确定高风险患者标准
识别最可能受益于SMA-PrEP的免疫功能低下患者,以便公平分配有限的药物供应。
基于诊断或药物使用制定高风险患者标准,包括实体器官移植、血液恶性肿瘤、先天或获得性免疫缺陷等,并形成具体标准表格(Table 1)。
Implementation of an Approach to Equitable Allocation of SARS-CoV-2 Monoclonal Antibodies for Preexposure Prophylaxis: Experience From a Single Medical Center
本研究为回顾性队列研究,包含明确的患者识别、分配策略和统计分析,但无前瞻性干预或机制验证。
免疫功能低下患者队列
符合条件的患者定义(Table 1) TGM/CGM分配策略(分散与集中结合) 基于ADI的社会经济状态分层 多变量logistic回归调整变量 TGM/CGM给药剂量与时间窗口
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。
识别最可能受益于SMA-PrEP的免疫功能低下患者,以便公平分配有限的药物供应。
基于诊断或药物使用制定高风险患者标准,包括实体器官移植、血液恶性肿瘤、先天或获得性免疫缺陷等,并形成具体标准表格(Table 1)。
通过电子健康记录和地理编码工具构建患者列表,并建立仪表板用于识别和追踪符合条件的患者。
利用分析软件Tableau开发仪表板,从EHR中提取患者地址,进行地理编码并关联ADI评分,用于识别高风险患者并追踪其接种状态。
确保TGM/CGM的分配公平且高效,优先考虑高风险患者。
采用分散与集中相结合的方式:将剂量分配给照顾高风险患者的专科诊所,并设立中央接种点。使用仪表板生成优先列表,并通过电子通信和电话进行患者 outreach。
通过回顾性队列研究分析分配策略的实际效果,评估是否存在人口统计学差异。
收集符合条件患者的诊断和人口统计学信息,计算ADI以确定社会经济地位,并进行多变量逻辑回归分析以确定与接受TGM/CGM相关的因素。
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 |
|---|---|---|---|
| 患者识别与追踪 | Tableau软件 | Tableau Software, LLC | -- |
| 电子健康记录系统 | Epic系统公司 | Epic Systems Corporation | -- |
| 地理编码 | ArcGIS 10.6.1 | ESRI | -- |
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 |
|---|---|
| 患者识别与纳入标准 | 符合条件患者的定义:需参考Table 1中的具体诊断和用药条件;诊断信息从EHR中提取。 阅读提示:Methods部分“Identification and Tracking of Eligible Patients”和Table 1 |
| 分配策略 | 分配策略:需确认剂量分配依据(各诊所符合条件患者比例)和集中/分散相结合的具体实施细节。 阅读提示:Methods部分“Distribution Strategies” |
| 社会经济状态分层 | ADI计算:需使用患者地址进行地理编码并关联至美国人口普查区,以确定ADI十分位数。 阅读提示:Methods部分“Identification and Tracking of Eligible Patients”和“Statistical Analysis” |
| 结局评估 | 主要结局为是否接受至少一剂TGM/CGM;需记录患者人口统计学特征和诊断,并确保首剂记录准确。 阅读提示:Results部分和Table 2 |
| 统计分析 | 多变量logistic回归模型:需明确纳入的变量(单变量分析P≤0.20)和统计稳健性。 阅读提示:Methods部分“Statistical Analysis”和Table 3 |