Eksplorativ analyse af virkningen af ​​sygeligheder på screening af kolorektal cancer

Sammenkobling af datasæt og etiske spørgsmål.

South Yorkshire Cohort-data (SYC) (inklusive patientidentifikatorer) opbevares af Clinical Trials Research Unit (CTRU) ved University of Sheffield, mens data for tarmkræftscreeningsprogram (BCSP) opbevares af NHS-kræftscreeningsprogrammerne (en del af Public Health England).

Sammenkædning vil være baseret på den undergruppe af respondenter til SYC, som har givet deres samtykke til, at SYC-forskerne ser på deres NHS-sundhedsjournaler og er berettiget til at blive inviteret til screening for kolorektal cancer (CRC). Den foreslåede metode til kobling vil være som følger:

• For de respondenter, der har givet dette samtykke, skal CTRU sende deres NHS-nummer og deres SYC-undersøgelses-id til BCSP.
• Ved hjælp af NHS-nummeret skal BCSP udtrække data om, om personen blev inviteret til screening, og i givet fald om personen accepterede screening eller ej.
• BCSP'en skal derefter sende screeningsdataene sammen med SYC-undersøgelses-ID'et til CTRU'en. NHS-nummer skal ikke indgå i de data, der sendes fra BCSP (med andre ord vil det være pseudo-anonymiseret).
• CTRU'en skal bruge pseudo-ID'et til at forbinde screeningprogramdataene med SYC-dataene. Et pseudo-anonymiseret datasæt frigives derefter til forskerholdet.

På denne måde er de eneste patientidentificerbare data, som BCSP'en vil modtage, data, som de allerede har (NHS-nummer), mens CTRU'en ikke vil modtage yderligere patientidentificerbare data.

Det skal også understreges, at forskerholdet, der varetager dette projekt, ikke vil have adgang til patientidentificerbare data på noget tidspunkt i projektet.

Data brugt.

Følgende data skal bruges i dette projekt:

• Eksponeringsvariable. Eksponeringsvariablerne er tilstedeværelsen af ​​langvarige forhold. Disse er indsamlet i SYC som selvrapporterede langvarige forhold. Tolv navngivne tilstande er registreret sammen med en "anden" betingelse, som inkluderer fritekst for at give respondenten mulighed for at angive betingelsen. Disse tilstande (og deres udbredelse blandt en foreløbig prøve af personer i alderen 60 til 74 år i SYC) er: Depression (8 %), angst (10 %), træthed (19 %), smerter (28 %), søvnløshed (8 %). ), Diabetes (10 %), vejrtrækningsproblemer (13 %), forhøjet blodtryk (31 %), hjertesygdomme (10 %), slidgigt (16 %), slagtilfælde (3 %), kræft (5 %) og andet ( 29 %).

Alle de langvarige tilstande skal tages i betragtning, med undtagelse af cancer (da dette vil omfatte CRC, og patienter med dette er ikke berettiget til screening) og fritekstbeskrivelser (disse skal analyseres som "andet").

• Udfaldsvariabel. Udfaldsvariablen vil være, hvis den enkelte deltog i CRC-screening. Dette vil blive knyttet til SYC-data ved hjælp af data leveret af National Bowel Cancer Screening Program. Det skal bemærkes, at CRC-screening vedrører første gang et individ screenes (udbredt screening). Hovedanalysen vil se på, om en person har haft en CRC-skærm (uanset antallet af invitationer til screening, der blev sendt). Afhængigt af den tilgængelige evidens vil en sekundær analyse overveje udfaldsvariablen "individuelt accepteret CRC-screening efter at have afvist den indledende invitation til CRC-screening."
• Forstyrrende variable. Følgende potentielt forvekslende variabler skal vurderes: Alder, køn, etnicitet, højeste uddannelsesniveau, niveauer af fysisk træning, rygestatus, alkoholforbrug og IMD-deprivationsscore.
• Yderligere beskrivende variable. Følgende variabler vil ikke blive brugt i de statistiske modeller, men skal inkluderes, når der udføres en beskrivende sammenligning af personer, der deltager i screening med dem, der ikke deltager i screening: selvrapporteret EQ-5D summary score, selvrapporteret brug af sundhedsydelser i de sidste 3 måneder (dette inkluderer 22 navngivne kategorier, forventes det, at nogle af disse på grund af et lille antal skal grupperes. Mulige grupperinger at overveje er: Ulykke og nødsituation (A&E), Hospitalsbrug (undtagen akutmodtagelse), Sundhedsplejer: praktiserende læge, Sundhedsplejer: Sygeplejerske, Andre sundhedsplejersker, Andre plejere, Alternative behandlere.

Statistisk analyse.

Den statistiske analyse skal omfatte følgende afsnit:

• Indledende eksplorativ analyse. Denne indledende analyse skal give et overblik over de tilgængelige data og vil fremhæve eventuelle problemer, som det kan være nødvendigt at løse inden for den statistiske modellering.

En beskrivende analyse skal sammenligne karakteristika for personer, der deltager i CRC-screening, med dem, der ikke deltager. Denne sammenligning vil omfatte eksponeringsvariablerne, konfunderende variabler og yderligere beskrivende variable (som beskrevet i det foregående afsnit). Sammenligninger vil blive testet for statistisk signifikans med det forbehold, at da ingen specifikke forskelle blev antaget på forhånd, bør resulterende p-værdier fortolkes med forsigtighed. T-test vil blive brugt til at sammenligne kontinuerte variable, Fishers eksakte test vil blive brugt til at sammenligne binære variable, og Kruskal-Wallis test vil blive brugt til at sammenligne ordinære variable. Enhver p-værdi på mindre end 5% vil blive taget for at angive en statistisk signifikant sammenhæng.

Ud over den beskrivende analyse skal den funktionelle form af sammenhængen mellem eventuelle kontinuerte variable og resultatet vurderes visuelt ved hjælp af udjævningsmetoder. Hvis en ikke-lineær funktionel form er angivet, skal brugen af ​​ikke-lineære funktioner (brøkpolynomier, naturlige splines) overvejes.

• Håndtering af manglende data. Mængden af ​​manglende data bestemmer den anvendte strategi (Harrell, 2001). Hvis den samlede andel af personer med manglende data er mindre end 5 %, skal der udføres en enkelt imputation af manglende værdier. Ellers skal der udføres multipel imputering af manglende værdier.
• Statistisk modellering. Screeningoptagelsesrater for CRC skal analyseres ved hjælp af logistisk regression, med patientdemografi, socioøkonomisk status, livsstilsfaktorer og morbiditeter som de potentielt forklarende variabler.

Den primære interesse er, hvilke sygeligheder der påvirker optagelseshastigheden, med særlig interesse for psykiske sygdomme (hvoraf depression og angst er målt i SYC). På grund af dette skal kun interaktioner med disse to psykiske sygdomme tages i betragtning. For at undersøge sammenhængen mellem mentale sygdomme og optagelse, og for at se hvordan de andre variable påvirker denne sammenhæng, skal en række modeller præsenteres:

• Model 1 (univariat-model): denne skal kun omfatte de langvarige forhold (eksponeringsvariabler) som de uafhængige variable.
• Model 2 (demografisk justeret model): denne skal inkludere de uafhængige variabler fra model 1 sammen med de demografiske variabler (alder, køn og etnicitet).
• Model 3 (fuld model): denne skal omfatte alle de variabler, der tages i betragtning i denne undersøgelse. Interaktioner tages ikke i betragtning.
• Model 4 (forsøgende model): dette skal anvende undersætudvælgelse til model 3 (trinvist bagud, med en sandsynlighed for at fjerne på 0,05). Interaktioner skal overvejes efter anvendelse af undersætudvælgelse.

Formålet med at vise en række modeller vil være at vise den ujusterede sammenhæng mellem sygeligheder og screeningsoptagelse, og fremhæve i hvilken grad disse sammenhænge er medieret af patientkarakteristika. Der skelnes mellem 'iboende' egenskaber (alder, køn og etnicitet), som (generelt) er uden for en persons kontrol at ændre, og de resterende karakteristika, som en person har mere kontrol over.

Effektberegninger.

Effektanalyser blev udført under anvendelse af G*Power 3.1.9. Den nødvendige stikprøvestørrelse for at detektere en signifikant effekt af en forudspecificeret variabel blev beregnet. Til disse analyser blev der brugt et alfa-niveau på 5 % og en to-halet test. Der var en række yderligere faktorer, der skulle estimeres eller vælges:

• Påkrævet effekt: værdier på 95 % og 80 % blev brugt.
• Oddsforhold: værdier mellem 1,2 og 3 blev testet.
• Sandsynlighed for optagelse blandt dem uden nogen sygelighed: Den samlede optagelse på 47 % observeret mellem 2008 og 2011 af BCSP blev brugt.
• Grad af korrelation blandt de potentielt forklarende variable: værdier på 20 % og 40 % blev testet (dette er angivet med 'R2' i tabellen nedenfor).
• Prævalens af den præspecificerede variabel: en værdi på 8 % blev brugt, svarende til prævalensen af ​​depression i en foreløbig analyse af SYC-dataene. I denne analyse havde 74 % af prøven en sygelighed med et gennemsnit på 1,8 langtidstilstande pr. person.

Tabel 1: Prøvestørrelse påkrævet som funktion af effekt, korrelation og oddsforhold.

Effekt = 80 % Effekt = 95 % Odds Ratio R2 = 0,2 R2 = 0,4 R2 = 0,2 R2 = 0,4 1,2 16.066 21.422 26.605 35.473 1,3 7.780 10.373 10.373 10.373 10.373 17.373 61,422 16.066 35 7.857 10.476 1,5 3.292 4.389 5.437 7.249 1,6 2.466 3.289 4.069 5.425 1,8 1.603 2.137 2.637 3.516 2.0 1.174 1.566 1.925 2.567 2.2 926 1.234 1.513 2.017 2.4 767 1.022 1.248 1.665 1.665 1.665 1.665 2.7 1.665 2.7 79 772 935 1.247 3,0 519 693 837 1.116

Den tilgængelige stikprøvestørrelse forventes at være cirka 7.500, hvilket indikerer, at ethvert oddsforhold på 1,4 eller større vil blive detekteret med 80 % power, mens ethvert oddsforhold på 1,5 eller højere vil blive detekteret med 95 % power.

Et eksempel på en ændring i optagelsesrater relateret til en odds ratio på 1,5 ville være et fald i optagelsen fra 60 % til 57 %. Yderligere eksempler er vist i tabel 2.

Tabel 2: Fald i optagelsesrate svarende til en odds ratio på 1,5 Optagelsesrate i gruppe 1: 90% 80% 70% 60% Optagelsesrate i gruppe 2: 81% 72% 64% 57%

En alternativ metode til at estimere prøvestørrelser blev også testet (Campbell, Julious og Altman 1996). Dette bruger publicerede tabeller, der estimerer stikprøvestørrelsen (pr. gruppe), der kræves for at identificere en forudspecificeret forskel i to forhold ved et 5 % signifikansniveau med 80 % power. Gruppestørrelserne justeres derefter for at tage højde for eventuelle forskelle i gruppestørrelse. For eksempel, hvis gruppen med depression repræsenterer 8 % af den samlede befolkning, så for at påvise en forskel i optagelse på 65 % blandt personer uden depression og 60 % blandt personer med depression, kræves en samlet stikprøvestørrelse på 425, hvoraf 34 skulle have depression, og 391 ville ikke have depression. Den samlede stikprøvestørrelse, der kræves for en række forskelle i optagelsesrater, er vist i tabel 3 (optagelseshastighederne er alle multipla af 5 %, da disse værdier bruges i de offentliggjorte tabeller).

Tabel 3: Prøvestørrelser, der kræves for at detektere forudspecificerede forskelle i optagelse. Optagelse i gruppe A Optagelse i gruppe B Samlet stikprøvestørrelse 60% 55% 1 188 65% 60% 425 70% 65% 213 75% 70% 138

* Forudsat at sammenligningen er mellem personer med depression (prævalens 8 %, svarende til gruppe B) og uden depression.