Przeszczepienie płuc i przeżycie u dzieci z mukowiscydozą ad

Wykorzystaliśmy modelowanie proporcjonalnych zagrożeń wraz z współzmiennymi zależnymi od czasu do rozważenia skutków wielu zmiennych towarzyszących przed i po transplantacji.10-13 Metody
Pacjenci
Wykorzystaliśmy dane z rejestru chorych na mukowiscydozę (CFFPR), który zawiera informacje o zmianach w czasie dla pacjentów z 117 certyfikowanych ośrodków mukowiscydozy w okresie od 1992 r. Do 2002 r. Wykorzystaliśmy również dane z Organowej Sieci Zakupów i Transplantacji (OPTN) z 1988 r. do roku 2004. Dane OPTN zawierają informacje na temat wszystkich pacjentów, którzy kiedykolwiek zostali umieszczeni na liście oczekujących na przeszczep płuc w Stanach Zjednoczonych. Dopasowaliśmy i zweryfikowaliśmy pacjentów między tymi zbiorami danych, używając identyfikatorów specyficznych dla pacjenta, i sprawdziliśmy każde dopasowanie pod kątem potwierdzenia.
Nasz projekt został sprawdzony i zatwierdzony przez komisję badawczą Uniwersytetu Utah, Fundacji Cystic Fibrosis Foundation i OPTN. Świadoma zgoda dotycząca tego badania nie była wymagana.
Projekt badania
Ponieważ dzieci, które przeszły transplantację płuc były wcześniej na liście oczekujących, nie mogliśmy bezpośrednio porównać przeżycia pacjentów z listy oczekujących z przeżyciem pacjentów po przeszczepie, na przykład za pomocą statystyk Kaplan-Meier. Jednak przy zastosowaniu metod proporcjonalnego ryzyka z transplantacją jako zmienną towarzyszącą, która zmieniła się w czasie przeszczepu, moglibyśmy oszacować, w jaki sposób procedura zmieniła ryzyko śmierci.10,12 Modelowanie transplantologii jako zależnej od czasu zmiennej w 1977 r., aby przeanalizować wpływ przeszczepienia serca na przeżycie.11 W niniejszym badaniu przeanalizowaliśmy przeszczep płuc jako współzmienną zależną od czasu. Wyodrębniliśmy czynniki zagrożenia, które ujawniają powiązaną multiplikatywną zmianę ryzyka zgonu z powodu przeszczepu płuc. Szczegółowe procedury modelowania opisano w Dodatkowym dodatku, dostępnym wraz z pełnym tekstem tego artykułu na stronie www.nejm.org.
Analiza statystyczna
Korzystając z trzech różnych metod, testowaliśmy odejście od założenia proporcjonalnych zagrożeń, że wpływ zmiennej objaśniającej na zagrożenie jest stały w czasie.14 Po pierwsze, przy użyciu oprogramowania S-plus 7.0 (Insightful), zastosowaliśmy S-plus procedura o nazwie cox.zph do ostatecznego modelu. Po drugie, rozdzieliliśmy badanych pacjentów na dwie mniej więcej równe grupy w zależności od roku ich umieszczenia na liście oczekujących (w okresie od 1992 do 1998 lub od 1999 do 2002) i porównaliśmy powstałe modele proporcjonalnych zagrożeń ze sobą i z ostatecznym modelem. Na koniec przetestowaliśmy wpływ wyższej śmiertelności natychmiast po przeszczepieniu 3, wprowadzając zależny od czasu współczynnik zmienny10, pozwalający przetrwać dłużej niż przez pierwsze 6 miesięcy po transplantacji.
Przeprowadziliśmy dwa dodatkowe testy stabilności modelu. Zbadaliśmy wpływ straty na obserwację15 w naszym ostatecznym modelu (patrz dodatek dodatkowy) i zastosowaliśmy techniki ładowania początkowego w naszym ostatecznym modelu, aby wykluczyć możliwość, że niewielka liczba pacjentów o nietypowych cechach odpowiadała wynikom naszych badań. analiza.16
Przeanalizowaliśmy potencjalne markery jakości życia, w tym dni hospitalizacji i powikłań choroby rocznie
[przypisy: diagnoza genetyczna, markery nowotworowe cennik, lek do inhalacji bez recepty ]