研究队列建立
识别高血压患者中首次配发他汀处方的队列，并分类为预防亚组。
从QregPV登记中纳入2012-2015年首次配发他汀处方（ATC C10AA）的高血压患者（ICD-10 I10-I15），排除既往有他汀配发者；根据合并症和配发药物分类为一级预防、无CVD的糖尿病和二级预防。
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
瑞典初级卫生保健中高血压患者对他汀类药物的依从性：一项使用可解释机器学习的QregPV队列研究
Statin adherence among patients with hypertension in Swedish primary health care: a QregPV cohort study using explainable machine learning
实验完整度
低基于登记的回顾性队列研究，无体外或动物实验，属于观察性分析，未提供明确实验方法和验证过程。
主要模型
瑞典Västra Götaland地区初级卫生保健高血压患者队列
重点核对
患者纳入标准：2012-2015年首次配发他汀处方的QregPV登记高血压患者 依从性测量：PDC > 80%定义为充分依从，随访2年 三个亚组：一级预防、无CVD的糖尿病、二级预防 机器学习模型：XGBoost结合SHAP值识别与依从性相关的基线特征 多水平回归模型：调整后ORs和MORs，患者聚类于初级卫生保健中心
摘要
目的：关于初级保健中高血压患者对他汀类药物依从性的证据有限。我们评估了瑞典初级保健中他汀类药物的依从性，并检查了患者特征与依从性之间的关联。方法与结果：在这项来自瑞典一个大区的基于登记的回顾性队列研究中，所有初级卫生保健中心的数据与合并症、配发药物和社会经济因素的数据相关联。纳入2012-2015年开始他汀类药物治疗的高血压患者。使用覆盖天数比例（PDC）测量开始后2年内的依从性。使用XGBoost和SHAP值的可解释机器学习识别与依从性相关的基线特征。使用调整后的多水平回归估计关联，并以比值比（ORs）和中位比值比（MORs）表示。在30 497名患者（平均年龄66岁；48%女性）中，平均2年PDC为73.2%，而60.2%达到充分依从（PDC > 80%）。充分依从因适应证而异（P < 0.001）：一级预防中为54.0%，无心血管疾病的糖尿病中为61.3%，二级预防中为65.5%。根据SHAP值，与充分依从相关的五个最重要特征是配发抗血栓治疗（OR 1.38, 95% CI 1.26–1.50）、初级卫生保健中心（MOR 1.16, 95% CI 1.12–1.20）、年龄每增加10岁（OR 1.14, 95% CI 1.12–1.17）、起始使用阿托伐他汀（OR 1.33, 95% CI 1.24–1.44）以及出生在瑞典以外的国家（OR范围0.73–0.78）。结论：只有60%的患者达到充分他汀类药物依从性，且因适应证而异较大。识别出的患者和提供者层面因素可为优化预防性心血管护理的针对性干预提供指导。
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
- 评估瑞典初级保健中高血压患者对他汀类药物治疗的2年依从性，并识别与依从性相关的基线特征。
- 核心机制
- 患者和提供者层面因素（如合并用药、年龄、他汀类型、出生国家和初级卫生保健中心）与他汀依从性相关，但观察到的关联非因果。
- 主要证据
- 在30 497名高血压患者中，平均2年PDC为73.2%，60.2%达到PDC > 80%；依从性因适应证而异（一级预防54.0%，糖尿病无CVD 61.3%，二级预防65.5%）；XGBoost和SHAP识别出重要特征，多水平回归提供ORs和MORs。
- 研究意义
- 研究结果表明次优依从性是有效心血管预防的错失机会，并提示可能需要针对性支持和结构化随访以改善预防性他汀治疗的公平实施。
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。
依从性测量
评估他汀治疗开始后2年内的依从性。
使用覆盖天数比例（PDC）计算依从性，基于CMA6方法，观察期从首次配发他汀处方开始至2年后或死亡；依从性分为二分类（PDC > 80% vs. ≤ 80%）和连续变量。
机器学习特征识别
识别与依从性（PDC > 80%）最相关的基线特征。
使用XGBoost结合SHAP值分析基线特征（见补充表S1），在全队列和一级预防组中识别重要变量，并可视化SHAP值。
多水平回归分析
估计基线特征与依从性关联的大小。
使用多水平逻辑回归模型，患者聚类于初级卫生保健中心，估计未调整和调整ORs及MORs，调整集基于修改的析取原因标准。
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 |
|---|---|
| 研究队列建立 | 纳入和排除标准：高血压诊断ICD-10 I10-I15，首次他汀配发2012-2015，排除既往他汀配发；分类为一级预防、无CVD的糖尿病、二级预防。 阅读提示：Methods中的Participants小节和Figure 1研究流程图。 |
| 依从性测量 | PDC计算方法CMA6，观察期2年或至死亡，充分依从阈值PDC > 80%。 阅读提示：Methods中的Outcome variables小节和Supplementary material中的Table S3。 |
| 机器学习分析 | XGBoost模型超参数，SHAP值识别的前10个基线特征，训练集和测试集AUC-ROC值。 阅读提示：Methods中的Statistical analysis小节，Supplementary material中的Table S7和Figure S1。 |
| 多水平回归分析 | 调整集基于修改的析取原因标准，ORs和MORs的估计，聚类于初级卫生保健中心。 阅读提示：Methods中的Statistical analysis小节和Supplementary material中的Figure S2和Figure S4。 |