研究人群筛选
确定符合纳入标准的MGUS合并糖尿病的退伍军人患者队列。
从VHA数据库纳入1999年10月1日至2023年12月31日诊断为MGUS且既往有T1DM或T2DM的患者,排除无体重测量、无HbA1c测量、HbA1c间隔过长及IgM MGUS患者,最终纳入11,061名患者。
Association between diabetic control and progression of monoclonal gammopathy of undetermined significance to multiple myeloma
基于11,061名患者的回顾性队列研究,通过NLP算法确认诊断,使用时变HbA1c暴露、竞争风险模型和IPTW校正,并进行亚组和敏感性分析。
MGUS且既往有糖尿病诊断的美国退伍军人队列
HbA1c>7%的时变状态定义 MGUS和MM诊断的NLP算法确认 以死亡为竞争事件的Fine-Gray模型 IPTW调整的协变量平衡
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。
确定符合纳入标准的MGUS合并糖尿病的退伍军人患者队列。
从VHA数据库纳入1999年10月1日至2023年12月31日诊断为MGUS且既往有T1DM或T2DM的患者,排除无体重测量、无HbA1c测量、HbA1c间隔过长及IgM MGUS患者,最终纳入11,061名患者。
定义并计算时变的糖尿病控制不佳状态(HbA1c>7%)。
以HbA1c>7%为阈值,将随访期间每日HbA1c值插补,基于连续测量结果,通过特定算法缺失进行填补。
确定从MGUS到MM的进展事件。
通过已发表的NLP算法确认MM诊断,并基于诊断数据和骨髓瘤特异性治疗记录。
估计糖尿病控制不佳与MGUS进展的关联,并控制混杂。
使用Fine-Gray子分布风险模型,以死亡为竞争事件,调整多项协变量,并通过IPTW平衡两组基线特征。
评估不同糖尿病类型和HbA1c阈值下的关联。
按T1DM、T2DM是否使用胰岛素进行亚组分析;在T2DM亚组中,变换HbA1c阈值(>6.5%, >7.5%, >8%, >9%)进行敏感性分析。
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 | SAS | SAS Institute Inc. | version 9.2 |
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 | 纳入标准:MGUS诊断时间(1999/10/1-2023/12/31),DM诊断先于MGUS;排除标准:体重缺失、HbA1c缺失或间隔>16个月、IgM MGUS 阅读提示:Methods - Data, study population, and design 及 Fig. 1 |
| 暴露定义 | HbA1c>7%的时变定义及插补算法细节,特别是测量间隔>90天时的填补规则 阅读提示:Methods - Exposure 及补充图S1 |
| 结局定义 | MM诊断的NLP算法版本及准确性指标 阅读提示:Methods - Outcome 及补充表S2 |
| 统计模型 | 协变量清单、IPTW权重的计算模型(Logistic回归包含所有协变量)、竞争事件(死亡)的定义 阅读提示:Methods - Statistical analyses |