队列建立与样本筛选
建立研究队列,确保纳入具有NMC状态和ASD诊断数据的男性单胎儿童。
从ECHO队列中筛选出2771名男性儿童,随机选择家庭中的一名儿童,排除参与者少于20名的站点。
Neonatal Medical Male Circumcision and Child Autism Diagnosis
该研究为前瞻性队列研究,包含明确的统计分析、敏感性分析和分层分析,但未涉及体外或动物实验,主要依赖观察性数据。
2771名男性儿童组成的美国ECHO队列 1886名儿童SRS-2评估亚组 1880名儿童CBCL 1.5/5评估亚组
NMC状态:出生后28天内在医疗机构进行,基于医疗记录或家长报告 ASD诊断:家长报告医疗专业人员诊断或标准临床评估(如ADOS/ADOS-2、ADI-R) SRS-2 T分数:使用家长报告问卷(65项或16项),评分标准化,评估自闭症相关特征 CBCL 1.5/5 DSM-5 ASP T分数:评估自闭症相关行为,区分正常与边缘/临床范围 统计分析:调整混杂因素,包括母亲教育水平、地理区域、ASD家族史、父母年龄,并使用GEE模型和多重插补
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。
建立研究队列,确保纳入具有NMC状态和ASD诊断数据的男性单胎儿童。
从ECHO队列中筛选出2771名男性儿童,随机选择家庭中的一名儿童,排除参与者少于20名的站点。
确定NMC状态和ASD诊断及自闭症相关特征和行为。
通过医疗记录或家长报告评估NMC状态;通过家长报告或临床评估文件记录ASD诊断;使用SRS-2和CBCL 1.5/5评估自闭症相关特征和行为。
评估NMC与ASD诊断及自闭症相关特征和行为之间的关联,并控制混杂因素。
使用广义估计方程(GEE)模型,以队列站点为聚类变量,计算未调整和调整后的效应估计值,并进行亚组分析和敏感性分析。
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 | R | R Foundation for Statistical Computing | -- |
| geepack | -- | -- | |
| mice | -- | -- | |
| DAGitty | -- | -- | |
| 地理编码 | ArcGIS Pro Streetmap Premium Geocoder | Esri | -- |
| 量表评估 | 社交反应量表第二版(SRS-2) | Western Psychological Services | -- |
| 儿童行为检查表1.5/5(CBCL 1.5/5) | -- | -- |
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 |
|---|---|
| 队列纳入标准 | 男性、单胎、有NMC状态和ASD诊断数据;随机选择家庭中一名儿童;排除参与者<20的站点 阅读提示:Methods: Study Population |
| NMC暴露评估 | NMC状态在出生后28天内在医疗机构进行,通过医疗记录或家长报告确认 阅读提示:Methods: Exposure |
| ASD结局评估 | ASD诊断基于家长报告或标准临床评估(ADOS/ADOS-2或ADI-R) 阅读提示:Methods: ASD Diagnosis |
| 自闭症相关特征和行为评估 | SRS-2 T分数和CBCL 1.5/5 DSM-5 ASP T分数,需注意版本(65项或16项)和施测年龄 阅读提示:Methods: Quantitative Autism-Related Traits and Behaviors |
| 统计分析 | 使用GEE模型,调整母亲教育、地区、家族史、父母年龄;进行分层分析和敏感性分析 阅读提示:Methods: Statistical Analysis |