队列选择和特征描述
确定符合条件的研究人群并比较种族之间的基线特征。
从Flatiron Health数据库中选取2011-2021年间新诊断MM、非西班牙裔黑人或白人、有州和一线治疗信息的成人患者。比较了不同种族的年龄、性别、分期、细胞遗传学风险、保险覆盖和ASCT接受情况。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
多发性骨髓瘤生存率的种族差异：与干细胞移植、保险和医疗补助扩展的关联
Racial differences in multiple myeloma survival: Associations with stem cell transplantation, insurance, and Medicaid expansion
实验完整度
中回顾性观察性研究，采用Cox回归、Fine and Gray模型、多元逻辑回归，数据来自电子健康记录，存在多个分析模型，但无前瞻性干预或功能验证。
主要模型
电子健康记录队列（Flatiron Health真实世界数据） 非西班牙裔黑人和非西班牙裔白人患者
重点核对
患者为2011-2021年间新诊断多发性骨髓瘤，非西班牙裔黑人或白人 数据来源为Flatiron Health研究数据库 分析模型包括Cox回归、Fine and Gray和多元逻辑回归 ASCT作为时间依赖性协变量处理
摘要
背景：在人群水平上，黑人多发性骨髓瘤（MM）患者的生存率可能低于白人患者。作者研究了自体干细胞移植（ASCT）、保险和医疗补助扩展如何与真实世界总生存期（rwOS）的种族差异相关。方法：使用Flatiron Health研究数据库中4932例MM患者（24%为黑人）的数据，采用Cox回归（rwOS）、Fine and Gray竞争风险模型（ASCT）和多元逻辑回归（保险）进行分析。结果：调整人口统计学和临床因素后，黑人患者的rwOS比白人患者差（调整后风险比[aHR]，1.11；95%置信区间[CI]，1.00–1.23），当调整ASCT和/或健康保险后，这一差异变得不显著。缺乏ASCT与较差的rwOS相关（aHR，0.59；95%CI，0.51–0.67）。黑人患者接受ASCT的可能性较低（<65岁：调整后亚分布HR [asHR]，0.64；95%CI，0.57–0.72；≥65岁：asHR，0.54；95%CI，0.42–0.69），并且移植等待时间更长。医疗补助扩展与<65岁患者接受ASCT的可能性降低相关（aHR，0.50；95%CI，0.38–0.67），且医疗补助扩展在黑人患者中的发生率是白人患者的三倍。在接受肿瘤治疗的患者中，医疗补助扩展与医疗补助覆盖、ASCT接受或rwOS的变化无关。结论：医疗补助与ASCT接受可能性降低相关，且在黑人患者中更为普遍。ASCT接受减少与生存率较差相关，导致了生存差异。在这个接受治疗的人群中，医疗补助扩展并未改善覆盖、ASCT接受或生存，表明除保险外还存在结构性障碍。需要有针对性的努力来改善医疗补助患者的ASCT可及性。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 多发性骨髓瘤患者中，种族差异是否与ASCT利用、保险类型和医疗补助扩展相关？
- 核心机制
- 医疗补助覆盖与ASCT接受可能性降低相关，而黑人患者医疗补助覆盖率更高，导致ASCT利用减少，进而与较差生存相关。
- 主要证据
- 调整人口统计学和临床因素后，黑人患者rwOS较差（aHR 1.11），调整ASCT后不再显著；黑人患者ASCT可能性较低（<65岁 asHR 0.64，≥65岁 asHR 0.54），且医疗补助覆盖与ASCT可能性降低相关（<65岁 asHR 0.50）。
- 研究意义
- 研究表明，除保险覆盖外，结构性障碍持续存在，医疗补助扩展可能不足以改善复杂疗法的可及性；需要针对性策略改善医疗补助患者的ASCT可及性。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
生存分析（rwOS）
评估种族、ASCT和保险对总生存的影响。
采用Cox比例风险回归模型，将ASCT作为时间依赖性协变量，调整年龄、性别、分期、细胞遗传学风险等，比较不同模型的种族效应。
ASCT利用分析
评估种族和保险对ASCT接受的可能性和时间的影响。
使用Fine and Gray亚分布风险模型，将死亡作为竞争风险，分析ASCT接受的可能性；并比较接受ASCT患者中从诊断到移植的时间。
保险类型相关因素分析
识别与保险类型相关的因素，特别是种族和医疗补助扩展。
使用多元逻辑回归模型，以私人保险为参照，分析诊断时保险类型与年龄、年份和种族的关系，并评估医疗补助扩展状态的影响。
医疗补助扩展的影响分析
评估医疗补助扩展对保险覆盖、ASCT接受和生存的影响。
仅限于<65岁在扩展州诊断的患者，分析医疗补助扩展状态与保险类型、ASCT接受和rwOS的关联，使用多水平模型处理州内聚类。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
关键环节
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 |
|---|---|
| 队列选择 | 纳入标准：新诊断MM、非西班牙裔黑人或白人、有州和一线治疗信息；数据来源为Flatiron Health数据库。 阅读提示：Materials and Methods：Eligible patients |
| 生存分析 | 统计模型：Cox回归，ASCT作为时间依赖性协变量；调整变量包括年龄、性别、ISS分期、细胞遗传学风险等。 阅读提示：Materials and Methods：Statistical analysis；Results：Real-world OS |
| ASCT利用分析 | 统计模型：Fine and Gray模型，死亡视为竞争风险；按年龄分层（<65岁 vs ≥65岁）。 阅读提示：Materials and Methods：Statistical analysis；Results：Access to ASCT |
| 保险类型分析 | 保险分类方法：私人、Medicare、Medicaid、其他；多元逻辑回归模型。 阅读提示：Materials and Methods：Health insurance section；Results：Health insurance |
| 医疗补助扩展分析 | 仅限于<65岁在扩展州诊断的患者；扩展状态作为时间依赖性协变量；多水平模型。 阅读提示：Materials and Methods：Statistical analysis；Results：Medicaid expansion |