患者队列识别
确定研究对象为儿童和青少年/年轻成人癌症患者,并筛选出符合条件的患者。
使用Optum Labs数据仓库中的商业保险索赔数据,根据诊断代码识别2001-2017年诊断为10种常见癌症的患者,要求诊断前连续参保6个月,并排除既往癌症、干细胞移植史等。
Time to diagnosis among young patients with cancer
研究基于大型索赔数据库进行回顾性队列分析,包含统计建模和敏感性分析,但缺乏实验验证。
商业保险参保的儿童和青少年/年轻成人癌症患者队列
患者年龄范围为0-39岁 癌症类型包括10种常见癌症 连续参保6个月以上 首次症状至诊断时间超过3个月定义为延迟
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。
确定研究对象为儿童和青少年/年轻成人癌症患者,并筛选出符合条件的患者。
使用Optum Labs数据仓库中的商业保险索赔数据,根据诊断代码识别2001-2017年诊断为10种常见癌症的患者,要求诊断前连续参保6个月,并排除既往癌症、干细胞移植史等。
识别癌症相关症状并计算从症状出现到诊断的时间(lag time)。
根据保险索赔中的诊断代码定义癌症症状,确定每位患者在诊断前6个月内首次出现症状的日期,并计算lag time。
评估社会人口学因素与症状出现及诊断延迟之间的关联。
使用描述性统计和Wilcoxon秩和检验比较中位lag time,使用多变量非条件logistic回归模型估计年龄、性别、种族、收入、教育等因素与延迟诊断(>3个月)的关联。
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 |
|---|---|---|---|
| 数据分析 | Optum Labs数据仓库 | -- | -- |
| 统计分析 | Stata/SE 15 | -- | -- |
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 |
|---|---|
| 患者队列识别 | 纳入标准:年龄0-39岁,诊断年份2001-2017,诊断前连续参保6个月,排除既往癌症或干细胞移植;癌症类型包括10种常见癌症 阅读提示:详见Methods部分2.1节 和 表1 |
| 症状捕获 | 症状定义:基于索赔代码,包括宪法性、胃肠、神经、呼吸、心脏、肌肉骨骼、泌尿生殖、创伤、感染和血液症状;首次症状日期确定方法 阅读提示:详见Methods部分2.2节 和 表S1 |
| 统计分析 | 多变量逻辑回归模型调整变量(年龄、性别、种族、收入、教育等)、延迟定义(>3个月) 阅读提示:详见Methods部分2.4节 和 表S2、S3 |