稳定性冠状动脉疾病患者的预后模型
目前还没有已发表的 CHD 二级预防预后算法可以代表英格兰 GP 注册人群,包括有症状和无症状患者(通过初级保健确定)。 在本文中,研究人员将利用临床实践中常规收集的信息,根据当代大型稳定 CAD 患者开放队列来模拟 CHD 预后。 尽管研究者模型仅基于英格兰全科医生实践的数据,但研究者认为该人群在种族组合、社会经济背景、易感特征和生活方式方面具有足够的异质性,可以生成对更广泛人群具有良好泛化能力的预后模型.
在研究人员将尝试回答的研究问题中,初级保健预防的既定风险因素(吸烟、高血压、血脂异常、糖尿病)是否也可用于对已患 CAD 的患者进行风险分层。 同样,研究人员将检查短期内 ACS 患者不良结局的强预测因子,如入院 SBP 和心率,是否也与其长期预后相关。
研究概览
地位
条件
详细说明
目标
- 使用常规收集的英格兰患者的初级保健和临床审计 (MINAP) 数据来开发和验证稳定性 CAD 患者的预后模型。
- 确定进展为 MI 或致死性 CHD 的关键预后因素,并比较它们在临床重要亚组中的强度。
- 估计整体和临床重要亚组内特定时间范围的风险分布。
- 使用从模型中得出的估计来通知与例如相关的后续决策模型。 选择接受 CABG 或二线抗血小板药物(例如 氯吡格雷)。
主要关注的结果是致死性 CHD 和非致死性 MI。 作为次要结果,我们将对全因死亡率进行建模。 这些终点的发生率将在长达 5 年的时间内进行估计,具体取决于队列中随访的质量和可用性。 我们可能会谨慎地扩展到其他终点,包括 CVD 和反映症状状态的终点(例如 使用硝酸盐)。
我们计划遵循由 Atman 和 Moons 领导的即将开展的工作中规定的报告指南。
数据和方法
数据源
信息将从 CALIBER(使用链接的定制研究和电子记录的心血管疾病研究)研究中提取。 CALIBRE 是公共卫生数据存储库的集合,将国家心肌梗死登记与丰富的纵向初级保健记录、二级保健数据源以及 UCL 遗传学联盟中的高度表型队列联系起来。 目前,CALIBER 数据集由几个数据集的链接组成:
- 全科医学研究数据库 (GPRD)7
- 心肌缺血国家审计项目 (MINAP)8
- 医院事件统计 (HES)9
- 来自国家统计局 (ONS) 的死亡率数据
背景和研究人群
合格的一般做法被定义为符合可接受的数据记录水平标准的做法(即 审计表明,“至少 95% 的相关患者遭遇得到记录,数据符合流行病学研究的质量标准”7),并同意与 HES 和 MINAP(大约 200 个实践)联系。
为定义事件病例,我们将排除在 CAD 诊断日期之前的一年内未接受观察的患者。 对于普遍情况,我们将删除此条件。
我们的起点人群定义为 18 岁或以上被诊断患有 CAD 的患者,其中包括:
- 诊断为稳定型心绞痛的患者
- 存活 > 4 周的 ACS(STEMI、NSTEMI 和不稳定型心绞痛)患者。 诊断为 CAD 并在随访期间接受血运重建的患者将在手术后进入队列(假设术后生存期 >4 周)。
我们将谨慎定义更广泛和更具体的起点人群,以便充分利用 CALIBRE 数据中的信息量和丰富性。 因此,我们将把我们的分析扩展到流行的 CAD 病例和具有四种 CAD 亚型(稳定型心绞痛、不稳定型心绞痛、STEMI 和 NSTEMI)之一的事件队列。
研究开始日期将定义为 2000 年 1 月 1 日,以便仅包括那些可能可以获得特定原因死亡率数据的患者(首次链接时间为 2001 年 1 月 1 日)。 研究期将于 2009 年 10 月 20 日结束,这是与 ONS 死亡率数据关联的最后日期。
对于每个患者,我们将确定正确的审查日期,这将是以下日期中最早的日期:产生感兴趣结果的日期、研究期结束(2009 年 10 月 20 日)、非冠状动脉死亡日期、离开日期实践,或最后一次实践数据收集日期。
伦理
该研究使用来自 GPRD、MINAP 和 HES 的匿名数据集。 研究方案由药品和保健品监管机构 (MHRA) 的独立科学咨询委员会 (ISAC) 评估和批准(ISAC 方案编号 07-008 和 10-106)。 该研究已在 clinicaltrials.gov 注册 (注册没有待定)。
考虑的解释因素 最初,我们将考虑范围广泛的与冠状动脉综合征有关的风险因素和生物标志物,这些因素和生物标志物在临床审查期间/前后广泛可用,包括 Framingham(“标准”)风险因素(年龄、吸烟状况、血压、胆固醇和糖尿病)。 因为通常情况下,风险因素不是同时测量的,而是在诊断前后的几天内,我们将定义规则来选择“基线”测量并处理 GPRD 和 MINAP 之间重叠值的冲突(出现这些冲突的地方)。
我们的选择将来自:
- 人口统计学,包括诊断时的年龄、种族和多重剥夺指数 (IMD)
- 生活方式,包括吸烟和饮酒
- 血压相关,包括收缩压、舒张压、抗高血压药处方、确诊高血压、脉率和脉压
- 脂质相关,包括总胆固醇、高密度脂蛋白、甘油三酯和他汀类药物的处方
- 糖尿病相关,包括 I 型或 II 型糖尿病的诊断、糖尿病药物治疗、空腹血糖、Hb1Ac 和 BMI
- 生物标志物,包括肌酐和血红蛋白
- 二级预防药物(阿司匹林、氯吡格雷、β-受体阻滞剂、ACE 抑制剂和 β-受体阻滞剂)
- 既往干预(PCI 和 CABG)
- CVD 严重程度,包括血管造影结果(左心室功能正常/异常)、CV 并存疾病(中风、外周动脉疾病)既往 MI 和就诊频率(去年)
- 非心血管合并症,查尔森索引中包含的主要章节
- 对于 ACS 患者,我们还将考虑 MINAP 中专门记录的与住院事件相关的信息(急性脉率、急性 SBP 和 DBP 以及 β-肌钙蛋白)。
缺失值的处理
在可能的情况下,将使用重复测量来替换基线记录中缺失的数据。 该方法将基于一套规则,用于在不同磋商之间转移测量结果,并协调我们将为 CALIBRE 项目开发的来自不同来源的测量结果。
剩余的缺失值将替换为多重插补框架下的预测值,如 R 包“小鼠”(版本 2)中所实施的那样。 这个版本的“老鼠”可以处理随机缺失 (MAR) 和非随机缺失 (MNAR) 模式。
为了确定用于估算每个变量的合适模型,我们将采用以下方法:
- 计算相关矩阵以为每个变量中的缺失数据选择强预测因子
- 评估缺失数据模式、比例和协变量分布
- 确定与感兴趣结果的关联强度(用所有变量拟合 Cox 模型)
- 确定合适的归因模型并在可能的情况下对其进行简化(但始终包括标准风险因素和我们希望根据其临床重要性包含在预后模型中的任何其他预测因子)
- 决定估算变量的顺序(例如,按照缺失、相关性和/或预测能力递减的顺序)。
如前所述 10,我们所有的插补模型都将包括感兴趣的结果(CHD 死亡或非致命性 MI)。
如后所述,插补将构成变量选择和模型估计的一部分。
变量选择
我们将根据统计性能和临床可行性等方法的组合来选择我们的最终模型。 我们的目标是建立一个可推广的、可有效估计的模型,同时该模型足够敏感以捕获目标人群中的大部分异质性。
我们将使用感兴趣的结果评估 CoxPH 模型中的统计性能。 根据是否满足比例风险 (PH) 假设,性别将作为调整或分层变量包括在内。
来自不同实践的患者的潜在风险可能不同(例如 由于案例组合的区域差异)。 因此,我们将针对数据中 GP 实践的性别特定基线危害测试 PH 假设。 如果违反 PH 假设,我们将在每个实践中估计 Cox 模型,并通过随机效应荟萃分析组合系数。 如果 PH 假设得到满足,我们将在实践中假设相同的基线风险,并在模型中指示聚类患者(在相同的 GP 实践中)以估计稳健方差。
我们将根据探索两种选择的初步分析选择 Cox 模型的时间尺度,即风险年龄或事件/审查时间。 我们的选择将主要基于队列中诊断和病例的年龄分布,以及哪个时间尺度更有可能出现较少的 PH 违规。
在第 1 步中,我们将根据关联的强度和形状探索每个候选预测因子与主要终点之间的单变量关联,并评估与年龄、时间和性别的合理交互作用。 在形状与线性显着不同的地方,我们将考虑更灵活的建模,例如使用受限三次样条。 比例风险将通过检查 Schoenfield 残差来评估。 除非有很强的临床原因,否则不会进一步考虑具有低统计意义的变量。
在第 2 步中,我们将采用数据驱动的方法在多变量上下文中从第 1 步保留的变量中识别重要变量。 为此,我们将使用逐步回归,如在“rms”R 包(参考)中的 fastbw 函数中实现的那样,将标准风险因素强制纳入所有候选模型。 我们将为每个候选预测变量组分别应用该算法,例如 血压变量、CVD 严重程度等,以确保每组至少有 1 个预测因子出现在最终模型中。 作为一般规则,p>0.1 和单变量设置中缺乏强关联将被视为排除的证据。
上述步骤将与之前推荐的多重插补相结合,在针对手头问题提出的选项中使用一种有效且无偏见的方法。 最终选择将基于使用其他标准评估几个具有相似统计性能的候选模型,例如非估算数据的比例、测量可靠性、临床可行性和临床医生的建议。
一旦选择了要包含在模型中的变量,我们将更新插补模型(必要时)以包含这些变量。 不这样做可能会使关联偏向 null12。
估计
系数和风险的估计需要考虑三种类型的不确定性:
- 由于缺失数据的插补造成的不确定性(通过合并插补间变异来处理)
- 模型参数估计的不确定性(通过交叉验证处理)
- 对数据样本的敏感性(通过引导数据处理)
为了执行 10 折交叉验证,数据将随机分为 10 个子组。 将通过将 Cox 模型拟合到除子组 q 之外的所有子组来估计子组 q 中个人的风险。 对每个子组 q=1,..,10 重复此操作会产生所有个体的预测风险。 作为敏感性分析,我们将重复按 GP 实践拆分的交叉验证程序,而不是在所有实践中随机进行。
估计将按如下方式进行:
- 所有被选入具有缺失数据的最终模型的预测变量都将根据前面步骤中选择的插补模型进行插补。
- CoxPH 模型将适合(通过交叉验证)用于将非冠心病死亡视为删失观察的感兴趣终点。
- CoxPH 模型将适合(通过交叉验证)非冠心病治疗 MI 和致命性冠心病作为删失观察。
- 将根据特定原因的 Cox 模型和 Kalbfleisch & Prentice13 描述的公式对每个个体的非冠心病死亡率进行调整,从而估计风险。
- 通过对适当数量 (200) 的 bootstrap 样本重复步骤 2 到 4 将获得标准误差。
- 该过程将从步骤 1 开始重复进行另外 4 轮插补,以获得插补间方差。
估计值将使用鲁宾规则合并。 评估 模型评估的大多数标准方法都假设绝对风险(未针对竞争风险进行调整)。 因为我们正在处理累积事件(即 针对非 CVD 死亡率调整的风险)我们将相应地修改评估方法。
- 校准将通过将预测分组为十分位数并计算每个十分位数内的平均风险与竞争风险调整后的 Kaplan-Meier(即 累积发生率)对于该风险组。
- 将使用允许针对竞争风险进行调整的 C 指数公式,以针对特定年龄的方式全面检查歧视情况14。
最后,我们会将性能(在可能的情况下)与其他已发布的风险算法进行比较,例如 GRACE15 和 REACH3,它们指的是相似的起始人群和结果。 为此,我们将使用已发布算法中包含的一组协变量来拟合模型,并将它们与我们提出的新模型进行比较。 由于目前尚不存在用于 CHD 二级预防的具有临床意义的风险阈值,因此我们将使用不需要风险分层的指标。 可能的示例是连续 NRI16 和 Brier 分数。
统计软件及版本
R 版本 13.1 带有适当的附加包。
研究类型
注册 (预期的)
联系人和位置
学习地点
-
-
-
London、英国、WC1E 7HE
- Clinical Epidemiology Group, UCL
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
取样方法
研究人群
为定义事件病例,我们将排除在 CAD 诊断日期之前的一年内未接受观察的患者。 对于普遍情况,我们将删除此条件。
我们的起点人群定义为 18 岁或以上被诊断患有 CAD 的患者,其中包括:
- 诊断为稳定型心绞痛的患者
- 存活 > 4 周的 ACS(STEMI、NSTEMI 和不稳定型心绞痛)患者。 诊断为 CAD 并在随访期间接受血运重建的患者将在手术后进入队列(假设术后生存期 >4 周)。
描述
纳入标准:
- 合格的一般做法被定义为符合可接受的数据记录水平标准的做法(即 审计表明,“至少 95% 的相关患者遭遇得到记录,数据符合流行病学研究的质量标准”7),并同意与 HES 和 MINAP(大约 200 个实践)联系。
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
|---|
|
稳定性心绞痛
|
合作者和调查者
调查人员
- 首席研究员:Harry Hemingway, FRCP、University College, London
出版物和有用的链接
一般刊物
- Fox KM; EURopean trial On reduction of cardiac events with Perindopril in stable coronary Artery disease Investigators. Efficacy of perindopril in reduction of cardiovascular events among patients with stable coronary artery disease: randomised, double-blind, placebo-controlled, multicentre trial (the EUROPA study). Lancet. 2003 Sep 6;362(9386):782-8. doi: 10.1016/s0140-6736(03)14286-9.
- White IR, Royston P, Wood AM. Multiple imputation using chained equations: Issues and guidance for practice. Stat Med. 2011 Feb 20;30(4):377-99. doi: 10.1002/sim.4067. Epub 2010 Nov 30.
- Bhatt DL, Eagle KA, Ohman EM, Hirsch AT, Goto S, Mahoney EM, Wilson PW, Alberts MJ, D'Agostino R, Liau CS, Mas JL, Rother J, Smith SC Jr, Salette G, Contant CF, Massaro JM, Steg PG; REACH Registry Investigators. Comparative determinants of 4-year cardiovascular event rates in stable outpatients at risk of or with atherothrombosis. JAMA. 2010 Sep 22;304(12):1350-7. doi: 10.1001/jama.2010.1322. Epub 2010 Aug 30.
- Squizzato A, Keller T, Romualdi E, Middeldorp S. Clopidogrel plus aspirin versus aspirin alone for preventing cardiovascular disease. Cochrane Database Syst Rev. 2011 Jan 19;(1):CD005158. doi: 10.1002/14651858.CD005158.pub3.
- Clayton TC, Lubsen J, Pocock SJ, Voko Z, Kirwan BA, Fox KA, Poole-Wilson PA. Risk score for predicting death, myocardial infarction, and stroke in patients with stable angina, based on a large randomised trial cohort of patients. BMJ. 2005 Oct 15;331(7521):869. doi: 10.1136/bmj.38603.656076.63. Epub 2005 Oct 6.
- Roques F, Nashef SA, Michel P, Gauducheau E, de Vincentiis C, Baudet E, Cortina J, David M, Faichney A, Gabrielle F, Gams E, Harjula A, Jones MT, Pintor PP, Salamon R, Thulin L. Risk factors and outcome in European cardiac surgery: analysis of the EuroSCORE multinational database of 19030 patients. Eur J Cardiothorac Surg. 1999 Jun;15(6):816-22; discussion 822-3. doi: 10.1016/s1010-7940(99)00106-2.
- Sutcliffe SJ, Fox KF, Wood DA, Sutcliffe A, Stock K, Wright M, Akhras F, Langford E. Incidence of coronary heart disease in a health authority in London: review of a community register. BMJ. 2003 Jan 4;326(7379):20. doi: 10.1136/bmj.326.7379.20. No abstract available.
- Walley T, Mantgani A. The UK General Practice Research Database. Lancet. 1997 Oct 11;350(9084):1097-9. doi: 10.1016/S0140-6736(97)04248-7. No abstract available.
- Birkhead J, Walker L. National audit of myocardial infarction (MINAP): a project in evolution. Hosp Med. 2004 Aug;65(8):452-3. doi: 10.12968/hosp.2004.65.8.15487. No abstract available.
- White IR, Royston P. Imputing missing covariate values for the Cox model. Stat Med. 2009 Jul 10;28(15):1982-98. doi: 10.1002/sim.3618.
- Wood AM, White IR, Royston P. How should variable selection be performed with multiply imputed data? Stat Med. 2008 Jul 30;27(17):3227-46. doi: 10.1002/sim.3177.
- Prentice RL, Kalbfleisch JD, Peterson AV Jr, Flournoy N, Farewell VT, Breslow NE. The analysis of failure times in the presence of competing risks. Biometrics. 1978 Dec;34(4):541-54.
- Wolbers M, Koller MT, Witteman JC, Steyerberg EW. Prognostic models with competing risks: methods and application to coronary risk prediction. Epidemiology. 2009 Jul;20(4):555-61. doi: 10.1097/EDE.0b013e3181a39056.
- Fox KA, Goodman SG, Anderson FA Jr, Granger CB, Moscucci M, Flather MD, Spencer F, Budaj A, Dabbous OH, Gore JM; GRACE Investigators. From guidelines to clinical practice: the impact of hospital and geographical characteristics on temporal trends in the management of acute coronary syndromes. The Global Registry of Acute Coronary Events (GRACE). Eur Heart J. 2003 Aug;24(15):1414-24. doi: 10.1016/s0195-668x(03)00315-4.
- Pencina MJ, D'Agostino RB Sr, Steyerberg EW. Extensions of net reclassification improvement calculations to measure usefulness of new biomarkers. Stat Med. 2011 Jan 15;30(1):11-21. doi: 10.1002/sim.4085. Epub 2010 Nov 5.
研究记录日期
研究主要日期
学习开始
初级完成 (预期的)
研究完成 (预期的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (估计)
研究记录更新
最后更新发布 (估计)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.