数据收集与整理
收集并整合处方和病例数据，为分析两者关系提供基础。
收集2021年12月29日至2022年12月31日纽约市药店每日抗病毒药物配药数据（通过Tiberius平台），以及同期成人每周报告病例数据。分析期间为2022年3月1日至12月31日。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
理解纽约市抗病毒药物处方数据与COVID-19发病率之间的关系：一项回顾性队列研究
Understanding the Relationship Between Antiviral Prescription Data and COVID-19 Incidence in New York City: A Retrospective Cohort Study
实验完整度
中研究基于回顾性数据，使用线性回归和ROC曲线分析，但缺乏前瞻性验证和模型预测评估。
重点核对
病例数据来源：纽约市卫生与心理健康局报告的实验室确诊和疑似病例，分析时间范围为2022年3月1日至12月31日，覆盖18岁及以上成人。 处方数据来源：通过Tiberius平台收集的参与联邦COVID-19治疗计划的药房每日配药数据，时间范围为2021年12月29日至2022年12月31日。 统计分析：使用R软件（版本4.2.1）及tidyverse、scales、readxl、lubridate、cowplot库进行线性回归、自相关和交叉相关分析、ROC曲线分析。
摘要
2019冠状病毒病（COVID-19）大流行已在全球范围内造成超过6.75亿例确诊病例和近700万人死亡[1]。虽然COVID-19检测最初集中在医疗机构，并要求向卫生部门报告，但如今越来越多地通过快速抗原检测在家中完成[2]。大多数居家检测结果是自我判读的，不会报告给医疗服务提供者或卫生部门，这可能导致病例报告延迟或漏报[3]。因此，随着时间的推移，报告病例作为传播指标的可靠性可能会降低。我们分析了纽约市每日COVID-19口服治疗药物处方配药数据，作为在居家检测使用增加情况下的早期传播指标。我们的研究强调了完整及时的药店数据在公共卫生预测中的潜在作用。2021年12月，奈玛特韦/利托那韦和莫诺拉韦获得了美国食品药品监督管理局的紧急使用授权，用于治疗高风险患者的2019冠状病毒病[4]。在纽约市（NYC），这些治疗药物通过药房取药或免费送货上门的方式立即向符合条件的居民免费提供，与其他获取可能更为有限的司法管辖区相比，这使抗病毒药物的获取更加便捷[5]。我们研究了通过集中请求系统识别的抗病毒药物处方趋势在多大程度上是病例趋势的指标，可能是先导指标，在病例报告减少的情况下[6]。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 随着居家检测的增加，COVID-19口服抗病毒药物处方数据能否作为病例数量趋势的早期指标，以及其指示强度如何？
- 核心机制
- 文中未明确说明
- 主要证据
- 每周处方总数与每周病例数的相关系数为0.92，线性回归R²=0.84；处方变化方向预测病例变化方向的敏感性为76%，特异性为62%；ROC曲线下面积为82%（图2）。
- 研究意义
- 研究表明，口服抗病毒药物处方率可代表社区COVID-19传播增加的早期指标，并强调了扩大公共卫生获取这些数据的必要性，以增强疫情监测和决策。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
相关性分析
评估处方数与病例数之间的相关性和时滞关系。
计算每周总病例数与每周总处方数的相关系数，并进行自相关和交叉相关分析，检查2周滞后关系。
回归建模
量化处方数对病例数的解释能力。
使用线性回归模型将每周病例总数对每周处方总数进行回归，评估R²。
方向预测与ROC分析
评估处方变化的数量和方向对病例变化方向的预测能力。
比较连续周之间处方和病例变化方向的一致性；构建ROC曲线，用每周处方变化大小预测病例数变化方向。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
数据处理
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据分析 | Tiberius平台 | -- | -- |
| R统计软件（版本4.2.1） | -- | -- | |
| tidyverse | -- | -- | |
| scales | -- | -- | |
| readxl | -- | -- | |
| lubridate | -- | -- | |
| cowplot | -- | -- |
关键环节
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 |
|---|---|
| 数据收集 | 处方数据来源：参与联邦COVID-19治疗计划的药房通过Tiberius平台每日上报；病例数据来源：纽约市卫生与心理健康局报告的确诊和疑似病例；年龄≥18岁；时间范围：2022年3月1日至2022年12月31日。 阅读提示：Methods部分 |
| 数据整理 | 将每日处方和病例数据汇总为每周总计，以消除周度报告周期影响。 阅读提示：Methods部分 |
| 统计分析 | 使用线性回归模型分析每周病例总数与每周处方总数的关系；使用ROC曲线评估处方变化大小对病例变化方向的预测价值；统计分析软件：R版本4.2.1及tidyverse、scales、readxl、lubridate、cowplot库。 阅读提示：Methods、Results部分 |