队列建立与基线评估
建立家庭暴露儿童的前瞻性队列,并收集基线特征以识别潜在预测因素。
从2009年9月至2012年8月在秘鲁利马招募了肺结核患者的家庭接触者,对0-14岁儿童进行基线评估,包括临床检查、TST检测、社会经济状况、家庭特征等。
Prediction Tool to Identify Children at Highest Risk of Tuberculosis Disease Progression Among Those Exposed at Home
该研究为前瞻性队列研究的二次分析,基于4545名儿童家庭接触者的临床和实验室数据,使用CART分析构建预测模型,并进行验证。无体外或动物实验。
家庭暴露于结核病的0-4岁儿童队列 家庭暴露于结核病的5-9岁儿童队列 家庭暴露于结核病的10-14岁儿童队列
年龄分组:0-4岁、5-9岁、10-14岁 结核菌素皮肤试验(TST)阳性定义:硬结直径≥10 mm 主要结局:12个月内结核病发生,通过微生物学检测或临床诊断 异烟肼预防性治疗(TPT)使用情况 随访时间:2、6、12个月
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。
建立家庭暴露儿童的前瞻性队列,并收集基线特征以识别潜在预测因素。
从2009年9月至2012年8月在秘鲁利马招募了肺结核患者的家庭接触者,对0-14岁儿童进行基线评估,包括临床检查、TST检测、社会经济状况、家庭特征等。
在12个月内监测儿童是否发生结核病,以确定疾病进展。
在2、6和12个月时对儿童进行随访,重新评估结核病;通过微生物学检测(涂片或培养)或临床诊断确定结核病。
使用CART分析识别最重要的预测因素并构建决策树模型。
对3个年龄组分别应用CART分析,使用基尼增益进行节点分裂,生成并修剪决策树,并通过ROC分析和10折交叉验证评估模型性能。
评估决策树中节点的预测因素与结核病结局的关联强度。
使用回归分析计算各节点预测因素的相对风险(RR)和95%置信区间,并进行χ2检验。
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 | Salford Systems数据挖掘与预测分析软件版本8.0 | Salford Systems | -- |
| SAS 9.4版本 | SAS Institute | -- |
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 |
|---|---|
| 队列建立 | 入组标准:与成人肺结核患者共同居住的0-14岁儿童;排除基线患有结核病的儿童。 阅读提示:PATIENTS AND METHODS, Study Design |
| 基线评估 | TST阳性定义:硬结直径≥10 mm;TPT使用情况:询问是否被提供和启动。 阅读提示:PATIENTS AND METHODS, Predictors and Outcome Variables |
| 结局确定 | 12个月内结核病诊断标准:微生物学检测(涂片或培养)阳性或临床诊断。 阅读提示:PATIENTS AND METHODS, Predictors and Outcome Variables |
| 预测模型 | CART分析参数:基尼增益分裂,手动修剪;模型验证:10折交叉验证。 阅读提示:PATIENTS AND METHODS, Statistical Analysis |