患者纳入与数据收集
描述ERGO队列中接受妇科恶性肿瘤手术患者的基线特征和ERAS组件实施情况。
前瞻性纳入五家三级医疗机构的连续300例患者,使用标准化电子病例报告表记录ERAS组件的实施情况。
Implementation Structure of ERAS Components in Gynecologic Oncology During Early Adoption: A Network-Based Analysis
基于前瞻性队列的二次分析,使用网络模型评估ERAS组件实施结构,包含中心性和社区检测,但缺乏功能验证和机制验证。
ERGO多中心前瞻性队列(300例妇科恶性肿瘤手术患者) 条件依赖网络模型(正则化Ising模型)
样本量:300例连续患者 ERAS组件纳入标准:患病率5%-95%,共13个 网络估计方法:L1惩罚邻域选择,EBIC模型选择 显示阈值:|β|≥0.10,但所有网络指标基于完整网络 中心性稳定性:强度中心性中位Spearman相关0.92(95%CI 0.81-0.97)
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。
描述ERGO队列中接受妇科恶性肿瘤手术患者的基线特征和ERAS组件实施情况。
前瞻性纳入五家三级医疗机构的连续300例患者,使用标准化电子病例报告表记录ERAS组件的实施情况。
确定用于网络分析的ERAS组件,确保其具有足够的变异性。
根据ERAS协会建议定义ERAS组件,并筛选患病率在5%-95%的组件。
估计ERAS组件之间的条件依赖关系,并评估网络整体结构。
使用正则化Ising模型估计网络,通过L1惩罚邻域选择和扩展BIC进行模型选择。
识别网络中结构重要的ERAS组件,并检测共同采用的模块。
计算节点级中心性指标(度、强度、中介性)和全局网络指标,并基于模块性进行社区检测。
评估网络估计的稳健性。
通过bootstrap重采样评估边选择和中心性估计的稳定性。
按研究目的归类文中使用的方法,便于定位所需技术。
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 |
|---|---|
| 研究设计与伦理审批 | 研究注册号(NCT06655506),伦理批准号(IRB No. 131/2024) 阅读提示:Methods 2.1节 |
| 患者纳入与排除标准 | 纳入标准:成年女性,计划行妇科恶性肿瘤择期手术,适合ERAS;排除标准:非妇科转移性疾病、严重功能损害、医疗禁忌或紧急手术 阅读提示:Methods 2.2节 |
| ERAS组件定义与数据收集 | 13个ERAS组件的定义和二元编码,数据记录于REDCap 阅读提示:Methods 2.2节 |
| 网络模型估计 | 患病率5%-95%筛选,L1惩罚邻域选择,EBIC模型选择 阅读提示:Methods 2.4节,Results 第1段 |
| 网络稳定性和中心性分析 | bootstrap重采样评估边选择和中心性稳定性,强度中心性中位Spearman相关0.92 阅读提示:Methods 2.4节,Results 第6段 |