队列构建与分组
确定分析人群并分类肥胖治疗模式。
从Epic Cosmos数据库中纳入2022年5月至2026年1月期间接受肥胖治疗的13-25岁AYAs,根据治疗方式分为仅GLP-1 RA、仅MBS和联合治疗组,并记录年龄、性别、种族、合并症等基线特征。
GLP-1 Receptor Agonist and Bariatric Surgery Utilization Among Adolescents and Young Adults
本研究为基于电子健康记录的回顾性队列分析,没有提供具体的实验方法、干预措施或验证步骤,仅进行统计趋势分析和描述性比较。
青少年和年轻成人(AYAs)肥胖患者队列(n=204,148)
队列来源:Epic Cosmos数据库,涵盖300百万患者 纳入标准:13-25岁AYAs,2022年5月至2026年1月接受肥胖治疗 治疗方案分类:仅GLP-1 RA、仅MBS或联合 依从性指标:PDC≥80%定义为依从 统计方法:趋势P值,双侧P<0.05
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。
确定分析人群并分类肥胖治疗模式。
从Epic Cosmos数据库中纳入2022年5月至2026年1月期间接受肥胖治疗的13-25岁AYAs,根据治疗方式分为仅GLP-1 RA、仅MBS和联合治疗组,并记录年龄、性别、种族、合并症等基线特征。
分析不同治疗方式的使用比例随时间的变化。
按时间段(每6个月)计算各种治疗方式的比例,并使用趋势P值检验变化是否显著。
分析按年龄、性别、种族/民族分层的治疗模式差异。
比较青少年与年轻成人、男性和女性、不同种族/民族个体在治疗方式分布上的差异,并计算趋势P值。
评估使用GLP-1 RA的AYAs的治疗依从性。
使用比例天数(PDC)计算依从性,定义PDC≥80%为依从,并比较不同性别、年龄组的依从性差异。
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 |
|---|---|---|---|
| 数据分析 | Epic Cosmos | Epic Systems Corporation | -- |
| Python 3.12.10 | Python Software Foundation | -- |
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 |
|---|---|
| 队列构建 | 数据来源、纳入标准(年龄、诊断)、治疗分类定义 阅读提示:Methods 部分:第一段和第二段 |
| 时间趋势分析 | 时间分段、趋势检验方法 阅读提示:Methods 部分:第三段;Results 部分:第一段 |
| 亚组比较 | 分层变量(年龄、性别、种族)、统计检验 阅读提示:Methods 部分:第三段;Results 部分:第二段 |
| 依从性评估 | PDC计算、依从定义、比较组 阅读提示:Methods 部分:第三段;Results 部分:第三段 |