Global Pretest sannsynlighetsstudie av koronararteriesykdom (GPS-CAD)

Denne studien er et aggregert register som består av en retrospektiv journalgjennomgang av individer fra flere nettsteder. Den generelle tilnærmingen er å lage et stort, konsolidert, globalt register over eksisterende pasientkohorter henvist til ikke-invasiv testing ved bruk av computertomografi (CT). Anonymiserte bilder og strukturerte data, inkludert demografi, risikofaktorer, utfall og CT-resultater vil bli hentet fra flere nettsteder. Bildetypene som skal analyseres og kvantifiseres er ikke-kontrast CT (NCCT) skanninger og koronar CT angiografi (CCTA). CAC-score vil bruke Agatstons metode mens CAD vil bli vurdert ved hjelp av registerdata for CCTA-lesninger.

Dataene som samles inn vil inkludere risikofaktorer og demografi som alder, kjønn, etnisitet, hypertensjon, røyking, diabetes, dyslipidemi og familiehistorie med CAD. Utfall som død og hjerteinfarkt vil bli inkludert i datasettet hvis tilgjengelig. Alle data som mottas vil bli anonymisert og avidentifisert. Studieteammedlemmer vil sjekke gjennom studiedataene for å sikre at alle studiedata er nøyaktig innsamlet og fullstendig.

Dataelementene til forskjellige kohorter kan ikke harmonisere eller samsvare med hverandre. Det kan mangle dataelementer eller forskjellige datainndata. Som sådan kan utelatelse eller imputering brukes til å utføre analyser. For å minimere data heterogenitet i format, vil nettsteder bli utstyrt med en standard mal og dataordbok. Dette vil fullføre den innledende dataharmoniseringen og forventede dataelementer. Det innsamlede datasettet vil deretter bli harmonisert av biostatistikkteamet før analyse.

Den omtrentlige totale studiestørrelsen n = 200 000. Forutsatt et område under mottakeroperasjonskurven (AUC) på 0,70 for eksisterende PTP- og CAC-metoder, er dette forslaget tilstrekkelig drevet til å oppdage en økning på 0,05 i AUC ved bruk av en tosidig z-test på et signifikansnivå på 0,05. Kontinuerlige variabler vil bli uttrykt som gjennomsnitt og standardavvik. Kategoriske variabler vil bli uttrykt som absolutte tall og prosenter. Distribusjoner vil bli testet for normalitet ved hjelp av Shapiro-Wilk-statistikk. Ikke-normalfordelte variabler vil bli representert som median med 25. til 75. interkvartilområde. Sammenligning av normalfordelte kontinuerlige variabler vil bli utført ved hjelp av Students t-test for parede og uparrede data. Ikke-normalfordelte variabler vil bli sammenlignet ved hjelp av Mann-Whitney Rank Sum-tester og Kruskal-Wallis-tester. Sammenligning av kategoriske data vil bli utført ved å bruke Chi-square og Fishers eksakte tester der det er aktuelt.

Forskjeller i utfall over tid vil bli analysert av Kaplan-Meier analysen med log-rank test for hvert utfall. Ved bruk av Cox regresjonsanalyse vil det bli utført univariate og multivariate regresjonsanalyser. Univariat analyse vil inkludere pre-hendelsesvariabler med p-verdier <0,10. Variabler som viste en signifikant (p<0,05) korrelasjon med endepunktene, etter univariat analyse, vil bli vurdert i de multivariate modellene. Oddsforhold og 95 % konfidensintervall vil bli beregnet. Statistisk signifikans ble etablert som p<0,05. Avanserte maskinlæringsteknikker (f.eks. nevrale nettverk) kan brukes.