数据来源与队列构建
建立全国性交通相关多患者事件研究队列
从FDMA全国EMS转运记录中筛选交通相关病例,通过消防部门标识、派遣时间和事件地点聚类识别每起事件≥2名患者的TMI,排除缺失关键变量者
Prehospital transport prioritization and time-varying selection bias in traffic-related multi-patient incidents: a nationwide retrospective cohort study
基于全国EMS登记数据的回顾性队列,AIPW估计边际RD,含重叠限制、E值、TMLE等敏感性分析,但无生理损伤严重度直接测量
日本全国EMS转运登记数据库(FDMA) 交通相关多患者事件(TMI)患者队列 倾向评分重叠限制队列
暴露定义:每起事件中第一个从现场转运的患者为优先转运 主要结局:到达医院时医生评估的死亡、危重或严重损伤复合终点(严重度量表1–3) 现场时间处理:作为效应修饰因子而非混杂因子,从倾向评分模型中排除 协变量平衡:加权后所有SMD < 0.10 敏感性分析:重叠限制(PS 0.1–0.9)与E值(3.76,下界3.57)
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。
建立全国性交通相关多患者事件研究队列
从FDMA全国EMS转运记录中筛选交通相关病例,通过消防部门标识、派遣时间和事件地点聚类识别每起事件≥2名患者的TMI,排除缺失关键变量者
明确优先转运暴露和严重临床结局的操作性定义
定义优先转运为每起事件中第一个从现场转运的患者;定义严重临床结局为到达医院时医生评估的死亡、危重或严重损伤复合终点;记录年龄、性别、呼叫时间、事件规模等协变量
估计优先转运与严重结局的边际风险差并评估现场时间的效应修饰
构建有向无环图明确假设因果结构;使用AIPW估计边际调整风险差;使用限制立方样条和边际标准化评估现场时间的效应异质性;通过聚类自助法(事件层面,500次重采样)计算置信区间
评估模型对未测量混杂和建模假设的稳健性
在重叠限制人群中重复主要分析;调整院前损伤严重度替代变量;将事件规模重新建模为四分类有序变量;评估连续协变量的替代函数形式;计算E值量化未测量混杂
按研究目的归类文中使用的方法,便于定位所需技术。
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 |
|---|---|
| 研究队列构建 | TMI定义:每起事件中≥2名患者,通过消防部门标识、派遣时间和事件地点聚类识别;纳入2021年1月1日至2023年12月31日记录;排除缺失暴露、现场时间或结局变量者510名;最终样本143,130名 阅读提示:Methods中Study population小节及Fig. 1研究人群流程图 |
| 暴露与结局定义 | 优先转运定义为每起事件中第一个从现场转运的患者;严重结局为到达医院时医生评估严重度量表1–3的复合终点;心肺骤停患者由独立OHCA登记管理,已从本数据集排除 阅读提示:Methods中Exposure和Outcome小节 |
| 协变量与因果结构 | 年龄(自然立方样条,3 df)、性别、呼叫时间(正弦和余弦)、事件规模(2 vs ≥3);现场时间作为效应修饰因子从倾向评分模型中排除;损伤严重程度为主要未测量混杂 阅读提示:Methods中Causal structure and covariates小节及eFigure 1 |
| AIPW估计与效应修饰分析 | AIPW估计边际风险差;现场时间限制立方样条交互项;现场时间5–60分钟整数增量标准化;<5分钟排除,>60分钟右删失;聚类自助法500次重采样 阅读提示:Methods中Statistical analysis小节及Fig. 2图注 |
| 敏感性分析 | 重叠限制PS 0.1–0.9;E值3.76(下界3.57);TMLE with SuperLearner(GAM和随机森林);损伤严重度替代变量调整;事件规模四分类(2、3、4、≥5) 阅读提示:Methods中Sensitivity and post-hoc analyses小节及Supplement 1 eTable S1–S5 |