数据整合与平台构建
建立近实时、自动更新的ADPKD临床与分子数据可视化分析平台
整合临床常规数据(ORBIS系统)、注册研究数据(clinicalsurveys.net)、蛋白质组学数据和影像数据到PostgreSQL数据库,通过Python脚本自动提取和注入数据,利用R/Shiny构建交互式仪表板。
MEDA-PKD: a dynamic, real-time analytics platform for precision care in autosomal dominant polycystic kidney disease
基于AD(H)PKD多中心观察性队列(1735例),整合临床与蛋白质组学数据,进行eGFR斜率分析及托伐普坦疗效评估,但无随机对照或体内外机制验证。
AD(H)PKD Tolvaptan注册研究队列(1735例ADPKD患者) 血清蛋白质组学子队列
托伐普坦使用状态:基线时7%已用药,26%任一访视时用药或曾用药 eGFR斜率计算需至少3次eGFR值且跨度≥1年,排除托伐普坦治疗期间数据用于自然病程分析 线性混合效应模型纳入所有接受托伐普坦患者的eGFR值,调整年龄、性别和Mayo影像分类 蛋白质组学六蛋白模型(SERPINF1、GPX3、AFM、FERMT3、CFHR1、RARRES2)预测eGFR斜率 用户评估:7名临床医生使用系统可用性量表(SUS)和ADPKD特异性问卷
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。
建立近实时、自动更新的ADPKD临床与分子数据可视化分析平台
整合临床常规数据(ORBIS系统)、注册研究数据(clinicalsurveys.net)、蛋白质组学数据和影像数据到PostgreSQL数据库,通过Python脚本自动提取和注入数据,利用R/Shiny构建交互式仪表板。
描述ADPKD队列的基线特征并分析疾病进展预测因素
对1735例患者进行横断面分析,包括人口学、影像学(Mayo影像分类)、遗传学(PKD1/PKD2变异)和临床特征(泌尿系统并发症、高血压等),计算PROPKD评分。
评估未接受托伐普坦治疗患者的肾功能下降自然轨迹
使用托伐普坦治疗前的肌酐值计算eGFR斜率,比较性别和Mayo影像分类亚组间的差异。
评估托伐普坦对eGFR斜率的影响及治疗依从性和生活质量变化
对托伐普坦治疗前后eGFR斜率进行配对分析(t检验和线性混合效应模型),分析停药原因,并比较治疗前后SF-12生活质量评分。
将血清蛋白质组学数据与临床参数关联,验证预测eGFR斜率的六蛋白模型
在MEDA-PKD平台中整合蛋白质组学数据,允许用户查询蛋白质丰度与eGFR分级或Mayo影像分类的关系,并将六蛋白模型与实时更新的eGFR斜率关联。
评估MEDA-PKD的用户可用性和时间效率,并探索其在临床试验预筛选中的可行性
7名ADPKD临床医生使用SUS问卷和ADPKD特异性问题评估平台,并测量获取托伐普坦处方所需信息的时间;使用平台筛选STOP-PKD试验合格患者。
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 |
|---|---|---|---|
| 数据存储与管理 | PostgreSQL数据库 | -- | -- |
| 数据可视化与分析 | R/Shiny | -- | -- |
| ggplot2 | -- | -- | |
| plotly | -- | -- | |
| 数据录入 | NocoDB | -- | -- |
| 数据采集 | clinicalsurveys.net | -- | -- |
| 临床数据提取 | ORBIS临床信息系统 | Dedalus | -- |
| 容器化部署 | Docker | -- | -- |
| 持续集成 | Jenkins | -- | -- |
| 统计分析 | nlme R包 | -- | -- |
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 |
|---|---|
| 队列纳入与数据收集 | 纳入标准(年龄≥18岁、临床或遗传确诊ADPKD、eGFR≥15 ml/min/1.73 m²);数据收集平台clinicalsurveys.net;随访更新频率至少每年一次 阅读提示:Methods中Study design and cohort、Inclusion criteria及Data collection and structure小节 |
| eGFR斜率计算 | 至少3次eGFR值且跨度≥1年;稳健线性模型预测eGFR随时间变化,系数乘以365.25;斜率范围限定−15至5 ml/min/1.73 m²/yr;自然病程分析仅使用托伐普坦治疗前数据 阅读提示:Methods中Statistical analyses小节及Results中Kidney function trajectories部分 |
| 托伐普坦疗效分析 | 配对分析纳入标准(治疗前至少1年且有足够肌酐数据);线性混合效应模型固定效应结构(治疗前斜率、斜率变化、急性eGFR下降)、调整协变量(年龄、性别、Mayo影像分类)、随机效应结构(随机截距和随机斜率)、残差相关性结构(一阶自回归) 阅读提示:Methods中Statistical analyses小节及Table 2 |
| 蛋白质组学数据整合 | 血清蛋白质组数据集来源(Cologne AD(H)PKD亚队列);六蛋白模型组成(SERPINF1、GPX3、AFM、FERMT3、CFHR1、RARRES2);数据插补方法参见原始文献 阅读提示:Methods中Integration of omics data小节及Results中Integrating omics data with clinical data部分 |
| 用户可用性评估 | 评估者数量(7名ADPKD临床医生,非平台开发者);SUS问卷(10项,评分0-100);时间测量对比系统(ORBIS,Dedalus);评估非盲法 阅读提示:Methods中Real-life user assessment小节及Supplementary Fig. S12、S13 |