研究队列构建与暴露评估
建立全国代表性老年队列并量化长期户外极端高温暴露
从HRS 2000–2020年调查波次中筛选社区居住、无痴呆、50–89岁且有至少一次随访的受访者;基于人口普查区链接gridMET气象数据计算热指数,分配5年窗口内“极端注意”和“危险及以上”高温天数,并处理居住搬迁。
Outdoor extreme heat-related dementia risk and the role of socioeconomic disparities: evidence from 20 years of data on US older adults
基于全国代表性队列的观察性分析,采用Fine–Gray竞争风险模型,无体外或动物实验验证
健康与退休研究(HRS)全国代表性老年队列(N = 28,512) 人口普查区水平高温指数(HI)暴露数据 人口普查区水平社会脆弱性指数(SVI)与中央空调普及率数据
高温暴露分类:基于NWS指南的“极端注意”(90–102°F)和“危险及以上”(≥103°F)热指数天数,按5年窗口四分位数分组 痴呆结局判定:采用验证的Langa-Weir算法及持续性痴呆定义 竞争风险处理:Fine–Gray子分布风险模型,将死亡视为竞争事件 社会经济调节因素:SVI和中央空调普及率按三分位数二分类,交互项检验 协变量调整:包括年龄、性别、种族/民族、教育、财富、心血管代谢疾病、吸烟、饮酒、地区等
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。
建立全国代表性老年队列并量化长期户外极端高温暴露
从HRS 2000–2020年调查波次中筛选社区居住、无痴呆、50–89岁且有至少一次随访的受访者;基于人口普查区链接gridMET气象数据计算热指数,分配5年窗口内“极端注意”和“危险及以上”高温天数,并处理居住搬迁。
评估高温暴露与痴呆发病风险的关联,并处理死亡竞争风险
采用Langa-Weir算法判定痴呆状态,定义持续性痴呆;使用Fine–Gray子分布风险模型估计痴呆风险,将死亡视为竞争事件,调整基线抽样权重和人口普查区聚类稳健标准误。
检验个体和社区水平社会经济因素是否调节高温与痴呆风险的关联
在模型中纳入高温暴露四分位数与教育、财富、居住安排、移动房屋、SVI、中央空调普及率和城乡分类的交互项;对显著交互进行事后分析,估计各亚组预测SHR。
验证主要结果在不同暴露定义、混杂调整和结局定义下的稳健性
进行额外调整(养老院 transition、近期搬迁)、相对高温指标(95th百分位)、PM2.5和O3调整、3年和7年暴露窗口、排除南部地区、以及较宽松痴呆定义等敏感性分析。
按研究目的归类文中使用的方法,便于定位所需技术。
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 |
|---|---|
| 研究队列与随访 | 样本筛选标准:社区居住、无痴呆、50–89岁、至少一次随访、随访间隔≥12个月;最终N = 28,512 阅读提示:Methods 2.1.1 Study population;Figure 1样本选择流程图 |
| 高温暴露评估 | 热指数分类阈值(“极端注意”90–102°F;“危险及以上”≥103°F);5年累积窗口;四分位切点;搬迁处理规则 阅读提示:Methods 2.2.2 Outdoor heat exposure;Table 2 |
| 痴呆结局判定 | Langa-Weir算法cut points;持续性痴呆定义;竞争事件死亡判定规则 阅读提示:Methods 2.2.1 Event (dementia, death, censoring) |
| 统计模型 | Fine–Gray模型协变量列表;年龄时间尺度;延迟进入校正;抽样权重;人口普查区聚类稳健标准误 阅读提示:Methods 2.3 Analyses;Table 3脚注 |
| 效应修饰分析 | SVI和中央空调普及率三分位二分类切点(SVI = 64,中央空调94%);交互项检验和事后Wald检验 阅读提示:Methods 2.2.3 Socioeconomic effect modifiers;Figure 3图注 |