慢性肾脏病的性别差异

2.1-A 肾脏替代疗法：描述和分析奥地利血液透析患者的性别差异以及相关的男女死亡率

假设：

奥地利血液透析患者的血液透析发生率/患病率和死亡率存在性别差异。 与奥地利的一般人群相比，血液透析患者的男女死亡率存在差异。

方法：

数据提取将从奥地利透析登记处进行，该登记处拥有自 1970 年以来所有奥地利血液透析患者的完整纵向条目，并包含自 1965 年以来在奥地利接受血液透析的所有患者的数据。人口统计数据、实验室值、临床特征和血液透析特定数据将收集 1965 年至 2015 年间在奥地利透析登记处登记的每位患者。奥地利总人口的男性和女性人口结构和死亡率数据将从“Statistik Austria”登记处检索。将检索奥地利总人口的其他数据来自 SYSKID 项目和在流行病学研究过程中检索到的电子病历。

统计数据：

标准描述性统计数据将用于按性别和十年划分的患者特征表格，以及奥地利血液透析人群与按性别和年龄组划分的一般人群随时间的变化情况。 血液透析人群中未经调整的男女死亡率比率将与奥地利一般人群的死亡率比率进行比较。 将使用 Cox 回归分析按地区对血液透析患者的男女死亡率风险进行调整后的风险比。 统计建模将密切关注先前发表的血液透析数据研究，按性别和国家/地区进行分析。 所有获得的 p 值都将被视为探索性的。

2.1-B 肾脏替代疗法：描述和分析奥地利移植率的性别差异

假设：

(i) 奥地利妇女获得已故供体器官移植的机会较少。(ii) 活体肾移植对女性并不公平。 (iii) 肾脏同种异体移植物的存活率取决于性别。

方法：

将从 1965 年至 2018 年期间登记的所有患者的奥地利透析和移植登记处提取人口统计学和临床​​特征、实验室值和血液透析特定数据。 将检索有关开始透析、进入移植等待名单、移植、潜在移植失败和潜在死亡之间的时间间隔的数据。 此外，将提取有关捐赠者和接受者性别的数据。

统计数据：

假设 (i)，等待名单进入时间和等待名单上时间的性别差异，男女风险比将从竞争风险 Cox 比例风险模型计算。 该模型将包括年龄和相关合并症作为调整协变量，死亡将被视为移植的竞争事件。

假设 (ii)，逻辑回归模型将适用于解释透析患者按性别接受活体供体肾移植的概率以及一组全面的进一步潜在解释变量。 这些将包括年龄、合并症、血清学标记和婚姻状况。

该模型将用于计算协变量调整后的男女比值比。 在对男性和女性进行“公平”治疗的情况下，观察到的性别调整效应预计接近于零，而接受活体供体移植概率的个体间差异应该通过个体而非性别来解释——相关的协变量值。

假设 (iii)，Cox 比例风险模型将应用于竞争事件移植物失败和死亡，性别作为主要预测因子，供体和受体的人口统计和临床数据作为协变量。 在第二个模型中，关于包括移植物失败和死亡的组合终点的性别差异将作为敏感性分析进行研究。

2.2 按性别分列的慢性肾脏病人群中死亡与开始肾脏替代治疗的竞争风险的描述和分析

假设：

在慢性肾脏病人群中，死亡与开始肾脏替代治疗的竞争风险存在性别差异。

方法：

来自欧洲的主要数据来源是斯德哥尔摩肌酐测量 (SCREAM) 队列。 在 SCREAM 队列中，包括居住在斯德哥尔摩/瑞典地区并在 2006 年至 2011 年间接受一项或多项常规血清肌酐评估的 100 万成年人。 这一人数相当于该地区总人口的 66% 覆盖率。 使用 SCREAM 队列的优点是 (a) 包含的个人可以获得普遍的医疗保健，(b) 包含的个人的所有实验室值都是通过实验室数据的中央存储库提供的（除包含的实验室值外没有其他实验室值）曾经采取过），（c）完整覆盖 ICD 诊断（包括初级保健）和死亡，（d）社会经济信息的可用性。 SCREAM 最复杂的部分，将实验室数据与区域医疗保健利用数据联系起来，通过涉及该地区名为 Vårdanalysdatabasen 的行政健康数据登记册（即斯德哥尔摩区域医疗保健数据仓库）得以解决。 由于 SCREAM 没有失访，并且可能是欧洲最大、最完整的医疗保健利用队列之一，因此它是一个非常适合回答上述研究问题的数据库。 美国团队通过分析 USRDS 数据集（NHANES、Optum、CMS）获得的研究结果将补充 SCREAM 中的分析，并将连续发布或在同一出版物中发布。 将从国际数据库（例如 NHANES，USRDS）。

在该模型中，针对每个 CKD 阶段分别估计三种可能转变（RRT、疾病进展、死亡）的风险比。 该模型将进一步考虑协变量的影响，例如合并症和社会经济因素。 在时变协变量的情况下，最后观察到的值将用于每个估计步骤。 为了支持性别相关效应的因果结论，将进行配对分析。 将使用基于潜在混杂协变量和分层 Cox 模型的最近邻匹配形成一对女性和一名男性，将每一对视为层，将适合计算男性和女性之间针对 RRT、疾病进展的特定原因风险比和死亡。 此外，将通过比较 eGFR 随时间下降的平均速率和达到次要终点（例如血清肌酐加倍和 eGFR 下降超过 30%）的风险率来分析疾病进展的性别差异。 将对转诊至肾病专家的比率和 CKD 相关诊断的频率（由适当的 CKD-10 代码定义）进行分析，并在性别之间进行对比。 作为一个重要的副作用，我们将尝试为高钾血症和肺充血等严重危及生命的情况之外的“透析前阶段”定义标准。 在受试者过渡到我们定义的“透析前阶段”后，RRT 或死亡可能是后果，并且作为时间函数的竞争风险也将分别在男性和女性之间进行分析，并随后进行比较。

2.3 分析 RRT 启动决策的性别差异，强调患者感知和社会经济差异

假设：

在开始肾脏替代治疗方面，医生和终末期肾病患者的决策存在性别差异。

方法：

定性研究：参与我们研究的标准将是 (i) CKD 诊断（eGFR <60 mL/min/1.73 m2，而 50% 的访谈将在 eGFR <15 mL/min/1.73 的患者中进行 m2) 和 (ii) 适当的语言技能。 为了获得关于该主题的整体观点，除了与患者的访谈之外，我们还将邀请每位患者的家庭成员和/或护理人员参加额外的访谈。 此外，我们将采访来自每个中心不同专业的两名 CKD 临床专家，了解他们对 CKD 性别差异和透析机会的看法。 数据收集将通过半结构化访谈进行。 第一次面谈将从一个开放性问题开始，该问题涉及健康状况影响的日常生活中最重要的领域。 将鼓励患者不仅考虑现在的经历，还考虑他们生活故事中的先前经历。 随后的面试问题将基于世界卫生组织国际功能、残疾和健康分类 (http://www.who.int/classifications/icf/en/) 和加拿大职业绩效衡量标准 (http://www .thecopm.ca/) 全面涵盖日常生活中所有功能领域。 半结构访谈指南将适用于家庭成员、护理人员和卫生专业人员。 每个参与者将进行两次访谈。 第二次访谈的目的是让研究人员和受访者有时间反思之前访谈中所说的话。 访谈将被数字录音并逐字转录。 分析将通过使用适当的软件来支持，例如 NVivo 或 AtlasTi。 为确保定性分析的准确性和严谨性，所有访谈都将按照预先确定的标准程序进行。 不同分析步骤的 10-15% 的结果将由在定性研究领域具有丰富经验的高级研究人员和一名患者研究合作伙伴进行审查。 三角测量将通过结果比较来实现，尤其是对文献的新发现和意想不到的发现，在其他疾病中也是如此。

根据之前的工作，我们估计总共 1000 份患者问卷将产生足够的信息。 该样本量将根据定性研究的结果进行修改。 对于纵向随访，我们假设我们将能够达到 50% 的基线患者，他们也同意填写随访问卷。 我们计划在奥地利开设多达 10 家具有代表性的肾脏科诊所。 返回问卷的数据将输入 IBM SPSS 统计数据库或在 R (www.r-project.org) 中进行分析。 调查分析将包括所有变量的描述性统计数据，这些变量将根据其分布进行描述，以及性别/性别差异的亚组分析，再次根据每个变量的分布进行干扰统计检验。 将根据需要进行图形说明。 对于多重测试，将应用 Bonferroni 校正。 根据定性分析中确定的概念、它们的含义和相互之间的关系，我们将选择因变量和自变量并拟合回归模型，以定性方式探索调查的概念/变量之间的关系