数据收集与纳入
从WHO东地中海区域办公室获取索马里2014-2017年AFP监测数据,并筛选符合纳入标准的病例。
分析来自所有报告来源的AFP监测记录,纳入2014年1月1日至2017年12月31日期间发病、有有效NPEV检测结果且未同时分离出WPV或VDPV的AFP病例,共1348例。
Using Nonpolio Enterovirus Detection to Assess the Integrity of Stool Specimens Collected From Acute Flaccid Paralysis Cases in Somalia During 2014-2017
基于监测数据的回顾性分析,采用logistic回归评估NPEV检出率与可及性的关联,包含描述性统计和多变量模型。
1348例AFP病例的监测数据队列
病例纳入标准:2014年1月1日至2017年12月31日发病,且有有效NPEV检测结果且未分离出WPV或VDPV的AFP病例 可及性分类:使用2017年项目分类,分为可进入、部分可进入和不可进入地区 主要结局:NPEV检测(是/否) 多变量模型:调整年龄、可及性、Sabin样病毒检测等变量 统计分析:使用R Studio 1.1.447进行logistic回归
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。
从WHO东地中海区域办公室获取索马里2014-2017年AFP监测数据,并筛选符合纳入标准的病例。
分析来自所有报告来源的AFP监测记录,纳入2014年1月1日至2017年12月31日期间发病、有有效NPEV检测结果且未同时分离出WPV或VDPV的AFP病例,共1348例。
定义研究变量,包括可及性、年龄、OPV接种状态等,并确定用于分析的暴露和结局变量。
根据项目定义对可及性进行分类(可进入、部分可进入、不可进入),并定义年龄、性别、报告来源、生活方式、OPV接种状态、运输时间、Sabin病毒检测和NPEV检测等变量。
描述不同可及性类别下研究变量的分布,并初步比较可进入和不可进入地区的病例特征。
按可及性类型分层的描述性分析,使用Wilcoxon符号秩检验和卡方检验比较可进入与不可进入地区的差异。
评估可及性与NPEV检测之间的独立关联,并识别其他预测因素。
使用logistic回归进行单变量和多变量分析。多变量模型采用混合方法,保留主要变量、单变量分析中显著相关的变量和多变量分析中确定的混杂因素。
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 |
|---|---|---|---|
| 统计分析 | R Studio | RStudio, Inc. | 1.1.447 |
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 | 病例纳入标准:发病日期范围、NPEV检测结果有效性、排除WPV或VDPV阳性病例 阅读提示:Methods: Dataset, Inclusion Criteria, and Sample Size |
| 变量定义 | 可及性分类标准(基于2017年项目分类)、年龄分组、OPV接种状态定义 阅读提示:Methods: Variable Inclusion, Manipulation, and Definitions |
| 统计分析 | 使用的logistic回归模型变量选择方法、多变量模型构建策略 阅读提示:Methods: Data Analysis |
| 实验室检测 | 实验室为肯尼亚医学研究所(KEMRI),检测方法未详细说明 阅读提示:Methods: Dataset, Inclusion Criteria, and Sample Size |