精华内容
下载资源
问答
  • 超大规模队列研究

    2014-02-28 16:39:23
    Mega-Cohort 超大规模队列研究 现代流行病学新方法
  • 从对自杀的概念和社会学方法的一般分析开始,我们分析了意大利刑罚机构对自杀的主要研究。 我们提供了最新的意大利囚犯自杀统计数据(2002-2015年),然后我们以绝对数字和百分比形式分析和讨论了这一数据。 结果...
  • 分别简单设计一个病例对照研究和队列研究,大体说历史性队列研究与病例对照研究最明显的不同在于对照组的划分.历史性队列研究先回顾样本人群有无暴露于某种因素,划分的依据是是否暴露于某种因素,而不是是否发病(对照...

    分别简单设计一个病例对照研究和队列研究,大体说历史性队列研究与病例对照研究最明显的不同在于对照组的划分.历史性队列研究先回顾样本人群有无暴露于某种因素,划分的依据是是否暴露于某种因素,而不是是否发病(对照组也可发病).比方说研究一个100人的人群,里面有30个病人(结局已经出现),回

    1.确定研究因素;2.确定研究结局;3确定研究现场和研究人群:⑴暴露人群:暴露于待研究因素的人群,有四种选择:①职业人群②特殊暴露人群③一般人群④有组织的人群团体⑵对照人群:①内对照;②外对照;③总人口对照;④多重对照。

    自行设计一个关于高血压病的队列研究试验方案?自行设计一个关于高血压病的队列研究实验方案,你就说一点必须是不要吃油性大的要多运动。

    0775368a429464aab3bb7c87bc7a83e4.png

    怎么举例分析队列研究 病例对照研究及随机对照试验怎么举例分析队列研究 病例对照研究及随机对照试验的设计思路 搜索资料 我来答 分享 微信扫一扫 网络繁忙请稍后重试 新浪微博 QQ空间 举报 浏览1 次 本地

    流行病学中在队列研究中对照的设计可以采取哪些形式

    流行病学中在队列研究中对照的设计可以采取哪些形式 搜索资料 我来答 分享 微信扫一扫 网络繁忙请稍后重试 新浪微博 QQ空间 举报 浏览4 次 本地图片

    我做个课题,本来计划在2011年的时候把房颤病人入但是当时在2011年的时候,入选病人的这个工作我没有做,也没有随机,给你这个算是历史性队列研究,跟前瞻性队列研究一起都属于队列研究的范畴,历史性队列研究总体来说还是属于前瞻性的研究,但是因为之前没有经过研究设计,后来入选的病例难免会产生一些偏倚,或为了得出预想的结果而有倾向性的选择病例。

    展开全文
  • 什么是队列研究 队列研究是一种临床研究方法,属于观察性研究。 定义: 特定的人群按照暴露、未暴露于某种因素分为两组,然后追踪一定的时间,比较两组发病或死亡的结局,从而研究暴露因素与结局的关联。 ...

    以下仅为笔者在学习过程中的个人总结,如有错误,敬请指正 :)

    什么是队列研究

    队列研究是一种临床研究方法,属于观察性研究。

    定义:

    特定的人群按照暴露、未暴露于某种因素分为两组,然后追踪一定的时间,比较两组发病或死亡的结局,从而研究暴露因素与结局的关联

    目的:检验病因假设、评价预防的效果、研究疾病的自然史

    分类:固定队列、动态队列

    类型:前瞻性队列研究(所研究的疾病发病率或者死亡率一般不低于千分之5)、回顾性队列研究、双向队列研究

     

    队列研究的关键指标

    危险因素

    主要危险因素

    可能危险因素

    研究结局

    发病、死亡、分子标志(血清学指标、分子标志物)

    结局的测量应客观、明确、严格;采用国际或国内通用的标准

    研究现场

    研究人群

    样本含量

    暴露资料收集与随访

    1.基线资料的收集

    2.随访

    1)随访期:根据疾病的潜伏期(病因作用到临床发现)和暴露与疾病的联系强度做出

    2)随访间隔时间:根据具体情况而定,慢性病间隔时间一般为1-2年

    3)失访的处理:如果暴露组与为暴露组的失访率相似,失访者和未失访者的结局发生率也相似,则失访将不会产生偏移。所以应尽可能取得失访者结局的信息,或从失访者中抽取样本调查其结局。

    比较现实可行的方法:把失访者与未失访者的基线资料中的一些特征加以比较,如果差别不大,则可嘉定结局发生率的差别可能也不大。否则,对选择偏移可能产生的影响应有充分估计。

     

    数据分析/统计

    暴露和疾病关联强度指标的计算

    相对危险度(Risk Ratio,RR)=率比

    定义:暴露组某发病率与非暴露组该病的发病率之比

    RR=暴露组的发病或死亡率 /非暴露组的发病或死亡率

    意义:RR说明暴露组发病(死亡)的危险性是非暴露组的多少倍

    估计总体的范围,应考虑抽样误差的存在,需要计算其可信区间,通常用95%可信区间:

    风险比Hazard Ratio,HR)

    定义:暴露组某发病率与非暴露组该病的风险函数之比

    HR=暴露组的风险函数 h1(t)/非暴露组的风险函数 h2(t) (t 指在相同的时间点上,风险函数指危险率函数、条件死亡率、瞬时死亡率)

    *HR主要通过 COX 回归分析得出,需要用软件来算。

    意义:RR说明暴露组发病(死亡)的危险性是非暴露组的多少倍

    HR 与 RR的区别

    1)两者均用于前瞻性研究,HR与RR 意思差不多,但HR 还考虑了时间因素,包含了时间效应的 RR 就是 HR

    2)从终点时间的角度来看, RR 考虑了终点事件的差异,HR 不仅考虑了终点事件的有无,还考虑了到达终点所用的时间及截尾数据。

    模型校正

    为什么要进行模型矫正

    混杂因素

    在现实中,疾病的发生往往不是单一因素作用的结果。比如:假定吸烟的人都不太喜欢吃水果,而水果摄入过少也可以导致肺癌。因此很有可能出现一种极端的情况,其实吸烟与肺癌无关,我们之所以在队列研究或病例对照研究中观察到了吸烟与肺癌的关系,完全是“吃水果”作怪。此时,我们将“吃水果”称为“混杂因素”,即表示他们可能会干扰暴露因素与结局变量之间的关系

    怎么进行模型校正

    为了排除混杂因素的干扰,需要在统计学上做一些校正,比较常用的方法就是 Cox 风险比例模型和 logistic 回归模型。

    在多因素回归分析中,不管是多重线性回归、logistic回归、还是Cox回归,通常的做法是,将我们在研究中关注的暴露/处理因素,以及可能的混杂因素一同放入到回归模型中进行拟合,如果模型显示暴露/处理因素对结局事件的效应值有统计学显著性,则可认为在“调整了”(Adjusted)其他混杂因素的影响后,该暴露/处理因素对于结局事件是一个“独立”(Independent)的影响因素

    参考

    小白临床研究的进击之路——队列研究

    统计和Meta分析中OR/RR/HR的区别和选择

    医学统计学中RR、OR和HR三个关于比值的概念

    如何理解回归模型中的"调整"和"独立作用"

    展开全文
  • 方法:这是一项回顾性队列研究。 在模型中使用逻辑回归分析来确定独立变量如何预测结果。 生存分析基于Kaplan-Meier曲线,其中受试者被检查死亡。 结果:15年生存率为93.5%,肾功能无恶化率为78.3%。 没有发现所...
  • 材料与方法:丹麦回顾性全国队列研究,包括2195例接受SCB筛查的患者。 研究期间:01.01.2010至30.09.2012。 患者来自丹麦国家患者登记簿。 病理学数据从丹麦病理学数据库获得。 记录根据DKBI-RADS的放射学数据。 从...
  • 了解NHANES数据库的人都知道,它是一项全美范围内的横断面调查,但是小编之前也分享过一篇使用NHANES数据开展前瞻性队列研究的文献,今天跟大家分享一下如何获取一份利用nahens数据开展队列研究所需要的随访结果!...

    了解NHANES数据库的人都知道,它是一项全美范围内的横断面调查,但是小编之前也分享过一篇使用NHANES数据开展前瞻性队列研究的文献,今天跟大家分享一下如何获取一份利用nahens数据开展队列研究所需要的随访结果!

    1、打开死亡数据链接

    https://www.cdc.gov/nchs/data-linkage/mortality.htm

    打开后点击Public-Use Files

    图片

    2、下载Public-Use 2015 LMFSample R program文件

    Public-Use 2015 LMF:字典,内有每个字段的相应解释

    Sample R program:用于死亡数据注释的R代码,也支持SAS和Stata,下载对应文件即可

    3、点击死亡数据下载网址(FTP Site

    图片

     根据需要下载对应年份的数据,这里小编下载2013-2014的数据,则随访时间为1年(需要注意的是,死亡数据只更新到2015年为止,所以大家如果要利用nhanes做队列研究,只能下载2015年以前的数据)

    4、此时文件夹里多了3个文件,依次是死亡数据,字典,以及R代码

    图片

    5、注释死亡数据文件

    (1)用R打开R_ReadlnProgramAllSurveys.R文件

    图片

    (2)代码从57行开始(选中相应代码,点击Run可直接运行),跑完65行看下文选择相应版本代码后再继续运行 

    图片

    (3)选择注释代码版本

    官方直接下载的R代码里包括了两个版本的注释代码:NHIS VERISONNHNES VERISON。

    小编下载的是NHNES版本的数据,文件注释代码选择NHANES VERISON(从164行代码开始)

    图片

    只需要正确修改167和168行的文件名就行,改完这2行后,可将后续代码全部选中,然后点击Run,这样就完成了死亡数据文件的注释 

    图片

    如果下载的是NHIS版本的数据就从72行跑到157行就结束(也只需要注意命名一下72行和73行的文件名)

    6、变量解释可以参考Public-Use 2015 LMF文件(也就是字典)

    图片

     注释后的死亡数据根据SEQN字段就可以和相应年份的其他数据合并了,这样就得到了一份可以开展队列研究的数据了!


     

    展开全文
  • #资源达人分享计划#
  • 为了确定所有登记的结核病患者中再次治疗结核病病例的通知,我们对2015-2017年的常规计划数据进行了回顾性队列研究。 研究地点共登记了8663例结核病病例(所有新旧形式)。 其中,有1916名(22%)被确认为肺部细菌...
  • 病例对照研究和队列研究的区别.doc
  • 病例对照研究报告和队列研究报告的区别.doc
  • 分析PHP队列范文 PHP具有非常强大的功能所有... 什么是队列是先进先出的线性表在具体应用中通常用链表或者数组来实现队列只允许在后端进行插入操作在前端进行删除操作 什么情况下会用了队列呢并发请求又要保证事务的完
  • 流行病学队列研究PPT课件.pptx
  • 方法:在一项前瞻性队列研究(2013-2015年)中,有401名足月孕妇接受了引产(Bishop分数≤6),这些孕妇在西班牙马德里Móstoles的Rey Juan Carlos医院分娩。米索前列醇和地诺前列酮诱导160。 通过连续病例的非概率...
  • 队列研究——流行病学PPT课件.pptx
  • 实验流行病学与队列研究的异同.docx
  • 基于GPU的语义松弛非阻塞并行队列研究.pdf
  • 在不同类别的趋势遗传风险人群中(前5%,5-95%和最低5%),在随访期间的CKB队列中观察到CKB队列中肺癌事件的持续分离曲线,高遗传风险参与者的肺癌相对风险高于低遗传风险参与者(HR 2·37,95%CI 1·64-3·44;...

    这是一篇值得学习的文章,基本上全文翻译了这篇文章,觉得重要的地方进行了突出显示。

    我认为重要的内容

    • 1.处于高遗传风险的轻度吸烟者与处于中等遗传风险的重度吸烟者显示出相当的风险在每个遗传风险类别中,吸烟的程度与肺癌相对风险的增加相关
    • 2.处于低遗传风险的好处可能在很大程度上被吸烟所抵消,支持公共卫生努力不吸烟,强调每个人都有健康的无烟生活方式,即使对那些遗传风险较低的人也是如此。
    • 遗传得分在前20%,甚至是前10%的人,可以通过终生不吸烟来抵消他们患肺癌的大部分风险

    研究亮点

    这项研究之前的证据

    我们系统检索PubMed在2018年8月23日之前发表的研究论文,检索词为“多基因风险评分”和“GWAS”。近几十年来,使用全基因组关联研究(GWAS)策略已经确定了数百个复杂疾病的易感基因位点,该策略表明,来自先前GWAS的这些遗传风险位点可以作为多基因风险评分(PRS)来识别疾病风险增加的个体,以进行精确预防,例如阿尔茨海默氏病、心血管疾病和乳腺癌。对于肺癌,在不同人群中确定了45个风险位点,并进行了几项病例对照研究以评估PRS,但此类PRS在预测肺癌风险方面的区分能力较差,主要是因为在前瞻性研究中缺乏验证。此外,大多数已发表的研究都是在欧洲血统的人群中进行的,很少有研究包括其他种族群体。

    本研究的附加价值

    我们鉴定了6个新的易感基因位点与非小细胞肺癌(NSCLC)的风险显着相关。我们使用19个GWAS衍生的风险位点产生了PRS,然后我们在一个独立的、大规模的前瞻性中国队列中,首次评估了它在预测肺癌风险方面的有效性。PRS成功地预测了中国研究人群中的肺癌病例。具体地说,我们观察到低、中、高遗传风险的个体肺癌事件的风险曲线一致分离,并且这个PRS是区别于年龄和吸烟包年的独立有效的风险分层指标。

    所有现有证据的含义

    本研究中确定的风险位点为肺癌风险的遗传基础提供了额外的见解。我们的PRS预测结果表明,PRS可以有效地用于区分肺癌高危人群,他们可以从基于PRS的肺癌筛查计划中受益,从而在中国人群中进行精确预防。

    总览

    背景

    基因变异在非小细胞肺癌(NSCLC)的发生发展中起重要作用。然而,尤其是在中国人群中,肺癌的遗传因素尚未完全确定,这限制了使用现有的多基因风险评分(PRS)来确定肺癌高危亚群以进行预防。因此,我们的目的是识别与NSCLC风险相关的新位点,并建立一个PRS,评估其在预测中国人群肺癌风险中的效用

    方法

    为系统地识别NSCLC风险的基因变异,我们从南京医科大学全球筛查项目中新纳入19 546中国NSCLC病例的样本和对照并做了一个27120个NSCLC患者和27355例非NSCLC的全基因组相关研究的meta分析 (13327例病例和13 328对照为中国血统;13793例和14027对照为欧洲血统)。

    然后,我们根据所有报道的单核苷酸多态性建立了中国人群的PRS,这些单核苷酸多态性在全基因组水平上与肺癌风险相关。我们对来自中国Kadoorie生物银行 (CKB) 登记的95408人进行了10年以上的随访,评估了建立的PRS在预测肺癌高危亚群中的效用。

    发现

    我们确定了19个易感性位点与NSCLC风险显著相关(p≤5.0×10⁸,包括六个新位点。当应用于CKB队列时,风险位点的PRS成功地预测了高遗传风险(前10%)的参与者与低遗传风险(后10%)的参与者的肺癌发病率。调整危险比为1.96,95% CI 1.53-2.51;p = 2.02×10 ⁹)。尤其要指出的是,我们在低、中、高遗传风险个体中分别观察到肺癌事件的一致分离曲线,PRS是在年龄和吸烟年限之外的一个独立有效的风险分层指标

    意义

    我们首次证明,基于GWAS的PRS可以有效地用于鉴别肺癌高危亚群,这些亚群可能会受益于基于PRS的肺癌筛查项目,从而在中国人群中进行精确预防。

    简介

    肺癌是中国和世界上发病率和死亡率最高的癌症。据估计,2018年新发肺癌病例将超过209万例,约占全球癌症确诊总数的11.6%。非小细胞肺癌(NSCLC)约占肺癌病例总数的85%虽然环境风险因素(如吸烟)贡献最大,但遗传变异可以解释12-21%的肺癌遗传度。在过去十年中,基因组关联研究(GWAS)已经在不同种族人群中确定了45个肺癌风险位点;然而,与肺癌风险相关的遗传因素尚未完全确定或验证,特别是在中国人群中。

    最近的大规模人群研究表明,常见遗传变异的组合效应可能成为区分复杂疾病高危人群的有效工具。先前GWAS确定的遗传风险位点可以进行多基因风险评分(PRS),应用于识别疾病风险增加的个体,如阿尔茨海默病,心血管疾病和乳腺癌。对于肺癌,已经进行了几项病例对照研究,使用的PRS在预测肺癌风险方面的辨别能力很差,主要是因为在前瞻性研究中缺乏随后的验证。此外,大多数研究都是在欧洲血统的人群中进行的,很少有研究包括其他种族群体。

    我们的目标是识别与非小细胞肺癌风险相关的新基因位点,并生成非小细胞肺癌的PRS,并评估其在预测肺癌风险中的效用和有效性,这些个体是从独立的大规模前瞻性中国人群队列中随机选择的子集。

    方法

    分型和质控

    所用芯片为GSA芯片和Affmetrix Axiom芯片。对于本研究中使用的所有数据集,我们根据文献在样本水平和变异水平进行了标准质量控制。每个数据集中的合格样本和基因型数据用SHAPEIT(版本2)phase,并使用默认参数和INPUTE(版本2)进行基因型填充,以1000基因组项目第3阶段数据库(2014年10月发布)作为参考。附录(pp3,4)中描述了有关质量控制和填充过程的详细信息。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BIvXojHR-1583297455588)(https://jiawen.zd200572.com/wp-content/uploads/2020/03/PRS-LC1.jpg)]

    PRS的实用性和有效性

    我们从所有单核苷酸多态性(SNP;即81个SNP)中推导出专门适用于中国人群的PRS,这些多态性在当前和以前的研究中都报告与肺癌风险相关。为了确保模型的效率,我们应用了几个标准来排除冗余变异:中国人群中的次要等位基因频率小于0.00125,连锁不平衡的SNP(R2≥0·1),以及与肺癌相关的p>0·00125(在0·05/40的多次比较之后,保留了19个风险SNP用于PRS计算。详细过程如图1所示。

    在本研究中,我们通过在中国人群中将每个变异的每个风险等位基因的基因型剂量按其各自的权重(即比值比[OR]的Ln)相乘后合计来生成PRS。在本研究中,所有变异的效应大小都来自于中国NSCLC患者的关联,为了一致性,在适当的情况下,所有这些都被转向危险等位基因。由统计学家(JD和MZ)计算PRS,这些统计学家在CKB队列中对端点进行掩蔽,然后在CKB队列中独立评估PRS与肺癌风险之间的关联。

    统计分析

    对于GWAS数据集,我们使用基于概率剂量模型的SNPTEST软件(版本2.5.4)使用Logistic回归分析计算每个等位基因的ORs和Se。使用METAL软件(版本2011-03-25.24)组合来自每个GWAS数据集的个体关联估计,为了满足固定效应Meta分析的统计要求,我们排除了I2为75%或更高的变体或Coch值为p≤1∙0×10-4的变体,这表明了七个GWAS数据集之间的高度异质性。我们还使用Cochran‘s Q检验评估了中国和欧洲人群之间关联的异质性,采用了从两个群体估计的log-ORs和Se。我们还将I2设置为75%或更多,或将Cochran的Q统计量设置为p≤1∙0×10-4,以表示高度的异质性。我们应用相同的标准来评估不同亚组之间的异质性,例如吸烟状况和性别。统计分析的细节见附录(P4)。

    对于CKB队列,我们使用Cox比例风险回归模型来检验PRS与肺癌事件之间的关联,调整了年龄、性别、区域来源和吸烟状况。根据PRS的分布,参与者被分为十个相等的组,我们将每组的危险比(HR)与最低的十分之一进行比较。PRS前5%内的个体被认为是高遗传风险的群体,5%-95%为中等风险,而最低5%为低风险群体。重度吸烟者定义为30包年或更多,其他人则为轻度吸烟者(<30包年)。27我们使用Cox回归计算到2016年底每个亚组的累积事件发生率,将其标准化为上述调整的平均值。我们使用R软件(版本3.5.1)进行了所有分析。

    结果

    为了确定非小细胞肺癌风险位点,我们在分析中包括了27120例非小细胞肺癌病例和27355例对照。无论是总体样本还是特定亚组样本,都没有观察到明显的群体分层(即各亚群之间等位基因频率的系统差异)(附录p 5)。病例组和对照组个体的年龄和性别很好地平衡,其中15581例(57.5%)为肺腺癌,8350例(30.8%)为肺鳞癌(附录p15)。

    19个位点在GWAS的Meta分析中(即p≤5·0×10−8)在整个NSCLC与组织学亚型的关联分析中达到统计学意义。在19个基因座中,有6个是新的,包括3个与非小细胞肺癌总体风险相关的基因座(2q33.1[rs3769821:or 1·08,p=4·45×10−8],3q26.2[rs2293607:or 1·10,p=1·82×10−10]和14q13.1[rs1200399:or 1·11,p=3·05×10−9]),2个肺腺癌(2p14)肺鳞癌1例(9q33.2[rs4573350:or 1·13,p=3·23×10−9];图2和表)。我们还验证了13个先前报道的GWAS显著水平的位点,包括12个NSCLC总风险位点(例如,3q28,5p15.33和6p22.1)和一个肺腺癌(15q21.1;图2和表)。值得注意的是,先前在欧洲人群中报道的两个危险位点(即8p12[rs4236709]和11q23.3[rs55768116])也首次在中国人群中被鉴定。这19个风险位点的区域图被用来说明每个区域的连锁不平衡模式和相关基因(附录pp6-9)。

    如图2A和2B所示,我们确定了四个新的肺腺癌风险位点:2p14和9p13.3在肺腺癌亚组中特别显着,而3q26.2和14q13.1在总体NSCLC风险和肺腺癌风险中都检测到。如图2B和2C所示,肺癌风险的遗传结构在肺腺癌和肺鳞癌之间有显着差异。肺鳞状细胞癌的信号较少,并且只有一个信号是肺鳞状细胞癌的特异性信号(9q33.2)。我们还按性别、吸烟和组织学状态对六个新的危险位点进行了亚组分析(附录pp10,20-25)。如附录(P10)所示,6个基因座中的5个在肺腺癌和鳞状细胞癌之间表现出高度的异质性(即,3q26.2[rs2293607],14q13.1[rs1200399],2p14[rs17038564],9p13.3[rs35201538]和9q33.2[rs4573350]),而在不同吸烟状况或性别的亚组中没有表现出明显的异质性。

    为了比较中国和欧洲人群中19个确定的风险位点的遗传差异,用带气泡的森林地块显示了非小细胞肺癌、肺腺癌和肺鳞癌中每个风险位点的铅SNP的效应估计和效应等位基因频率(图3)。如图3A所示,15个已鉴定的风险位点中的6个在不同群体(即3q28,5p15.33,6p21.1,8p12,15q25.1和19q13.2)之间表现出高度的异质性(即,I2≥75%或p≤1∙0×10-4)。对于组织学亚组,四个风险位点(即3q28,5p15.33,6p21.1和15q25.1)显示出中国和欧洲人群中肺腺癌的高度异质性(图3B),一个风险位点(即9q33.2)显示这些人群之间的肺鳞癌高度异质性(图3C)。

    在PRS应用阶段,来自CKB队列的总共95 408名中国参与者被纳入预测分析。在随访期间,1316例患者确诊为肺癌,中位随访时间为10·44年(IQR 9·41-11·33;附录p19)。我们使用19个SNP推导出特定于中国人群的PRS计算模型,这些SNP选自以前报道的81个SNP和与肺癌风险相关的新SNP(图1和附录pp26-37)。19个风险位点解释了肺癌遗传度的0·99%,该遗传度采用易感性阈值法计算。PRS的计算过程在附录中提供(第38页)。患有肺癌的个体比其他参与者具有更高的PRS(附录p11)。在本研究中,探索了不同的临界值,然后使用PRSs的前5%、5%-95%和底层5%来定义高、中、低遗传风险群体(附录p12)。

    总体而言,数据显示GWAS衍生的PRS在CKB队列中显著预测肺癌风险。具体地说,观察到每一级遗传风险的风险梯度,使得高遗传风险的参与者(即位于PRS前10%的参与者)患肺癌的风险明显高于低遗传风险的参与者(即,在最低的10%遗传风险中),调整后的危险比(HR)为1·96(95%CI 1·53-2·51;p=2·02×10-9;图4A)。在不同类别的趋势遗传风险人群中(前5%,5-95%和最低5%),在随访期间的CKB队列中观察到CKB队列中肺癌事件的持续分离曲线,高遗传风险参与者的肺癌相对风险高于低遗传风险参与者(HR 2·37,95%CI 1·64-3·44;图4C)。在非吸烟者与吸烟者以及女性与男性中观察到类似的预测结果,即使我们将高危人群的定义扩展到PRS的前10%(附录p13)。

    根据CKB队列分析的结果,观察到PRS和吸烟对发生肺癌事件的联合累积效应。例如,图4B显示,低遗传风险的轻度吸烟者(包年<30)的癌症风险与不吸烟者相似(HR 1·17,95%CI 0·64-2·15),而观察到中等遗传风险的轻度吸烟者(HR 1·79,95%CI 1·49-2·14),重度吸烟者(包年≥30)在低遗传风险(HR 2·08,95%CI 1·18-3·67)中的癌症风险逐渐增加,轻度吸烟者(HR 2·08,95%CI 1·18-3·67)95%CI 1·92-4·49,中等遗传风险的重度吸烟者(HR3·27,95%CI 2·71-3·94),以及经过年龄、性别和地区调整后的高遗传风险的重度吸烟者(HR 3·98,95%CI 2·64-5·99)(图4B)。尽管吸烟(特别是包年)随着年龄在CKB队列中显示出高预测性能(附录p14),但处于高遗传风险的轻度吸烟者与处于中等遗传风险的重度吸烟者显示出相当的风险在每个遗传风险类别中,吸烟的程度与肺癌相对风险的增加相关(图4D)。与遗传风险较高的轻度吸烟者(每100000人年337.6人年)相比,在遗传风险较低的情况下大量吸烟的参与者患肺癌的比率较低(244.7/100000人年)。此外,低遗传风险在很大程度上被吸烟所抵消。在遗传风险较低的重度吸烟者中观察到更高的标准化累积肺癌风险,而在遗传风险较高的从不吸烟者中观察到更高的标准化累积肺癌风险(244·7vs155·3/10万人年)。

    讨论

    在本研究中,我们对NSCLC的GWAS进行了大规模的荟萃分析。我们发现了6个新的基因座,并确认了之前报道的13个与NSCLC风险相关的基因座。重要的是,GWAS衍生的PRS使用独立的前瞻性队列研究以剂量-反应方式显著预测肺癌事件病例,在低、中、高遗传风险人群的随访期间观察到肺癌事件的一致分离曲线。这些结果表明,PRS具有预测中国人群肺癌风险的能力,并且它潜在地优化了可持续肺癌预防中高风险亚群的定义,超出了吸烟包年和其他已知预测因子。因此,我们首次表明,PRS是预测肺癌风险的有效工具,并可潜在地应用于中国人群中肺癌的精确预防

    我们还观察到肺腺癌和肺鳞癌之间的组织学异质性。在我们鉴定的19个位点中,有16个位点(如2p14,9p13.3和15q21.1)在肺腺癌亚组中有显著意义,而在肺鳞癌中只有4个位点显著(即5p15.33,6p21.32-6p22.1,9q33.2和15q25.1)。这一发现进一步支持了先前的研究,即肺腺癌和肺鳞癌是非常不同的疾病,因为它们在胚系变异或体细胞改变方面存在不同的生物学和基因组异常。此外,吸烟与肺鳞癌的相关性比肺腺癌更强,表明这些组织学亚型的致癌机制不同。在中国和欧洲人群之间确定的19个风险位点中,19个已鉴定的风险位点中的7个显示出群体之间的高度异质性。例如,3q28和5p15.33处的铅SNP的效应大小在中国人群中大于欧洲人群,而15q25.1显示相反;这些结果与先前的报道一致。这些发现扩展了我们对中国人和欧洲人后裔之间NSCLC风险的遗传差异的认识

    PRS的有效性评估通常通过它们是否可以帮助将人群分层为具有不同绝对风险程度的亚组,推动临床或个人决策来确定。虽然有几项研究评估了PRS在肺癌中的预测性能,但它们采用病例对照设计的小样本量往往导致结果并不预期。在本研究中,我们验证了来自GWAS的PRS在全国范围的CKB前瞻性队列研究中显著预测了中国人群的肺癌风险,这是本研究的优势所在。PRS定义的具有不同遗传风险的人群中NSCLC发病率的差异提供了证据,表明它可用于肺癌筛查,以识别高风险亚组,以进行精确预防或个性化干预

    PRS的临床使用大致可分为三大类干预措施:基于PRS信息的疾病筛查、基于PRS信息的生活规划和基于PRS信息的治疗干预。在本研究中,我们观察到基于GWAS的PRS是超过年龄和吸烟包年的肺癌风险的潜在预测因子,这是美国预防服务工作组和国家综合癌症网络临床实践指南在当前指南中使用的主要筛查资格标准。我们观察到重度肺癌的不同累积事件发生率此外,目前的研究结果显示,遗传风险高的轻度吸烟者的肺癌发病率与CKB队列中的重度吸烟者相似,表明这些参与者可能包括在任何肺癌筛查计划中。综上所述,本研究为个体化筛查计划提供了证据和潜在数据。例如,国家肺部筛查试验中肺癌筛查方案的选择标准或间隔可能会根据个别PRS进行修改,以减少CT扫描造成的辐射潜在危险。

    本研究的另一个重要发现是,处于低遗传风险的好处可能在很大程度上被吸烟所抵消,支持公共卫生努力不吸烟,强调每个人都有健康的无烟生活方式,即使对那些遗传风险较低的人也是如此。此外,即使在没有或个人希望避免预防性筛查肺癌的情况下,PRS也可能是有用的。与最近关于冠心病的研究类似,遗传得分在前20%,甚至是前10%的人,可以通过终生不吸烟来抵消他们患肺癌的大部分风险,导致他们的肺癌风险降低近60%。关于基因测试的潜在成本,只有19个肺癌风险位点会被考虑用于PRS建设;因此,如果PRS被实施到一个大型的以人群为基础的筛查计划中,这类测试的成本将会相当低。

    此外,为了阐明19种变异的贡献,我们使用责任阈值方法评估了这些SNP的遗传性。尽管19个变异所贡献的遗传力相对较低(约0·99%),但这一估计并不直接与PRS对任何特定个体的使用有关。先前的研究表明,即使常见变异解释的总遗传力较低,PRS中这些变异的累积效应对于复杂疾病的风险分层可能是有效的。这一建议得到了遗传研究的支持,而Mega和他的同事开发的27个CHD相关SNPs的PRS 39能够识别CHD事件风险增加的个体,随后的随机对照试验表明,具有高PRS的个体使用他汀类药物显示出数字上最大的相对和绝对风险降低。

    我们研究的局限性在于,我们只评估了中国前瞻性队列中由GWASs确定的19个风险位点,这限制了我们的研究结果可推广到其他具有不同等位基因频率、连锁不平衡模式和变异效应大小的人群。另一个限制是在NSCLC中确定危险位点和各自的效应,而PRS的效用在前瞻性队列中评估整体肺癌。第三个限制是,PRS在肺癌筛查中的真正效用无法在我们的前瞻性队列中进行评估,而应在实际的基于人群的筛查计划中进行进一步评估,例如美国的国家肺筛查试验。

    总之,本研究中确定的风险位点为肺癌风险的遗传基础提供了额外的洞察力,进一步推进了对肺癌易感性和致癌机制的理解。我们还首次验证了,据我们所知,PRS可以有效地用于肺癌风险预测,潜在地导致一种可行的肺癌筛查计划,用于精确预防和个体化干预。

    展开全文
  • 该存储库包含2020-21年度机器学习精益队列研究材料。 日期 话题 资源 2021年1月22日 方向 2021年1月25日 Git和GitHub 2021年1月31日 适用于ML的Python 2021年2月5日 疑问环节 参考录音 2021年2月22日 Python库 ...
  • connectFaas 连接FAAS API以进行DCEG的同类研究 API文档@
  • 病例对照研究和队列研究详解

    千次阅读 2021-08-21 15:26:49
    病例对照研究,队列研究是在临床上常见的两种研究类型,但是都属于观察性研究,是为了用统计学的方法解释临床遇见的一些问题,并且做出合理的预防,治疗,预后等等。 病例对照研究:以确诊的患有某特定疾病的病人...
  • 【摘要】提高外科队列研究报告质量(Strengthening The Reporting Of Cohort Studies In Surgery, STROCSS)的指南是最新版关于外科队列研究报告的规范,其于2017年9月在线发表于International Journal of Surgery....
  • #资源达人分享计划#
  • 出生队列研究为探讨生命早期暴露组的研究提供了很好的机遇。 研究目的:提供暴露组分析方法及优缺点,剔除关于暴露组研究中的挑战。 2.暴露组学(The Exposome) 概念于2005年提出,三个方面:1)广义外暴露,如...
  • #资源达人分享计划#
  • 一项前瞻性队列研究

    2020-06-04 06:58:21
    此外,与四链队列(1.9±2.2 mm)相比,五链队列(5.1±3.5 mm)中的最大手动测试的平均左右差异(p = 0.01)高得多。 五股线组(1.4±0.9)比6股线组(-0.3±1.9 mm)明显增加了6-12周的前松弛度的正平均变化(p =...
  • AWS SQS消息队列研究

    2020-05-22 16:17:47
    普通队列 FIFO队列 等。。。。。待续
  • 队列绑定到扇形交换机,队列的binding key与消息的routing key无效,不管队列是否设置binding key和生产者是否设置routing key,生产者发送到扇形交换机的消息,队列都能收到。 三、消费者 消费者绑定到...
  • 基于队列的分析研究

    2019-06-02 11:05:02
    本文主要介绍基于队列的分析研究,内容分为以下几大块: 队列的性质以及特点 队列的分类、使用方法、代码实战 高并发队列分析与压测报告 队列与设计模式的关联 交易系统的应用场景分析 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 127,041
精华内容 50,816
关键字:

队列研究

友情链接: PingExt.rar