队列构建与数据来源
确定研究人群,包括新诊断RA/SLE患者,并收集其健康记录和药物处方数据。
使用不列颠哥伦比亚省行政数据库(包括医生就诊、住院、处方、生命统计等)识别1997年至2022年间新发RA/SLE且新使用抗疟药的患者,并确保至少一年随访。
Impact of Early Antimalarial Adherence on Future Acute Care Utilization and Cost Among Patients With Rheumatoid Arthritis and Systemic Lupus Erythematosus: A Population-Based Study
研究为回顾性队列分析,使用行政数据库,包含倾向评分匹配、准泊松和线性回归、证伪检验和敏感性分析,但无前瞻性干预或机制验证。
新发类风湿关节炎(RA)患者队列 新发系统性红斑狼疮(SLE)患者队列
抗疟药暴露的定义:PDC ≥ 0.90为依从,PDC < 0.90为不依从 倾向评分匹配比例:1:2(依从:不依从),匹配变量包括基线混杂因素 结局测量时间:随访年后一年内的住院次数、住院天数和住院费用 主要分析模型:准泊松回归和线性回归,均使用稳健标准误
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。
确定研究人群,包括新诊断RA/SLE患者,并收集其健康记录和药物处方数据。
使用不列颠哥伦比亚省行政数据库(包括医生就诊、住院、处方、生命统计等)识别1997年至2022年间新发RA/SLE且新使用抗疟药的患者,并确保至少一年随访。
评估在基线年(第一年)抗疟药使用的依从性,并定义依从与不依从组。
通过PharmaNet数据库计算抗疟药(羟氯喹或氯喹)的PDC,定义PDC≥0.90为依从,PDC<0.90为不依从。
通过匹配依从与不依从患者的基线特征,减少混杂偏倚。
使用逻辑回归估计抗疟药依从的倾向评分,并按1:2比例(依从:不依从)进行贪婪匹配。匹配变量包括人口学、合并症、药物使用和医疗资源利用等。
评估在随访年(第二年)的急性护理利用和费用。
在随访年,从住院数据库获取每位患者的住院次数和总住院天数,并使用CIHI的病例组合方法计算住院费用(基于RIW),并调整为2022年加元。
估计抗疟药依从性与结局的关联,并检验稳健性。
使用准泊松回归和线性回归模型估计调整后的率比和平均成本差异,并进行了敏感性分析(改变PDC阈值、匹配比例、仅考虑疾病发作住院)和E值分析。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据管理 | SAS 9.4版本 | SAS Institute, Inc | -- |
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 |
|---|---|
| 研究人群选择 | RA/SLE病例定义(ICD编码组合、间隔、医生确认)、新使用抗疟药定义、年龄限制、随访时长 阅读提示:方法部分:研究设计和队列定义 |
| 暴露定义 | PDC计算方法、依从性阈值(0.90) 阅读提示:方法部分:暴露评估 |
| 倾向评分匹配 | 匹配比例(1:2)、匹配变量列表(人口学、合并症、用药等) 阅读提示:方法部分:倾向评分匹配队列 |
| 结局定义 | 住院次数、住院天数、住院费用定义及计算方式 阅读提示:方法部分:结局确定 |
| 统计分析 | 模型选择(准泊松,线性)、调整变量、稳健标准误 阅读提示:方法部分:统计分析 |