Utforskende analyse av virkningen av sykelighet på opptak av screening for kolorektal kreft

Kobling av datasett og etiske problemstillinger.

South Yorkshire Cohort-data (SYC) (inkludert pasientidentifikatorer) holdes av Clinical Trials Research Unit (CTRU) ved University of Sheffield, mens data fra tarmkreftscreeningsprogram (BCSP) holdes av NHS Cancer Screening Programs (en del av Folkehelse England).

Koblingen vil være basert på undergruppen av respondenter til SYC som har gitt sitt samtykke til at SYC-forskerne kan se på NHS-helsejournalene deres, og er kvalifisert for å bli invitert til screening for kolorektal kreft (CRC). Den foreslåtte metoden for kobling vil være som følger:

• For de respondentene som har gitt dette samtykket, skal CTRU sende NHS-nummeret deres og deres SYC-studie-ID til BCSP.
• Ved å bruke NHS-nummeret skal BCSP trekke ut data om personen ble invitert til screening, og i så fall om personen godtok screening eller ikke.
• BCSP skal deretter sende screeningsdata sammen med SYC-studie-ID til CTRU. NHS-nummer skal ikke inkluderes i dataene som sendes fra BCSP (det vil med andre ord være pseudo-anonymisert).
• CTRUen skal bruke pseudo-IDen for å koble screeningprogramdataene til SYC-dataene. Et pseudo-anonymisert datasett skal deretter frigis til forskerteamet.

På denne måten er de eneste pasientidentifiserbare dataene som BCSP vil motta data som de allerede har (NHS-nummer), mens CTRU ikke vil motta noen ytterligere pasientidentifiserbare data.

Det bør også understrekes at forskergruppen som gjennomfører dette prosjektet ikke vil ha tilgang til pasientidentifiserbare data på noe stadium av prosjektet.

Data brukt.

Følgende data skal brukes i dette prosjektet:

• Eksponeringsvariabler. Eksponeringsvariablene er tilstedeværelsen av langvarige forhold. Disse er samlet inn i SYC som selvrapporterte langvarige forhold. Tolv navngitte forhold er registrert, sammen med en "annet" betingelse, som inkluderer fritekst for å la respondenten oppgi tilstanden. Disse tilstandene (og deres utbredelse blant et foreløpig utvalg av personer i alderen 60 til 74 år i SYC) er: Depresjon (8 %), angst (10 %), tretthet (19 %), smerte (28 %), søvnløshet (8 % ), Diabetes (10 %), pusteproblemer (13 %), høyt blodtrykk (31 %), hjertesykdom (10 %), slitasjegikt (16 %), hjerneslag (3 %), kreft (5 %) og annet ( 29 %).

Alle langvarige tilstander skal vurderes, med unntak av kreft (da dette vil inkludere CRC, og pasienter med dette ikke er kvalifisert for screening) og fritekstbeskrivelser (disse skal analyseres som "annet").

• Utfallsvariabel. Utfallsvariabelen vil være om personen deltok på CRC-screening. Dette vil bli koblet til SYC-data ved hjelp av data levert av National Bowel Cancer Screening Programme. Det skal bemerkes at CRC-screening gjelder første gang et individ blir screenet (utbredt screening). Hovedanalysen vil se på om en person har hatt en CRC-skjerm (uavhengig av antall invitasjoner til screening som ble sendt). Avhengig av tilgjengelig bevis, vil en sekundær analyse vurdere utfallsvariabelen "individuell akseptert CRC-screening etter å ha avslått den første invitasjonen til CRC-screening."
• Forvirrende variabler. Følgende potensielt forvirrende variabler skal vurderes: Alder, kjønn, etnisitet, høyeste utdanningsnivå, nivåer av fysisk trening, røykestatus, alkoholforbruk og IMD-deprivasjon.
• Ytterligere beskrivende variabler. Følgende variabler vil ikke bli brukt i de statistiske modellene, men skal inkluderes når det utføres en beskrivende sammenligning av personer som deltar på screening med de som ikke deltar på screening: egenrapportert EQ-5D oppsummeringsscore, egenrapportert helsebruk i de siste 3 månedene (dette inkluderer 22 navngitte kategorier, er det forventet at på grunn av lite antall vil noen av disse måtte grupperes. Mulige grupperinger å vurdere er: Ulykke og akutt (A&E), Sykehusbruk (unntatt akuttmottak), Helsepersonell: Fastlege, Helseperson: Sykepleier, Andre helsepersonell, Andre omsorgspersoner, Alternative terapeuter.

Statistisk analyse.

Den statistiske analysen skal omfatte følgende deler:

• Innledende eksplorativ analyse. Denne innledende analysen skal gi en oversikt over tilgjengelige data, og vil synliggjøre eventuelle problemstillinger som må tas opp i den statistiske modelleringen.

En beskrivende analyse skal sammenligne egenskapene til personer som deltar på CRC-screening med de som ikke møter. Denne sammenligningen vil inkludere eksponeringsvariablene, konfunderende variabler og ytterligere beskrivende variabler (som beskrevet i forrige avsnitt). Sammenligninger vil bli testet for statistisk signifikans, med forbehold om at siden ingen spesifikke forskjeller ble antatt på forhånd, bør resulterende p-verdier tolkes med forsiktighet. T-tester vil bli brukt til å sammenligne kontinuerlige variabler, Fishers eksakte test vil bli brukt til å sammenligne binære variabler, og Kruskal-Wallis-testen vil bli brukt til å sammenligne ordinære variabler. Eventuelle p-verdier mindre enn 5 % vil bli tatt for å indikere en statistisk signifikant assosiasjon.

I tillegg til den beskrivende analysen skal den funksjonelle formen for assosiasjonen mellom eventuelle kontinuerlige variabler og utfallet vurderes visuelt ved bruk av utjevningsmetoder. Hvis en ikke-lineær funksjonell form er indikert, skal bruken av ikke-lineære funksjoner (brøkpolynomer, naturlige splines) vurderes.

• Håndtering av manglende data. Mengden manglende data skal avgjøre strategien som brukes (Harrell, 2001). Hvis den totale andelen personer med manglende data er mindre enn 5 %, skal en enkelt imputering av manglende verdier utføres. Ellers skal multippel imputering av manglende verdier utføres.
• Statistisk modellering. Screeningopptaksrater for CRC skal analyseres ved hjelp av logistisk regresjon, med pasientdemografi, sosioøkonomisk status, livsstilsfaktorer og sykelighet som potensielt forklarende variabler.

Den primære interessen er hvilke sykeligheter som påvirker opptaksraten, med særlig interesse for psykiske sykeligheter (hvorav depresjon og angst er målt i SYC). På grunn av dette skal kun interaksjoner med disse to psykiske sykdommene vurderes. For å undersøke sammenhengen mellom psykiske sykeligheter og opptak, og for å se hvordan de andre variablene påvirker denne assosiasjonen, skal en serie modeller presenteres:

• Modell 1 (univariat-modell): denne skal kun inkludere langvarige forhold (eksponeringsvariabler) som uavhengige variabler.
• Modell 2 (demografijustert modell): denne skal inkludere de uavhengige variablene fra modell 1, sammen med de demografiske variablene (alder, kjønn og etnisitet).
• Modell 3 (full modell): denne skal inkludere alle variablene som er vurdert i denne studien. Interaksjoner skal ikke vurderes.
• Modell 4 (utforskende modell): dette skal gjelde delsettvalg for modell 3 (bakover-trinnvis, med en sannsynlighet for å fjerne 0,05). Interaksjoner skal vurderes etter bruk av delsettvalg.

Hensikten med å vise en serie modeller vil være å vise den ujusterte sammenhengen mellom sykelighet og screeningopptak, og fremheve i hvilken grad disse assosiasjonene er mediert av pasientkarakteristikker. Det skilles mellom "iboende" egenskaper (alder, kjønn og etnisitet), som (vanligvis) er utenfor en persons kontroll for å endre, og de gjenværende egenskapene, som en person har mer kontroll over

Effektberegninger.

Effektanalyser ble utført ved bruk av G*Power 3.1.9. Den nødvendige prøvestørrelsen for å oppdage en signifikant effekt av en forhåndsspesifisert variabel ble beregnet. For disse analysene ble det brukt et alfanivå på 5 % og en tosidet test. Det var en rekke tilleggsfaktorer som måtte estimeres eller velges:

• Nødvendig effekt: verdier på 95 % og 80 % ble brukt.
• Oddsforhold: verdier mellom 1,2 og 3 ble testet.
• Sannsynlighet for opptak blant de uten sykelighet: det totale opptaket på 47 % observert mellom 2008 og 2011 av BCSP ble brukt.
• Grad av korrelasjon blant de potensielt forklarende variablene: verdier på 20 % og 40 % ble testet (dette er angitt med 'R2' i tabellen nedenfor).
• Prevalens av den forhåndsspesifiserte variabelen: en verdi på 8 % ble brukt, tilsvarende prevalensen av depresjon i en foreløpig analyse av SYC-dataene. I denne analysen hadde 74 % av utvalget en sykelighet, med et gjennomsnitt på 1,8 langtidstilstander per person.

Tabell 1: Prøvestørrelse nødvendig som en funksjon av kraft, korrelasjon og oddsforhold.

Effekt = 80 % Effekt = 95 % Oddsforhold 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 6 17 17 17 17 17 17, 42 16 605 35 473 1,3 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 1.665 1.665 1.665 1.665 1.665 2.7 2.7 79 772 935 1 247 3,0 519 693 837 1 116

Den tilgjengelige prøvestørrelsen forventes å være omtrent 7 500, noe som indikerer at oddsforhold på 1,4 eller høyere vil bli oppdaget med 80 % kraft, mens oddsforhold på 1,5 eller høyere vil bli oppdaget med 95 % kraft.

Et eksempel på en endring i opptaksrater knyttet til en oddsratio på 1,5 vil være en nedgang i opptak fra 60 % til 57 %. Ytterligere eksempler er presentert i tabell 2.

Tabell 2: Nedgang i opptaksrate tilsvarende en oddsratio på 1,5 Opptaksrate i gruppe 1: 90 % 80 % 70 % 60 % Opptaksrate i gruppe 2: 81 % 72 % 64 % 57 %

En alternativ metode for å estimere prøvestørrelser ble også testet (Campbell, Julious og Altman 1996). Dette bruker publiserte tabeller som estimerer prøvestørrelsen (per gruppe) som kreves for å identifisere en forhåndsspesifisert forskjell i to proporsjoner på et 5 % signifikansnivå med 80 % makt. Gruppestørrelsene justeres deretter for å ta hensyn til eventuelle forskjeller i gruppestørrelse. For eksempel, hvis gruppen med depresjon representerer 8 % av den totale befolkningen, for å oppdage en forskjell i opptak på 65 % blant personer uten depresjon og 60 % blant personer med depresjon, kreves en samlet utvalgsstørrelse på 425, hvorav 34 ville trenge å ha depresjon og 391 ville ikke ha depresjon. Den totale prøvestørrelsen som kreves for en rekke forskjeller i opptaksrater er presentert i tabell 3 (opptaksratene er alle multipler på 5 % ettersom disse verdiene brukes i de publiserte tabellene).

Tabell 3: Prøvestørrelser som kreves for å oppdage forhåndsspesifiserte forskjeller i opptak. Opptak i gruppe A Opptak i gruppe B Samlet utvalgsstørrelse 60 % 55 % 1 188 65 % 60 % 425 70 % 65 % 213 75 % 70 % 138

* Forutsatt at sammenligningen er mellom personer med depresjon (prevalens 8 %, tilsvarende gruppe B) og uten depresjon.