和诊断年龄;软件:R version 4.5,MatchIt包版本4.7.2 阅读提示:Methods 部分:匹配流程 |
| 统计分析 | 统计检验:Kruskal-Wallis检验、Dunn事后检验、Spearman相关;多重比较校正:Benjamini-Hochberg;显著性水平:P=0.05 阅读提示:Methods 部分:统计分析 |