基线数据收集与队列建立
建立研究队列并收集基线的平衡状态和视网膜图像。
从CLSA综合队列中选取45-85岁成年人,进行单腿平衡测试和视网膜成像。
Retinal Vessel Traits and the Development of Balance Impairment: The Canadian Longitudinal Study on Aging
基于CLSA前瞻性队列的纵向观察与视网膜图像定量分析,包含逻辑回归模型验证,但无功能或机制实验验证。
加拿大老龄化纵向研究综合队列参与者(n=11,379) 右眼视网膜图像 单腿平衡测试(60秒)
基线通过单腿平衡测试的参与者被纳入,基线失败者被排除 平衡障碍定义为无法单腿无辅助站立60秒 视网膜血管特征使用QUARTZ算法量化,包括宽度、面积和迂曲度 多变量逻辑回归模型调整了年龄、性别、种族、收入、吸烟、BMI、高血压、糖尿病、卒中、心脏病、外周血管疾病、认知、视力和ADL限制 视网膜血管特征变化从基线到随访也被检查,但无统计学显著性
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。
建立研究队列并收集基线的平衡状态和视网膜图像。
从CLSA综合队列中选取45-85岁成年人,进行单腿平衡测试和视网膜成像。
评估3年随访时平衡障碍的发生情况。
在3年随访时再次进行单腿平衡测试,记录是否失败。
量化视网膜血管宽度、面积和迂曲度。
使用QUARTZ算法自动分析视网膜图像,提取血管特征。
评估视网膜血管特征与平衡障碍发生的纵向关联。
使用多变量逻辑回归模型,调整人口学、生活方式和健康因素。
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 |
|---|---|---|---|
| 视网膜成像 | TRC-NW8眼底相机 | Topcon | -- |
| D90相机 | Nikon | -- | |
| 体重测量 | 140-10 Healthweigh数字医用秤 | -- | -- |
| 身高测量 | Seca 213身高计 | Seca | 213 |
| 视网膜血管特征量化 | QUARTZ | -- | -- |
| 统计分析 | Stata版本16 | Stata | 16 |
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 |
|---|---|
| 平衡评估 | 平衡测试方法:单腿站立,最长60秒;排除使用拐杖/助行器者;使用较长腿时间 阅读提示:Methods中的Balance Assessment小节 |
| 视网膜成像与血管特征量化 | 使用TRC-NW8相机和QUARTZ算法;图像分辨率4288×2848像素;血管宽度、面积、迂曲度的量化方法 阅读提示:Methods中的Retinal Imaging和Retinal Vessel Traits小节 |
| 统计分析 | 多变量逻辑回归模型;调整变量列表;使用右眼数据;敏感性分析用左眼;P<0.05 阅读提示:Methods中的Statistical Analysis小节和Table 3-5 |
| 协变量评估 | 视力使用ETDRS chart在2米处测量;认知使用COWAT;高血压定义;BMI分类;吸烟定义 阅读提示:Methods中的Demographic, Health, and Lifestyle Variables小节 |