이환율이 대장암 검진에 미치는 영향에 대한 탐색적 분석

데이터 세트와 윤리적 문제의 연계.

South Yorkshire Cohort(SYC) 데이터(환자 식별 정보 포함)는 Sheffield 대학의 CTRU(Clinical Trials Research Unit)에서 보유하고 있으며 BCSP(Bowel Cancer Screening Program) 데이터는 NHS Cancer Screening Programs(미국의 일부)에서 보유하고 있습니다. 공중 보건 영국).

연결은 SYC 연구원이 NHS 건강 기록을 보는 데 동의하고 대장암(CRC) 검사에 초대될 자격이 있는 SYC 응답자의 하위 집합을 기반으로 합니다. 제안하는 연계 방법은 다음과 같다.

• 이 동의를 한 응답자의 경우 CTRU는 NHS 번호와 SYC 연구 ID를 BCSP로 보내야 합니다.
• NHS 번호를 사용하여 BCSP는 개인이 검사에 초대되었는지 여부와 개인이 검사를 수락했는지 여부에 대한 데이터를 추출해야 합니다.
• 그런 다음 BCSP는 SYC 연구 ID와 함께 스크리닝 데이터를 CTRU로 보냅니다. NHS 번호는 BCSP에서 전송되는 데이터에 포함되지 않습니다(즉, 의사 익명화됨).
• CTRU는 의사 ID를 사용하여 스크리닝 프로그램 데이터를 SYC 데이터에 연결해야 합니다. 그런 다음 의사 익명 데이터 세트가 연구팀에 공개됩니다.

이러한 방식으로 BCSP가 수신하는 유일한 환자 식별 데이터는 그들이 이미 보유하고 있는 데이터(NHS 번호)이며 CTRU는 추가 환자 식별 데이터를 수신하지 않습니다.

또한 이 프로젝트를 수행하는 연구팀은 프로젝트의 어떤 단계에서도 환자 식별 데이터에 액세스할 수 없다는 점을 강조해야 합니다.

사용된 데이터.

이 프로젝트 내에서 다음 데이터가 사용됩니다.

• 노출 변수. 노출 변수는 오랜 조건의 존재입니다. 이들은 자체 보고된 장기 조건으로 SYC 내에서 수집됩니다. 응답자가 조건을 진술할 수 있도록 하는 자유 텍스트를 포함하는 "기타" 조건과 함께 12개의 명명된 조건이 기록됩니다. 이러한 조건(및 SYC에서 60~74세의 예비 표본 중 유병률)은 다음과 같습니다. 우울증(8%), 불안(10%), 피로(19%), 통증(28%), 불면증(8%) ), 당뇨병(10%), 호흡곤란(13%), 고혈압(31%), 심장병(10%), 골관절염(16%), 뇌졸중(3%), 암(5%) 및 기타( 29%).

암(CRC가 포함되고 이 환자는 선별에 적합하지 않음) 및 자유 텍스트 설명("기타"로 분석됨)을 제외하고 모든 장기 상태가 고려되어야 합니다.

• 결과 변수. 결과 변수는 개인이 CRC 스크리닝에 참석했는지 여부입니다. 이것은 National Bowel Cancer Screening Programme에서 제공한 데이터를 사용하여 SYC 데이터에 연결됩니다. CRC 스크리닝은 개인이 처음으로 스크리닝되는 시기(일반적인 스크리닝)와 관련된다는 점에 유의해야 합니다. 주요 분석은 개인이 CRC 검사를 받았는지 여부를 볼 것입니다(전송된 검사 초대 수에 관계없이). 이용 가능한 증거에 따라 2차 분석에서는 '최초의 CRC 스크리닝 초대를 거부한 후 개별적으로 CRC 스크리닝을 수락함'이라는 결과 변수를 고려합니다.
• 혼란스러운 변수. 다음과 같은 잠재적으로 혼동을 일으킬 수 있는 변수를 평가해야 합니다. 연령, 성별, 민족, 최고 교육 수준, 신체 운동 수준, 흡연 상태, 알코올 소비 및 IMD 박탈 점수.
• 추가 설명 변수. 다음 변수는 통계 모델 내에서 사용되지 않지만 스크리닝에 참석한 개인과 스크리닝에 참석하지 않은 개인의 설명적 비교를 수행할 때 포함되어야 합니다. 지난 3개월(여기에는 22개의 명명된 범주가 포함되며 소수로 인해 이들 중 일부를 그룹화해야 할 것으로 예상됩니다. 고려할 수 있는 그룹은 다음과 같습니다. 사고 및 응급(A&E) 병원 사용(A&E 제외) 의료 간병인: GP, 의료 간병인: 간호사, 기타 의료 간병인, 기타 간병인, 대체 치료사.

통계 분석.

통계 분석에는 다음 섹션이 포함됩니다.

• 초기 탐색적 분석. 이 초기 분석은 사용 가능한 데이터의 개요를 제공하고 통계 모델링 내에서 해결해야 할 수 있는 모든 문제를 강조 표시합니다.

기술적 분석은 CRC 스크리닝에 참석한 사람들과 참석하지 않은 사람들의 특성을 비교해야 합니다. 이 비교에는 노출 변수, 교란 변수 및 추가 설명 변수(이전 섹션에서 자세히 설명)가 포함됩니다. 통계적 유의성에 대해 비교를 테스트할 것이며, 특정 차이가 선험적으로 가정되지 않았으므로 결과 p-값을 주의해서 해석해야 한다는 주의 사항이 있습니다. T-테스트는 연속 변수를 비교하는 데 사용되고 Fisher의 정확 테스트는 이진 변수를 비교하는 데 사용되며 Kruskal-Wallis 테스트는 서수 변수를 비교하는 데 사용됩니다. 5% 미만의 모든 p-값은 통계적으로 유의미한 연관성을 나타내는 것으로 간주됩니다.

기술 분석 외에도 연속 변수와 결과 사이의 기능적 연결 형태는 평활화 방법을 사용하여 시각적으로 평가해야 합니다. 비선형 함수 형식이 표시되면 비선형 함수(분수 다항식, 자연 스플라인)의 사용을 고려해야 합니다.

• 누락된 데이터 처리. 누락된 데이터의 양에 따라 사용되는 전략이 결정됩니다(Harrell, 2001). 누락된 데이터가 있는 사람의 전체 비율이 5% 미만인 경우 누락된 값의 단일 귀속이 수행됩니다. 그렇지 않으면 누락된 값의 다중 대치가 수행됩니다.
• 통계 모델링. CRC에 대한 스크리닝 섭취율은 잠재적 설명 변수로서 환자 인구 통계, 사회 경제적 상태, 라이프스타일 요인 및 이환율과 함께 로지스틱 회귀를 사용하여 분석되어야 합니다.

주요 관심사는 어떤 질병이 흡수율에 영향을 미치는지, 특히 정신 질병(우울증과 불안은 SYC에서 측정됨)에 대한 관심입니다. 이 때문에 이 두 가지 정신 질환과의 상호작용만 고려해야 합니다. 정신 질환과 흡수 사이의 연관성을 조사하고 다른 변수가 이 연관성에 어떻게 영향을 미치는지 확인하기 위해 일련의 모델이 제시되어야 합니다.

• 모델 1(단변량 모델): 이것은 독립 변수로서 오랜 조건(노출 변수)만을 포함해야 합니다.
• 모델 2(인구 조정 모델): 여기에는 인구 통계 변수(연령, 성별 및 민족)와 함께 모델 1의 독립 변수가 포함됩니다.
• 모델 3(전체 모델): 이 연구에서 고려된 모든 변수를 포함해야 합니다. 상호 작용은 고려되지 않습니다.
• 모델 4(탐색 모델): 이것은 모델 3에 하위 집합 선택을 적용합니다(0.05의 제거 확률로 뒤로 단계적으로). 상호작용은 부분집합 선택을 적용한 후에 고려되어야 한다.

일련의 모델을 표시하는 목적은 이환율과 선별 검사 사이의 조정되지 않은 연관성을 보여주고 이러한 연관성이 환자 특성에 의해 조정되는 정도를 강조하는 것입니다. (일반적으로) 개인이 변경할 수 없는 '내재적' 특성(연령, 성별, 민족)과 나머지 특성(개인이 더 많이 제어할 수 있음) 사이에 구별이 있습니다.

전력 계산.

전력 분석은 G*Power 3.1.9를 사용하여 수행되었습니다. 미리 지정된 변수의 유의미한 영향을 감지하는 데 필요한 샘플 크기를 계산했습니다. 이 분석을 위해 5%의 알파 수준과 양측 테스트가 사용되었습니다. 추정하거나 선택해야 하는 여러 가지 추가 요소가 있습니다.

• 요구 전력: 95% 및 80%의 값이 사용되었습니다.
• 승산비: 1.2와 3 사이의 값을 테스트했습니다.
• 이환율이 없는 사람들의 흡수 확률: 2008년과 2011년 사이에 관찰된 BCSP의 전체 흡수율 47%가 사용되었습니다.
• 잠재적 설명 변수 간의 상관 정도: 20% 및 40%의 값이 테스트되었습니다(이는 아래 표에서 'R2'로 표시됨).
• 미리 지정된 변수의 유병률: SYC 데이터의 예비 분석에서 우울증의 유병률에 해당하는 8%의 값이 사용되었습니다. 이 분석에서 샘플의 74%가 이환율을 가지고 있었고, 1인당 평균 1.8개의 장기 조건이 있었습니다.

표 1: 검정력, 상관 관계 및 승산비의 함수로 필요한 샘플 크기.

검정력 = 80% 검정력 = 95% 승산비 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 12,876 17,168 1.4 4,751 6,3 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 2.6 658 877 1,067 1,422 2.8 5 79 772 935 1,247 3.0 519 693 837 1,116

사용 가능한 샘플 크기는 약 7,500개로 예상되며, 이는 교차비가 1.4 이상인 경우 80%의 검정력으로 감지되고 교차비가 1.5 이상인 경우 검정력이 95%인 경우 감지됨을 나타냅니다.

승산비 1.5와 관련된 섭취율 변화의 예는 섭취율이 60%에서 57%로 감소하는 것입니다. 추가 예는 표 2에 나와 있습니다.

표 2: 승산비 1.5에 해당하는 섭취율 감소 그룹 1 섭취율: 90% 80% 70% 60% 그룹 2 섭취율: 81% 72% 64% 57%

샘플 크기를 추정하기 위한 대체 방법도 테스트되었습니다(Campbell, Julious 및 Altman 1996). 이것은 80% 검정력의 5% 유의 수준에서 두 비율의 미리 지정된 차이를 식별하는 데 필요한 샘플 크기(그룹당)를 추정하는 게시된 테이블을 사용합니다. 그런 다음 그룹 크기의 차이를 고려하여 그룹 크기를 조정합니다. 예를 들어 우울증이 있는 그룹이 전체 인구의 8%를 나타내는 경우 우울증이 없는 사람 사이에서 65%, 우울증이 있는 사람 사이에서 60%의 흡수 차이를 감지하려면 전체 표본 크기가 425개 필요하며 그 중 34개 우울증이 있어야 하고 391은 우울증이 없을 것입니다. 섭취율의 차이 범위에 필요한 전체 샘플 크기는 표 3에 나와 있습니다(이 값은 게시된 표에서 사용되므로 섭취율은 모두 5%의 배수입니다).

표 3: 사전 지정된 이해 차이를 감지하는 데 필요한 샘플 크기. 그룹 A의 섭취 그룹 B의 섭취 총 표본 크기 60% 55% 1 188 65% 60% 425 70% 65% 213 75% 70% 138

* 우울증이 있는 사람(유병률 8%, B군에 해당)과 없는 사람을 비교한다고 가정.