研究设计和患者选择
模拟比较依普利酮与螺内酯在HFrEF患者中的效果,通过严格定义纳入和排除标准确保比较的有效性。
利用丹麦心力衰竭登记处(DHR)及全国健康登记数据,纳入2020-2024年间新启动依普利酮或螺内酯的HFrEF患者(LVEF≤40%,年龄≥45),排除既往使用MRA、严重肾功能不全、移植等患者。
Initiation of eplerenone vs. spironolactone and all-cause mortality in HFrEF: linked database study
观察性数据库研究,采用活性对照新使用者设计和IPTW控制混杂,包含主要和次要结局、亚组及符合方案分析,但缺乏随机化。
丹麦HFrEF患者队列(LVEF≤40%)
年龄≥45岁的HFrEF患者(LVEF≤40%) 2020年1月1日至2024年12月31日期间启动依普利酮或螺内酯 排除标准:既往MRA使用、严重肾功能不全(eGFR<30)、移植等 主要结局:全因死亡率;次要结局包括心血管死亡和心衰住院 倾向评分加权和IPTW用于控制混杂
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。
模拟比较依普利酮与螺内酯在HFrEF患者中的效果,通过严格定义纳入和排除标准确保比较的有效性。
利用丹麦心力衰竭登记处(DHR)及全国健康登记数据,纳入2020-2024年间新启动依普利酮或螺内酯的HFrEF患者(LVEF≤40%,年龄≥45),排除既往使用MRA、严重肾功能不全、移植等患者。
获取准确的药物暴露、结局和协变量数据,定义主要和次要结局。
从丹麦处方登记处获取药物暴露,从民事登记系统获取死亡信息,从丹麦死亡原因登记处和患者登记处获取心血管死亡和心衰住院。主要结局为全因死亡,次要结局包括心血管死亡、心衰住院及复合结局。
通过倾向评分加权和Cox模型估计依普利酮vs螺内酯的疗效差异,并进行敏感性分析。
使用Active-comparator new-user设计,基于倾向评分进行IPTW,使用Cox模型估计wHR,并进行亚组分析和符合方案分析。
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 |
|---|---|---|---|
| 统计分析 | SAS软件9.4版 | SAS | 9.4 |
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 |
|---|---|
| 患者纳入 | 患者年龄≥45岁,LVEF≤40%,2020-2024年间新启动依普利酮或螺内酯 阅读提示:Methods部分,纳入标准 |
| 排除标准 | 排除既往MRA使用、严重肾功能不全(eGFR<30)、移植、终末期疾病等 阅读提示:Methods部分,排除标准 |
| 结局定义 | 主要结局全因死亡,次要结局心血管死亡、心衰住院及复合 阅读提示:Methods部分,结局定义及补充表S3 |
| 统计分析 | 倾向评分模型包括所有表1变量,IPTW权重截断,稳健方差 阅读提示:Methods部分,统计分析及补充表S4 |