维生素 D 和死亡率：标准化 25-羟基维生素 D 的个体参与者数据荟萃分析

维生素 D 参与调节钙稳态并对骨骼健康产生有益影响。 测量 25-羟基维生素 D (25[OH]D) 的血清水平以评估维生素 D 状态，维生素 D 状态主要由阳光（紫外线-B）诱导的皮肤维生素 D 生成决定，在较小程度上由饮食或补充维生素 D 的摄入量。 维生素 D 状况不佳已成为包括死亡率在内的各种不良健康结果的危险因素，但关于维生素 D 状况的分类以及 25(OH)D 浓度与死亡率之间的关联形状存在争议。

由于缺少实验室方法的标准化，有关维生素 D 状态和死亡率的现有知识受到限制。 先前的研究表明，化验和实验室差异对报告的 25(OH)D 浓度有显着影响，从而影响 25(OH)D 与健康结果之间的关联。 因此，维生素 D 标准化计划 (VDSP) 是一项由美国国立卫生研究院膳食补充剂办公室 (NIH-ODS) 牵头的协作计划，它制定了对当前和以往调查中的 25(OH)D 数据进行标准化的协议。

这项工作是欧盟项目“消除维生素 D 缺乏症和促进整个生命周期健康的食品解决方案”(ODIN) 的一部分，我们旨在解决标准化 25(OH) 之间关联的知识差距) 使用来自欧洲八个研究队列的个体参与者数据 (IPD) 进行的协作荟萃分析中的 D 浓度和死亡率。 详细而言，我们将研究 25(OH)D 与全因死亡率、心血管死亡率和癌症死亡率之间的关联。 我们使用一步法进行此荟萃分析，其优点是同时对所有研究的 IPD 进行建模，而传统的两步法基于每项研究的汇总数据。 考虑到该荟萃分析的大多数个体研究已经报告了原始 25(OH)D 数据，我们旨在比较原始和标准化 25(OH)D 浓度，了解报告浓度的差异及其与死亡率的关联。

方法 研究鉴定和选择 我们建立了合作关系来进行 IPD 的荟萃分析。 欧盟第七框架计划 ODIN 工作包的潜在参与者应邀参加 2012 年 11 月在阿姆斯特丹举行的为期一天的研讨会，讨论任务的目标、实施和发展。 受邀的欧洲参与者是根据最近发表的具有死亡率和心血管结局的大型前瞻性维生素 D 队列数据确定的。 将个体队列​​研究纳入 ODIN 有许多先决条件：必须拥有高质量的生物样本库样本以对选定样本进行统一采样和分析、验证临床结果的前瞻性数据、合作意愿和该领域的专业知识。

研究与参与者 所有个人队列都是 ODIN 联盟的一部分。 我们将使用来自挪威、德国、丹麦、荷兰和冰岛的八项独立前瞻性队列研究的 IPD。 纳入的研究是特罗姆瑟研究的第 4 次调查、路德维希港风险和心血管健康研究 (LURIC)、年龄、基因/环境易感性-雷克雅未克研究 (AGES)、新霍恩研究 (NHS)、奥胡斯乳腺 X 线摄影队列研究、德国成人健康访谈和检查调查 (DEGS) 以及阿姆斯特丹老龄化纵向研究 (LASA) 的老年和青年队列。 所有队列研究均根据赫尔辛基宣言进行，并获得所有研究参与者的书面知情同意书。

25(OH)D 的测量 根据 VDSP 协议，我们将执行抽样程序，从每个单独的队列研究中选择 100-150 个生物库血清样本的子集，以通过标准化和经过认证的液相色谱-串联质谱 (LC-tandem MS) 方法，可追溯到美国国家标准与技术研究院 (NIST) 高阶参考测量程序。 重新分析的 25(OH)D 值将用于为每个现有队列研究开发主回归方程，并重新校准现有的 25(OH)D 测量值。 NHS 之前没有 25(OH)D 测量结果，将对其进行全面分析。

分组 IPD 人群将根据他们在基线时的 25(OH)D 状态分为七组。 将针对原始和标准化的 25(OH)D 测量将个体分配到七个亚组之一。

根据医学研究所 (IOM) 2011 年的报告，25(OH)D 组的阈值将被指定为严重维生素 D 缺乏症 (≤29•99 nmol/L)，因为两组患者存在维生素 D 不足的风险（来自 30至 ≤ 39•99 nmol/L 和 40 至 ≤ 49•99 nmol/L），因为维生素 D 充足（从 50 到 ≤ 75 nmol/L），因为两组维生素 D 水平并不始终与增加的益处相关（从 75 到 ≤ 99•99 nmol/L；从 100 到 ≤ 124•99 nmol/L）和维生素 D 水平高且值得关注（≥ 125 nmol/L；将 nmol/L 转换为 ng/mL 除法2•496)。

统计分析 原始和标准化 25(OH)D 浓度之间的差异将通过配对样本 t 检验进行评估。 为了比较基线标准化维生素 D 组的其他基线特征，我们将酌情使用 ANOVA 进行连续分析，并使用 χ2 检验进行分类数据。

全因死亡率是主要结果，所有参与的队列研究均可获得。 次要结果是心血管死亡率和癌症死亡率，可用于除 NHS 之外的所有队列研究。 从死亡证明、市政登记处、医疗记录和地方当局获得了最详细的所有终点。

将通过 IPD 荟萃分析估计值和研究特定估计值对原始和标准化 25(OH)D 值进行所有结果分析。 分析将基于具有完整数据的个人，这些数据包括年龄、性别、体重指数 (BMI)、采血季节、25(OH)D 水平、随访时的生命状况和随访时间。 随访时间必须 > 0 天。 缺少数据的参与者将被排除在分析之外，我们将不执行数据插补。

25(OH)D 水平与全因死亡率之间的关联将使用一步法中的 IPD 进行估算。 一般来说，与经常使用的两步法相比，一步法后的 IPD 荟萃分析被证明是更简洁的二元结果方法，分析了汇总数据。 我们将使用分层参数化生存模型，在分析二元结果时，该模型比 Cox 模型更可行。 单个方程将在参数化、加速故障时间 (AFT) Weibull 模型中处理，该模型似乎最适合基础数据与指数、对数逻辑和对数正态分布。 该模型将使用 SAS PROC NLMIXED（SAS Institute Inc., 100 SAS Campus Drive, Cary, USA）和随机截距来构建，以解释队列研究中的随机效应。

对于死亡率分析，25(OH)D 将使用 1) 根据前面提到的 IOM 分类的传统分类变量方法和 2) 受限三次样条方法进行建模。 选择三次样条方法来保留 25(OH)D 值的连续性，并计算每组平均值的风险比 (HR) 和 95% 置信区间 (CI)。 我们选择死亡风险最低的 25(OH)D 组作为参考。 我们的结果分析将根据死亡率的危险因素和维生素 D 状态的决定因素进行累积调整。 在模型 1 中，我们调整了年龄（年）、性别（男/女）和采血季节（春、夏、秋、冬）。 在模型 2（我们的主要统计模型）中，我们还针对 BMI（以 kg/m² 为单位）进行了调整。 在模型 3 中，我们另外调整了糖尿病（是/否）和动脉高血压（是/否），在模型 4 中我们添加了癌症病史（是/否）、心血管疾病病史（是/否）和当前吸烟状况作为协变量（是/否）。

附加调整以模型二作为参考模型。 并非每个队列研究都提供额外的调整协变量，因此只会在可以提供这些协变量的研究中进行额外的调整。

首先，钙的补充摄入量（是/否）将添加到模型二。 将在所有研究中进行第一次额外的调整分析，但 DEGS 和 LASA，年轻队列，因为没有关于补充使用的信息。

其次，维生素 D 的补充摄入量（是/否）将添加到除 LASA、老年和年轻队列以及 DEGS 之外的所有研究中的模型二，因为在这些研究中没有关于维生素 D 补充使用的信息。

第三，除奥尔胡斯乳腺 X 线照相术队列外，所有研究都将针对身体活动对模​​型二进行额外调整（低、中、高频身体活动的三个虚拟变量）。 对于敏感性分析，我们也将省略 DEGS，因为 DEGS 的参与者中有很大一部分是年轻的、身体活跃的个体。

第四，模型二中将添加估计肾小球滤过率（eGFR；以 mL/min/1•73m² 为单位）的调整。 eGFR 将根据四变量肾脏疾病饮食修正 (MDRD) 研究方程从基线访问时的肌酐计算，并将添加到除 NHS 之外的所有研究中的模型二，因为 NHS 中没有肌酐测量值。

在第五项分析中，甲状旁腺激素（以 pmol/L 为单位）的调整将添加到所有研究的模型二中，但 NHS、奥胡斯乳腺 X 线摄影队列和 LASA、年轻队列除外。

在第六项分析中，C 反应蛋白（以 mg/L 为单位）的调整将添加到所有研究的模型二中，但 NHS、奥胡斯乳腺 X 线照相术队列和 LASA、年轻队列除外。

在第七项分析中，除了奥尔胡斯乳腺 X 线摄影队列和 DEGS 之外，所有研究中的模型二都将添加收缩压调整（以毫米汞柱为单位）。

在第八项分析中，将对低密度脂蛋白胆固醇（以 mmol/L 为单位）的调整添加到所有研究的模型二中，但奥胡斯乳房 X 线照相术队列和 DEGS 除外。

在第九项分析中，除了特罗姆瑟研究、奥胡斯乳腺 X 线摄影队列和 DEGS 之外，所有研究中的模型二都将添加葡萄糖调整（以 mmol/L 为单位）。

原始 25(OH)D 的所有模型都将在没有 NHS 的情况下执行，因为 NHS 没有原始 25(OH)D 测量。 对于标准化 25(OH)D，我们将计算所有模型 1) 使用 NHS 数据和 2) 不使用 NHS 数据，以提供原始模型和标准化 25(OH)D 测量模型之间的可比结果。

敏感性分析 将进行亚组分析以对维生素 D 缺乏和死亡率的危险因素进行分层。 我们对性别（女性/男性）、年龄组（<60 岁；60 至 69•9 岁；70 岁以上）、BMI 组（<25 kg/m²；25<30 kg/m²；≥30 kg）进行详细分层/m²）、钙补充剂（是/否）、维生素 D 补充剂（是/否）、CVD 病史（是/否）和癌症病史（是/否）。 进一步的敏感性分析将仅限于基线检查后死亡 > 1 年和 > 3 年的个体，并且仅限于一般人群队列（即 除 LURIC 之外的所有队列）。

次要结果 为了评估心血管和癌症死亡率的次要结果，我们利用传统的 Cox 比例风险和根据 Fine 和 Gray 方法修正的风险回归来解释竞争风险。 简而言之，在多中心设置中可能无法满足比例风险，因此允许基线风险在单个队列研究中有所不同。