條文本
PDF
文摘
目的愛爾蘭的目的利用雙能x線骨密度儀(DXA對)衛生信息學預測(臀部)骨質疏鬆症項目是創建一個大型回顧性隊列的成年人在愛爾蘭檢查DXA對診斷分類的有效性,風險評估工具和管理策略對骨質疏鬆症和骨質疏鬆性骨折。
參與者隊列包括36歲的590名男性和女性4 - 104年曾DXA對掃描2000年1月至2018年11月在愛爾蘭西部3中心之一。
發現到目前為止36 590名患者至少有1 DXA對掃描,掃描和6868年(18.77%)3823(10.45%)有3個或更多的掃描。有364個獨特的醫學疾病,186獨特的藥物和46 DXA對變量識別和分析。組包括349(28.3%)人接受了篩查DXA對掃描沒有明確骨折危險因素(年齡),和9947年(27.2%)與普遍44骨骼部位的骨折1。
未來的計劃愛爾蘭DXA對髖部項目計劃評估當前診斷分類和骨質疏鬆症和骨折風險預測算法,確定骨質疏鬆症的風險預測和開發新穎,準確和個性化的風險預測工具,通過使用大型多中心縱向隨訪隊列。此外,數據集可用於評估,並可能支持、multimorbidity管理由於大量的變量收集在這個項目。
- 風濕病學
- 衛生信息學
- 風險管理
- 骨骼疾病
這是一個開放的分布式條依照創作共用署名非商業性(4.0 CC通過數控)許可證,允許別人分發,混音,適應,建立這個工作非商業化,和許可他們的衍生產品在不同的協議,提供了最初的工作是正確地引用,給出合適的信用,任何更改表示,非商業使用。看到的:http://creativecommons.org/licenses/by-nc/4.0/。
來自Altmetric.com的統計
本研究的優點和局限性
我們已經建立了一個大型匿名數據庫> 36 000人的人口記錄,DXA對指標、臨床和治療性變量,大約四分之一的人有一個普遍的骨折,其中四分之一沒有可識別的骨質疏鬆症的主要危險因素。
這些數據可用於提供實質性的探索當前工具的有效性身份低的人骨礦物質密度或骨折的風險。
重要的局限性包括弱勢群體缺乏數據,實驗室和其他變量和驗證潛在臨床變量和藥物,和全國其他地區的數據;我們計劃在將來的研究中解決這些。
介紹
今天,非傳染性疾病(NCDs)是全球最常見的疾病,包括肌肉骨骼關節炎和骨質疏鬆症等病症。1骨質疏鬆症是一個全球性的健康危機目前影響成千上萬的男人,婦女和兒童,更多的風險。2脆弱性骨折是骨質疏鬆症的臨床表現。預測表明,脆性骨折的年發病率從2017年到2030年將增長23.3%在六個歐洲國家,其人口總和代表歐洲> 60%的人口。2骨折導致實質性的發病率,死亡率和相關社會和醫療保健費用增加。3100萬多名質量調整壽命損失是由於osteoporotic-related骨折每年在歐洲。22010年,大約43 000年歐洲死亡是骨折相關而與骨質疏鬆相關支出超過€370億。4個5雖然對骨質疏鬆性骨折的住院醫院成本,或超過其他非傳染性疾病如癌症和心血管疾病,6 7他們收到相當的關注更少。這可能是一個原因骨折患者的骨質疏鬆症護理往往隻局限和不足,8盡管事實上,研究表明,預防性治療能減少骨折風險,33% - -50%。9高風險和高成本的準確和及時識別患者是至關重要的促進有效護理和減少這種疾病的負擔。
骨質疏鬆性骨折的多數與遺傳有關,患者的物理屬性、生活方式、其他疾病和藥物。10 - 13許多骨折預防通過識別這些風險在斷裂之前,然後使用證明,安全,廉價而有效的幹預措施。2骨礦物質密度(BMD)是最好的預測絕經後女性骨質疏鬆性骨折的骨折。第12 -BMD通常由雙能x線吸收儀測量方法(DXA對)的機器。許多患者進行DXA對掃描測量BMD為了估計風險,把他們歸類為骨質疏鬆性(或不)和監控幹預的影響。20 21BMD的結合與其他因素(如吸煙、血壓、血糖)增強了此評估,以及一係列風險的工具已經被開發出來,與相應的優點和局限性。22然而,即使“最佳工具”,“一刀切”的方法與臨床實踐的“最佳”算法有一定的局限性;更個性化的方法是可取的。23
世衛組織及其會員國致力於可持續發展目標,旨在到2030年解決非傳染性疾病,大大減輕他們的負擔。24電子健康信息(一嗨租車)有很大潛力提高質量、效率和有效性的醫療診斷、監測和規定,同時大幅降低成本。25日26日生成大量數據每年在醫療保健提供病人護理、法規遵從性,但是這些數據都未得到充分利用,閑躺在大數字存儲庫。25大數據的定義是“大容量、高速和/或高可變性信息資產,具有成本效益的需求,創新形式的信息處理,使提高洞察力,決策和過程自動化。27大數據分析的進步和新穎應用人工智能(AI)可以通過改善推進這一目標人群疾病診斷和治療水平,同時也為個人提供個性化的方法。28目前,在全球範圍內治療骨質疏鬆症,一嗨租車的主要來源是DXA對機器,醫院衛生係統,電子醫療記錄(電子病曆)和醫院管理係統。
盡管愛爾蘭人公認為全球組骨折風險最高的國家之一,2健壯的數據存在於有限的負擔骨質疏鬆性疾病,骨折風險的有效性和適當的分類和管理標準愛爾蘭人口。部分解決這個限製,作者對愛爾蘭的研究進行了係統回顧檢查測定儀,骨折風險評估和骨折風險預測。39歲的二百零三篇論文被發現的風險預測評估或DXA對診斷標準的結果。大多數研究都是小:四> 1000例,隻有一個> 10 000例。沒有研究係統地評估各種DXA對診斷標準,7篇論文相比其他評價方法測定儀(ie,超聲波,指甲光譜學,CT,骨折風險工具),和七個論文各種骨折危險因素或風險評估工具。一紙“驗證”骨折風險評估工具(FRAX)使用有限的數據集從公立醫院記錄髖部骨折。然而,這篇論文不包括髖部骨折診斷的準確性的數據,其他設施,其他骨折,測定儀或其他臨床信息。29日然而,一項研究(n = 90)並評估FRAX正確分類的能力愛爾蘭人接受治療。30.
隊列描述
病人和公眾參與
本研究沒有參與者參與完成。放棄倫理委員會同意了。
源數據
DXA對掃描數據收集三醫院網站從四個DXA對機器。這些網站是位於公共資金資助的學術教學醫院:一係的老年醫學在斯萊戈大學醫院,一係的風濕病,Manorhamilton大學醫院和兩個係的風濕病,梅林公園,高威大學醫院。一台機器在梅林公園舉辦進口從2005年的老掃描儀數據;掃描儀有更少的軟件功能。源數據從所有四個DXA對機器(GE月球神童,麥迪遜,威斯康辛州,美國;軟件V.17.0)提取,驗證、清洗和合並成一個大匿名數據集。
初始項目計劃包括合並DXA對數據與電子病曆使用的風濕病學和斷裂聯絡服務,醫院住院病人查詢係統和電子放電總結係統,所有可用的電子通過各自的醫院信息係統。然而,愛爾蘭的解釋新通用數據保護監管(GDPR)立法杜絕這樣的措施不明確病人同意。因為這個需求將需要大量額外的人力和資金是可行的,提出了本文僅DXA對掃描數據。
所有患者稱為DXA對掃描的醫生,包括全科醫生,骨科骨折診所、骨質疏鬆症和其他醫療服務專業,大多數人對DXA對掃描一個適當的指示。31日所有掃描滿足當前國家的立法需求,並與設定的最佳國際慣例操作臨床微國際社會。32DXA對臨床團隊成員經驗豐富,訓練有素,國際社會對臨床Densitometry-certified在執行和解釋骨密度;每個診所都有類似的標準操作程序。此外,每個診所也是骨質疏鬆和骨折的主要中心在各自醫院聯絡服務。病人被稱為“曆史斷裂的有這個驗證測定儀技術專家在掃描的時候,通過回顧各自醫院的電子放射學係統。這些係統無法訪問外部設備。病人沒有一個適當的指示掃描返回的引用醫生,要求更多的信息或被拒絕的推薦。使用的協議考慮DXA對篩查年輕健康的病人(基於舊標準)將作為一個早期發現和治療神經支配減少fracture-related發病率在愛爾蘭人口的晚年。
隊列
所有受試者至少有一個DXA對掃描之間的四個DXA對掃描儀22 2000年1月至2018年11月1日被包含在數據集。也排除掃描測定儀的幽靈和掃描,人口沒有進入DXA對機器的地方。DXA對掃描與極端值出現錯誤或無法驗證也被排除在外。其中包括掃描的高度或> < 1米2米,體重< 20公斤或以上機器限製(110 - 158公斤),體重指數> 70年和BMD < 0.0 > 5.0。之前的數據清洗過程進行了最後GDPR立法實現時可以使用編碼識別和跟蹤掃描數據。所有的數據已經被完全匿名,這樣它不能追溯到或用於識別任何個人和/或與任何其他數據。這是符合目前GDPR立法和批準項目的倫理要求。
對照組
對照組從隊列中選擇。對照組被定義為那些被稱為篩查DXA對掃描和沒有任何其他風險因素(除了年齡)上市,包括斷裂。這組,雖然不是隨機選擇健康的社區誌願者,將在進一步比較研究作為健康對照組。主要目標是正確的風險分類和診斷,和骨折風險評估。後續數據分析將包括那些與骨折的比較,在比較不同的骨折類型的五大類別,列出的國際骨質疏鬆症基金會(即臀部,脊柱/椎,肱骨,前臂和其他)。
變量
當病人被稱為DXA對掃描、臨床診斷和藥物等重要信息收集和輸入DXA對機器。所有的臨床資料,包括骨折網站,和藥物對於這個項目,已經被一位高級獨立審查和驗證臨床研究員(JC)和列為“風險因素”、“保護性因素”,“沒有影響”或“骨質疏鬆症或骨治療”。骨折也分為5個類別(例如,髖關節,脊柱/椎,肱骨,前臂和其他)。病人的人口統計變量包括年齡,性別,種族,身高和體重。DXA對變量包括骨礦物質含量、骨區,BMD, t指數(全國健康和營養調查(NHANES) III /通用電氣(GE)), z分數(NHANES III /通用,沒有重量的調整),脂肪質量,精益質量,椎體高度,臀部幾何,FRAX 10年主要骨質疏鬆性骨折,髖部骨折的風險。
發現到目前為止
共有37 053例(19年的數據)從4 DXA對機器位於愛爾蘭提取三個醫院網站。後清洗和驗證數據的數據分析之前,36 590獨特的主題,每個人都有至少一個DXA對掃描,年齡在4到104年。總共25 899例(70.78%)受試者一掃描,6868例(18.77%)有兩個掃描和3823名(10.45%)患者有三個或更多的掃描。梅林公園裏的大多數掃描進行大學醫院(53%),31%的人在Manorhamilton大學醫院在斯萊戈大學醫院和16%。摘要提出了數據的完整性和可用性表1。
總共10 349名受試者被稱為DXA對掃描沒有明顯的骨折危險因素(除了年齡在某些情況下)被選作為對照組。共有9947名患者至少有1斷裂之前,1 44骨骼的網站。用於數據分析364獨特的醫學疾病,186獨特的藥物和46 DXA對變量。有相當大的異質性有關並發症和藥物。這可能反映了當地實踐和轉診服務人群。
總結提出了男性和女性受試者的細節表2和3,分別。一個未配對的學生的比較組間t檢驗進行了連續變量,而χ2測試執行分類變量。一個p值< 0.05被認為是顯著的。在種族和性別方麵,幾乎100%的受試者是高加索人(預期),86%是女性。女性受試者的平均年齡是60年;70%的女性主題是絕經後婦女。盡管有27%的女性受試者斷裂之前,隻有23%的人正在和/或維生素D和鈣< 11%是骨質疏鬆症的治療。一般來說,男性受試者年齡(62.4年和60.5年),高(172.3厘米和160.4厘米),重(80.8公斤、68.4公斤)和用戶更容易皮質類固醇(24.5%比9.5%,p < 0.001),雖然類似的比例是吸煙者(9.9%比9.3%,p = 0.196)。而男性受試者有更高意味著股骨頸骨密度(0.901克/厘米2和0.842克/厘米2)和10年期骨折風險較低(11.03% vs 7.34%) (p < 0.001),他們有一個類似骨折患病率(27.3% vs 27.2%),而不太可能是骨質疏鬆症藥物治療(7.3%比10.5%,p < 0.01)。
所有分析使用Minitab V.16.0、考文垂、英國、R V.3.5.1和MS SQL Server Management Studio 18。
未來的計劃
骨質疏鬆症為愛爾蘭人口數據限製的國家的適用性和通用性,與大多數的研究僅限於小異構的研究。而許多較大的研究已經開展,他們已經出版使用有限的信息從國家公立醫院管理的數據集。29日33 34所有研究迄今已進行了包括個人信息非常有限,不提供有關病人的信息其他設施或被管理作為門診或從不去醫院,而不是與DXA對數據、藥物使用或未來事件。此外,一些研究質疑FRAX工具正確地識別的準確性骨折風險的愛爾蘭人。30 35多個風險模型提出了使用來自各種數據源的數據預測低BMD、骨折和並發症。11 36-49衛生信息學預測(臀部)項目“大數據”的方式包含DXA對材料的近40 000名患者有大約10 000骨折和相對較大的方便控製隊列生成幾乎20年。還包括算法風險評分的方法,等變量用來計算分數。此外,該項目已經進入一個數組變量,包括藥物治療、並發症和已知的危險因素,變量為愛爾蘭人以前從未被評估。這些數據,提供獨有的第一次,一個機會去研究脆弱性骨折在大範圍內的關係更代表愛爾蘭人口。這些數據也提供了一個機會來開發一個模型,它可能會在全球範圍內被複製。此外,由於大量的變量,其他藥物和疾病,這群可用於未來,學習其他感興趣的疾病包括心血管疾病、糖尿病和癌症。
在以後的論文,作者比較和對比人口計劃,DXA對生物識別技術和其他臨床危險因素之間的低BMD(或誰會列為“骨質疏鬆”通過各種測定儀標準),那些常見骨折,那些沒有流行的危險因素,隨後骨折和那些沒有開發。我們計劃評估可用的風險因素的重要性我們的人口,和他們的貢獻多少。各種骨折風險工具的性能、模型評估策略和更新穎的人工智能預測方法較低的骨密度和骨折使用傳統的變量,也將被評估。我們也可以比較結果與其他人群,和評估變量和模型的重要性為特定骨折網站,除了比較各種模型在人口的總“一刀切”的方式,以及更個性化的方法對於不同的個體與特定的特征或特征。
多維分析將使用在線分析處理對象上執行的人口學特征和動態變化的邊際影響特定的疾病和危險因素從多個角度,包括年齡、性別、地區和影響骨密度的變化,身高、體重和其他生物識別技術。使用適當的描述性統計數據總結,然後利用分類標準相比,之後,它將被評估由多個斷裂預測算法使用統計,集群和相關性分析,加上分類和回歸模型。最後,計量經濟學和機器學習方法將被應用到數據預測骨質疏鬆性骨折的風險和/或患者BMD的變化。例如,我們有一個紙媒體大概是檢測低BMD使用機器學習技術。50預計臀部框架(起源於愛爾蘭DXA對髖部骨質疏鬆症項目)也可能適用於其他地理區域,和其他非傳染性疾病的預測,如心血管疾病,糖尿病和癌症。這些假設將探索在稍後的日期。
的優點和缺點
這項研究有幾個優點,包括一個大型數據樣本容量從多個中心,高質量的性能是一個傳統和嵌入到實踐中。此外,有許多患者的長期隨訪和大量的人口,生物和臨床變量。作為群體的很大一部分似乎在“低風險”骨折在基線,他們可以作為一個很大的便利。與此同時,隨著> 25%的人群也有一個裂縫,這將使更健壯的骨折風險的分析算法。鑒於骨質疏鬆症的患病率和低BMD取決於所使用的標準和計算方法,51這將需要進一步探索和解釋一個愛爾蘭上下文。有些病人的數據集有多個掃描和提供一個機會去探索風險因素的邊際效應例如BMD的變化有或沒有幹預和這種變化如何修改結果。骨質疏鬆症和脆弱性骨折患者的護理是一個全球性的問題,目前的醫療實踐和綜合利用大數據仍不滿意,15 52 53大多數病人既不是診斷,調查之後也沒有治療骨骼脆弱性骨折。52 54 55愛爾蘭的研究表明,一些患者骨質疏鬆也同樣不治療,而另一些人可能即使沒有DXA對掃描治療,骨折或骨折風險高。56-58乍一看,似乎許多患者骨折不治療。有機會在這個項目中進一步探索這個。
所有的研究有其局限性。本研究的局限性包括這樣一個事實:> 99%的人群是白人,其他地區的人沒有被包括在內,那些沒有DXA對掃描和掃描患者在其他技術也排除在外。雖然當前數據集隻有117名患者報告其他種族,包括68年亞洲,18個黑色,15個拉美裔和16“其他”;如果在其他人群獲得驗證我們的結果,這將表明他們是健壯的和更大的利益和相關性。此外,雖然我們關於處方藥的信息,我們沒有一個完整的列表,劑量或治療的持續時間。我們也承認,相當大的遺漏可以存在於數據處理階段。雖然涉及的數據在我們的研究中已經仔細檢查和驗證,遺漏仍能發生由於不完整的訪問整個病人的記錄信息,如掃描圖像並記錄在其他部門。可能是一些健康與骨折患者誤診。還有可能,一些病人被診斷為骨折,但隻有在可疑的情況。此外,在許多情況下數據依賴患者自我報告的其他風險因素和藥物使用,和/或引用的報告臨床醫生都不能準確地驗證。 Since the introduction of GDPR legislation, we are no longer able to link DXA data to other datasets or back to the original sources, as all data have been anonymised. Ideally, we would be able to obtain consent from patients and track this information more carefully going forward, but in order to do so, it will require research funding or the allocation of staff resource to do this prospectively. However, this paper and other planned publications outlining the scope, validity and robustness of these measures and tools, will generate results and potential further hypotheses, which in turn will future support further collaborations for prospective cohort studies incorporating DXA technology for predicting fractures, cardiovascular disease and other morbidities.
引用
腳注
合作者這個項目的所有數據已經完全匿名,不再是可追溯到源或標識符編碼或其他。所有的數據存儲和秘密地處理。目前,隻有一小群團隊訪問這些數據(EE、YL JC),而臨床團隊獲得臨床係統但不能連接這研究數據。這個愛爾蘭DXA對髖部骨質疏鬆症項目(衛生信息學預測)代表合作的臨床醫學和研究的學科,計算機工程、工業工程和大數據的科學。
貢獻者所有作者都參與的發展計劃,計劃分析,回顧了結果和參與稿件的編寫和審核。臨床成員(JC,女警官,BW、CS、鉬,BR,我去我)參與收集、工程學和計算機科學的成員(EE、TW LY,醫學博士,AB和我的)在數據清洗、合並和分析和五個調查人員(EE, LY, AB, MD和JC),確保每個階段的有效性數據收集、處理和分析。
資金調查人員專用的他們的專業知識和所有輸入項目免費。
相互競爭的利益沒有宣布。
病人同意出版不是必需的。
倫理批準數據收集之前,正式批準尋求和獲得臨床網站從當地醫院的從回顧性隊列研究倫理委員會來處理信息,目的是探索DXA對愛爾蘭的有效性。有相當多的考慮在使用和訪問,臨床係統,數據的有效性,處理,存儲和分析,特別是根據新的立法關於歐盟數據保護,即通用數據保護監管(可用:https://gdpr-info.eu/https://gdpr-info.eu/)。
出處和同行評議不是委托;外部同行評議。
數據可用性聲明所有數據都包含在相關研究文章或作為補充信息上傳。開放獲取出版的數據。原始數據集文件與作者。