條文本

原始研究
確定心血管健康的社區和個人彈性概況:一項對生活在亞特蘭大大都市地區的黑人的橫斷麵研究
  1. Yi-An Ko1
  2. 珍妮沈2
  3. 金永梭圓金3.
  4. 馬修Topel3.
  5. Mahasin穆賈希德4
  6. 赫爾曼•泰勒5
  7. Arshed Quyyumi3.
  8. 馬裏奧•西姆斯6
  9. 中提琴Vaccarino7
  10. 彼得Baltrus8
  11. 傷心劉易斯7
  1. 1生物統計與生物信息學學係埃默裏大學羅林斯公共衛生學院亞特蘭大喬治亞州美國
  2. 2生物統計、流行病學和信息學學係賓夕法尼亞大學費城賓西法尼亞美國
  3. 3.的心髒病埃默裏大學醫學院亞特蘭大喬治亞州美國
  4. 4的流行病學加州大學伯克利分校公共衛生學院加州大學伯克利分校加州美國
  5. 5醫學係的莫爾豪斯醫學院亞特蘭大喬治亞州美國
  6. 6醫學係的密西西比大學醫學中心傑克遜密西西比州美國
  7. 7部門的流行病學埃默裏大學羅林斯公共衛生學院亞特蘭大喬治亞州美國
  8. 8社區衛生和預防醫學係莫爾豪斯醫學院亞特蘭大喬治亞州美國
  1. 對應到Yi-An Ko博士;yko8在}{emory.edu

摘要

客觀的同時研究黑人中多個個體層麵的社區認知和社會心理特征及其與心血管健康(CVH)的關係。

設計橫斷麵研究。

設置受試者於2016年至2018年通過便利抽樣方式招募。

參與者385名黑人男女,年齡30-70歲,居住在亞特蘭大市(美國喬治亞州)。

主要結果測量個人的CVH被總結為使用美國心髒協會的簡單生活7 (LS7)指標的綜合得分。

方法我們實施了無監督學習(k-means)和有監督學習(貝葉斯狄利克雷過程聚類),基於11個自我報告的鄰裏感知和社會心理特征來識別聚類。我們還進行了主成分分析,總結鄰裏感知和社會心理變量,並評估它們與LS7分數的關係。

結果K-means和貝葉斯聚類分別得到4個和5個聚類。基於後向分布,較高的LS7分數與更好的社區感知和社會心理特征相關,包括社區安全、社會凝聚力、與鄰居的活動、環境掌握、生活目標、彈性應對和無抑鬱。綜合來看,在考慮了年齡、性別、家庭收入和教育水平後,鄰裏感知和社會心理特征的第一主成分與LS7評分分別增加0.07 (95% CI−0.17至0.31)和0.31 (95% CI 0.06至0.55)相關。

結論鄰裏感知和社會心理領域都與CVH相關,但個體的社會心理特征似乎對CVH貢獻最大。承認這兩個領域因素重要性的方法可能對增強黑人社區的恢複力和促進CVH最有益處。

  • 冠心病
  • 流行病學
  • beplay体育相关新闻

數據可用性聲明

根據合理的要求提供數據。分析數據可通過通訊作者索取,並得到研究負責人的批準。如有興趣進行合作研究,請聯係PB (pbaltrus@msm.edu)和TL (tene.t.lewis@emory.edu)。

http://creativecommons.org/licenses/by-nc/4.0/

這是一篇開放獲取的文章,按照創作共用署名非商業性(CC BY-NC 4.0)許可發布,該許可允許其他人以非商業性的方式發布、混編、改編、構建本作品,並以不同的條款授權他們的衍生作品,前提是原創作品被正確引用,給予適當的榮譽,任何更改都被注明,且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/

來自Altmetric.com的統計

請求的權限

如果您希望重用這篇文章的任何部分或全部,請使用下麵的鏈接,它將帶您訪問版權清除中心的RightsLink服務。您將能夠快速獲得價格和以多種不同方式重用內容的即時許可。

本研究的優勢和局限性

  • 這項研究的重點是風險和彈性異質性的黑人,一個風險人群。

  • 我們使用多元聚類分析有效地調查了11個與心血管健康相關的社區感知和社會心理變量,而不是在以往的研究中將它們作為單獨的暴露。

  • 這是一項使用方便抽樣的單點研究,因此結果可能無法推廣到目標研究人群。

盡管在過去的40年裏,美國所有主要種族和民族的心血管疾病(CVD)死亡率顯著下降,1在心血管疾病死亡率和心血管健康(CVH)下降率方麵的黑人和白人差異在不同年齡組中仍然存在。2 - 4與其他種族相比,黑人的心血管疾病負擔最高,死亡率下降率最低。5個6具體來說,黑人的許多心血管疾病風險因素的患病率更高,包括肥胖、高血壓、糖尿病和血脂異常。7 8除了傳統的心血管疾病風險因素外,其他潛在的機製,如鄰裏特征、心理社會壓力、個人觀點、社會經濟地位,都可能是導致黑人心血管疾病風險增加的原因。9 - 12這些傳統和非傳統風險因素的集合,包括社會決定因素,可能導致黑人心血管疾病負擔更高。13

相對於其他種族/民族群體,關於黑人心血管疾病的研究幾乎隻關注於他們患心血管疾病的過高風險。然而,這忽略了一個事實,即在黑人人群中存在相當大的異質性,例如一些黑人個體比其他人有更好的CVH概況。不幸的是,研究那些可能促進高危人群“複原力”的因素的努力有限。彈性被定義為“生命係統成功維持或恢複穩態的能力”,以應對一係列挑戰,包括那些“個人、社會、社會或環境”的挑戰。14在CVH研究的背景下,黑人“種族”經常使個體在多個層麵上麵臨一係列多因素的挑戰,這被認為是導致他們患病的過高比率的原因。同樣,這些恢複力因素也可能是多因素的,在個人和他們的環境/社區背景兩方麵起作用。越來越多的證據表明個體的心理社會特征第15 - 22以及他們對周圍環境的看法第23 - 25可能是CVH的重要決定因素。例如,研究發現,抑鬱症狀較少和CVH狀況較好之間存在關聯,12包括吸煙26還有血壓控製。27針對黑人其他心理社會健康措施的CVH研究仍然有限。一些研究表明,更樂觀的人會有更多的CVH行為,28生活的目標和掌握與降低死亡和心血管疾病事件的風險有關。29 30另一方麵,一些研究利用社區樣本調查了鄰裏環境在CVH中的作用。31-37對一組可能對黑人不良CVD結果具有恢複力的綜合候選因素的深入調查,對於製定改善黑人CVH的針對性幹預策略的建議至關重要。

基於人群和觀察性研究的一個主要挑戰是在多維(風險和彈性)暴露因素的背景下詢問CVH概況。暴露因素的相互關聯性質使識別它們對CVH結果的綜合影響的任務複雜化。在多暴露因素的傳統分析中,數據往往是單變量分析,以確定與結果的關係。19日24 38-40這些關聯檢驗忽略了暴露因素之間潛在的相關性,沒有同時考慮它們的影響,而且往往在多次試驗調整後,檢測顯著影響的能力較低。此外,每種暴露因素可能隻占結果可變性的一小部分。為了繞過這些問題,機器學習中的聚類和分類技術變得流行起來,因為它們能夠處理多個暴露變量,並檢測出其他不受重視的分組模式。

莫爾豪斯-埃默裏心血管(MECA)健康公平中心研究發現,在亞特蘭大大都市地區,黑人過早發生心血管事件的比率存在巨大差異。41該研究招募了一組生活在亞特蘭大的黑人居民,發現生活在心血管事件發生率較低的社區的人報告了更好的社區特征和更積極的社會心理特征。42本研究建立在另一個亞特蘭大樣本的這些發現的基礎上,以檢驗自我報告的社區感知和社會心理特征的聚類模式,以及特征的聚類是否與通過簡單生活7 (LS7)評分測量的個人水平CVH概況相關。43識別與高LS7分數相對應的重要個體層麵因素的模式或集群,可能為促進黑人中的CVH提供一個起點。

方法

患者和公眾的參與

研究問題和結果測量的製定並不受研究參與者的優先事項、經驗或偏好的影響。參與者沒有參與研究的設計、招募和實施。研究結果將通過出版物和學校網站傳播給研究參與者。

研究設計和課題

這是一個橫斷麵研究設計,涉及MECA研究數據的二次分析。41 422016年至2018年,通過便利抽樣,共招募了400名生活在大亞特蘭大地區的成年人,年齡在30-70歲之間,自認為是黑人或非裔美國人。研究對象是通過傳單、學校網站公告或家人和朋友的推薦招募的。排除標準包括心血管疾病史(如心肌梗死、充血性心力衰竭、腦血管意外、冠狀動脈疾病、外周動脈疾病、心房纖顫和心肌病)、艾滋病、狼瘡、癌症、藥物濫用(酒精或藥物)、精神疾病、孕婦或哺乳期女性以及不能參加增加體力活動的患者。排除標準的建立是由於有機會參與原始研究中的生活方式幹預試驗(ClinicalTrials.gov標識:NCT03308812).一旦登記,每個研究參與者前往研究實驗室進行體檢,抽血,並在埃默裏大學或莫爾豪斯醫學院(Atlanta, Georgia, USA)完成調查問卷。記錄血壓和人體測量數據。所有抽血均在禁食12小時後進行。在調查中,收集了人口信息、居住地址、病史和社會經濟狀況(收入、教育、就業和婚姻狀況)。此外,我們還獲得了有關飲食和運動以及預選的潛在風險和恢複力因素的數據(詳情如下)。所有研究對象均提供書麵知情同意書。

LS7分數

“LS7”概念側重於原始預防,目標是通過改變生活方式改善人群的CVH,最終降低疾病風險。考慮到單獨檢查單個指標是沒有效率的(由於多重測試問題),並且隻能提供邊緣信息,而不是CVH的總體總結,美國心髒協會(https://mlc.heart.org)通過為每個指標賦值並將分數相加,創建了一個複合分數。43-50具體來說,理想的CVH指標包括理想的體育活動(每周≥150或75分鍾的中等強度或高強度運動,分別),總膽固醇(<200 mg/dL),血壓(<120/80 mm Hg),空腹血糖(<100 mg/dL),體重指數(<25 kg/m)2)、不吸煙,以及健康飲食(定義為水果/蔬菜、全穀物、魚類、糖和鹽的攝入量)。43每個指標的理想、中間和差水平的定義載於在線補充材料基於“我的生活檢查”,一個健康評估和改善工具(https://mlc.heart.org).對於每個指標,我們分別為理想、中級和較差的水平分配2分、1分和0分,並獲得了介於0到14之間的LS7分數。分數越高表示CVH越好。

個體層麵的,自我報告的聚類因素

在這項研究中,共有11個與鄰裏認知和個體社會心理特征相關的變量被考慮在內在線補充材料).研究評估了五項對鄰裏的認知,包括審美品質、步行環境、安全、社會凝聚力和與鄰裏的活動。51六種個體心理社會特征包括歧視(日常歧視量表),52樂觀(生活取向測試修正),53 54環境掌控(賴夫的心理健康),55 56生活的目標(賴夫的心理健康),55 56彈性應對(康納·戴維森彈性量表)57抑鬱症狀(貝克抑鬱量表II)。58在所有儀器中,項目回複率從97%到100%不等。缺失項目(<3%)被替換為完成項目的中位數(在每個個體內),以計算每個問卷的總結性得分。為了在所有考慮的變量之間進行直接比較,我們對某些量表的總結得分進行了反向編碼,這樣在11份問卷中,得分越高總是表示健康狀況或感知能力越好。例如,在“每日歧視量表”或“貝克抑鬱量表”中得分越高,表明歧視經曆的頻率越低或抑鬱症狀越少。

聚類方法

我們沒有一次調查一個變量,也沒有將所有變量包含在一個單一的回歸模型中,而是應用了以下聚類方法,形成了一些具有不同社區感知和社會心理特征的群體。每個聚類組中的人都有相似的資料,也就是說,他們在11個變量(自我報告問卷的總結分數)方麵是同質的。在分析前對這11個變量進行了標準化。

首先,我們采用基於基於Dirichlet過程混合模型的貝葉斯聚類的剖麵回歸,這是一種通過聚類成員將響應向量(即本研究中的LS7評分)與協變量數據(即11個鄰裏感知和社會心理變量)聯係起來的非參數方法。59這種方法由一個聚類分配子模型(將單個概要文件分配給聚類)和一個結果子模型(通過回歸建模將聚類與感興趣的結果聯係起來)組成。采用馬爾可夫鏈蒙特卡羅方法對兩個子模型進行聯合擬合,使得聚類數量在采樣器的不同迭代過程中有所不同。對於每個固定數量的簇,根據不相似矩陣選擇最佳分區。通過最大化這些最佳分區上集群之間的平均距離來選擇最終的代表性集群。使用了R包PReMiuM。60

此外,我們采用k-means方法基於11個社區感知和社會心理變量來定義和表征集群。具體來說,k-means是一種非參數劃分方法。61 62該算法最初隨機選擇k個質心,並通過最小化聚類內距離平方和將每個數據點分配到其最小質心。然後,將質心計算為聚類中所有數據點的平均值。然後,數據點再次分配到它們最近的中心點。算法繼續進行,直到數據點沒有被重新分配或達到迭代的最大次數。通過繪製聚類數和相應的聚類內平方和來確定最優聚類數。由於k-means不使用LS7評分信息形成聚類,因此被認為是一種無監督學習方法。

統計分析

在400名被招募的受試者中,有395人成功參加了這項研究。其中6人因不抽血而沒有LS7評分,4人完全遺漏至少2份問卷,分析樣本量為385。受試者特征的連續變量被總結為平均值(±SD)或中位數(25和75分位數),而分類變量被報告為頻率計數和比例(百分比),視情況而定。一旦通過k-means確定了聚類,方差分析被應用於比較k-means聚類之間的LS7分數,其次是Tukey的誠實顯著差異事後檢驗,用於兩兩比較。接下來,使用線性回歸對k-means聚類的LS7評分進行回歸,並對年齡、性別、人均家庭年收入和教育水平進行調整,因為這些已知與CVH相關。參與者從八個不同收入範圍的類別中確定了他們的家庭年收入(例如,10,000 - 15,000美元,15,000 - 20,000美元)。人均年收入的粗略表示是用某一收入等級的中位數除以家庭規模。參與者從五個類別中選擇自己的最高教育水平,然後分成三個類別進行分析:大學畢業、部分大學或技術學校和高中畢業或以下。

為了評價鄰裏感知域和個體社會心理域對個體CVH的貢獻,分別對五個鄰裏感知變量和六個社會心理變量進行了獨立主成分(PC)分析。然後為每個域提取第一個PC (PC1),即PC1nbh和PC1印第安納州.采用線性回歸評估LS7評分與PC1之間的關係nbh和PC1印第安納州可調整年齡,性別,收入和教育(以上定義)。所有統計分析均采用R V.3.3.1進行。考慮雙側檢驗,p<0.05認為差異有統計學意義。

結果

參與者的特征

表1顯示了385名參與者的特征,平均年齡52.7±10.3歲,女性占60.8%。平均LS7評分為7.99±2.19。總體而言,分別有176人(46%)、75人(20%)和85人(22%)報告患有高血壓、糖尿病和血脂異常。大約三分之一(34%)的人擁有大學學位,37%的人接受過一定程度的大學教育,而28%的人擁有高中或以下學曆。此外,47%的家庭年收入低於25,000美元,23%的家庭年收入低於10,000美元。家庭人均收入中位數為12 500美元(IQR美元5000 - 2250美元)。

表1

用貝葉斯狄利克雷過程對五個學科特征對應的聚類進行聚類

通過貝葉斯狄利克雷過程聚類,整體社區感知和社會心理健康狀況組與LS7相關

我們通過貝葉斯狄利克雷過程聚類應用剖麵回歸,根據11個變量(來自自報告問卷的總結得分)對參與者進行分類。表1顯示了五個已確定的集群,樣本大小如下:27(7%),71(18%),129(34%),108(28%)和50(13%)。他們的平均LS7得分分別為4.26、5.58、7.47、9.44和11.64。第5組(LS7分數最高)由較年輕的受試者(平均年齡4-10歲)、較少的女性(50% vs ~60%的其他組)和較高的收入和教育水平組成,與其他組相比。第1組(LS7評分最低組)的年齡和性別分布與其他組無明顯差異;但是,收入和教育水平明顯較低。

圖1顯示了每個聚類對應的鄰裏感知和個體社會心理評分的後驗分布。第1組的得分與其他組相比一直較低。集群5在所有集群中表現出一貫的最高得分(除了“日常歧視”)。具體來說,根據90%的可信區間,第5組在社區安全、社會凝聚力、與鄰居的活動、環境掌握、生活目標和彈性應對等方麵的得分明顯高於其他組。群集2、3和4中的大多數受試者(80%)在鄰裏感知和社會心理領域均表現出中等得分。

圖1

5個代表性群體(水平軸)的標準化自我報告社區感知和社會心理分數後驗分布的箱形圖,其中1最低,5最高LS7分數。彩色點表示5%和95%分位數,因此建議90%可信區間。紅色和藍色分別表示5%和95%分位數在0以上和0以下,而綠色表示90%可信區間覆蓋0。活動,與鄰居的活動;AQ,感官質量;應對,彈性應對;Discriminat日常歧視;LS7, Life’s Simple 7;目標,人生的目標;我們步行環境。

從k-means得出的整體社區認知和社會心理健康集群

最佳k-均值聚類數為4。圖2顯示每個k-means聚類的11個變量的平均分。群集1 (n=112)在鄰裏感知和個人心理社會健康領域均表現出一貫較高的平均得分。簇2 (n=41)在鄰裏感知域的變量得分最低。類群3 (n=147)在鄰裏感知域的每個變量的平均得分為中等。另一方麵,在心理社會健康領域的得分幾乎與第一組的得分一樣高。第4組(n=85)在鄰裏感知領域的每個變量也有平均得分,但總體上在個人心理社會健康領域表現出最低的得分。

圖2

由k-means得出的4個類群的11個標準化鄰裏感知和社會心理的平均值。

k-means聚類與LS7之間的關聯

圖3說明了LS7評分在4個k-means簇中的分布。四組間的LS7評分差異顯著(p=0.006), Tukey的事後檢驗表明,第1組和第4組間LS7評分的顯著差異為0.91 (95% CI 0.11至1.71)(p=0.019)。表2表示各簇之間LS7評分的估計差異。在調整年齡、性別、收入和教育程度後,類群2和類群4的平均LS7得分估計分別為0.79 (95% CI 0.01 ~ 1.58)和0.67 (95% CI 0.05 ~ 1.29),低於類群1。研究發現,年齡較小和擁有大學學位的人LS7分數較高。

圖3

4個k-means聚類的簡單生活7 (LS7)評分分布。集群1-4中的數字分別為n=112、41、147和85。

表2

經年齡、性別、教育程度和收入調整後,用k-means定義的聚類之間LS7評分的估計差異

社區認知和社會心理特征對LS7的貢獻

應用PC分析,PC1nbh和PC1印第安納州分別解釋了56%和55%的數據變異性。表3顯示PC1的加載nbh和PC1印第安納州,這表明所有的分數對PC1的影響相當平均。表4顯示了PC1中增加1個SD對應的LS7評分的估計差異nbh和PC1印第安納州根據年齡、性別、教育程度和收入進行了調整。當PC1nbh和PC1印第安納州被納入同一模型,PC1印第安納州,而不是PC1nbh,與LS7評分顯著相關。PC1增加1sd印第安納州與LS7評分估計增加0.31 (95% CI 0.06 ~ 0.55)相關。

表3

鄰域感知的第一主成分(PC1nbh)和個體心理健康評分(PC1印第安納州

表4

LS7評分與鄰裏感知第一主成分(PC1)和個體心理健康評分之間的關係與年齡、性別、教育程度和收入的調整有關

討論

我們使用現有的聚類方法,在整體CVH分析中整合與鄰裏感知和社會心理特征相關的多個變量。這些方法允許識別潛在的分組和發展潛在的研究假設。此外,我們進行了PC分析,通過保留每個領域的第一個PC來總結社區感知和個人心理社會健康變量。總的來說,結果表明這兩個域都與黑人的CVH相關。具體來說,那些對社區有較好認知和心理社會特征(包括社區安全、社會凝聚力、與鄰居的活動、對環境的掌握、生活目標、有彈性的應對和沒有抑鬱)的人,LS7分數較高。

貝葉斯狄利克雷過程聚類產生了鄰裏感知和社會心理變量的後驗分布,這五個被識別的具有代表性的聚類與LS7分數相關。該方法允許用戶對11個變量進行全麵檢查,評估每個因素對LS7分數高低的貢獻的可能性,並比較集群之間的相似性和不相似性度量。除日常歧視外,所有評分均與LS7評分呈一致的增加趨勢,表明良好的社區感知和社會心理狀況可能促進CVH。雖然LS7分數極低的個體報告的歧視經曆相對增加,但LS7分數中等或理想的個體在歧視得分上沒有明顯差異。這一觀察結果與傑克遜心髒研究一致。19

另一方麵,k-means試圖在11個感興趣的變量中定義同質組,而不連接到結果變量。由此產生的4個k-means聚類允許對個體的社會心理特征(高評分vs低評分)進行調查,這些特征具有相似的鄰裏感知評分(即聚類3 vs 4),反之亦然(即聚類1 vs 3)。在調整了年齡、性別、收入和教育程度後,我們發現聚類3的LS7評分明顯高於聚類4。結果與PC分析結果一致,當兩者同時考慮時,隻有PC1印第安納州與LS7評分顯著相關。結果表明,這兩個領域對CVH都很重要,社會心理健康領域更占優勢。

我們在一項研究中對社區感知和社會心理領域的多個維度進行了全麵調查,而不是一次隻檢查一個“暴露”和CVH。我們的研究提供了一個獨特的機會來評估社區、社會心理因素和實現理想CVH之間的聯係,這對黑人來說是至關重要的,因為他們有較高的CVD負擔。然而,我們的研究有一些局限性。研究參與者中60%為女性,近50%為低收入者,采用便利抽樣法招募,因此結果可能無法推廣到目標研究人群。考慮到研究設計和數據可用性,我們隻考慮5個社區感知得分和6個個體心理社會特征得分作為CVH的潛在風險和彈性因素。然而,額外的社區特征(如獲得健康食物、體育活動資源)和個人心理健康狀況(如社會支持)也可能有助於CVH恢複力。此外,在使用聚類和分類方法時,聚類不確定性也是一個問題。需要一個全麵的驗證程序,這對於一個更大規模的研究將是有意義的,但它超出了我們目前的適度樣本量的探索性研究的範圍。最後,考慮到橫斷麵研究設計,我們無法確定修改心理社會因素是否會導致與CVH相關的行為改變的關聯性方向性。心理特征更健康的人可能更有可能參與CVH活動,而CVH活動反過來又可能促進更好的社會心理健康和社區認知。

結論

我們演示了使用聚類方法將多個問卷得分轉化為CVH分析的一個分組變量,這提供了總體社區感知和社會心理健康概況的有用特征,並避免了單獨調查單個變量。我們的研究結果表明,CVH特征可能受到鄰裏感知(即鄰裏安全、社會凝聚力和與鄰居的活動)和社會心理因素(環境掌握、生活目標、彈性應對和無抑鬱)的影響。這表明,旨在提高黑人成年人支持和安全地與鄰居聚集在一起的能力的政策(例如,減少犯罪的舉措,支持社區聚集地點和其他社區服務)可能最終會增強社區層麵的CVH。與此同時,專注於改善掌控感、提供目標感、改善應對和減少抑鬱的社會心理治療可能會在個人層麵上增強CVH。然而,承認兩個層麵因素重要性的方法可能對增強黑人社區的恢複力和促進CVH最有益處。

數據可用性聲明

根據合理的要求提供數據。分析數據可通過通訊作者索取,並得到研究負責人的批準。如有興趣進行合作研究,請聯係PB (pbaltrus@msm.edu)和TL (tene.t.lewis@emory.edu)。

倫理語句

倫理批準

埃默裏大學和莫爾豪斯醫學院的IRB已經批準了這項研究。Emory IRB的批準編號是83584。與本研究相關的莫爾豪斯IRB批準如下:809 392-1(臨床)和790 389-2(人群)。

參考文獻

補充材料

  • 補充數據

    這個網絡僅文件已由BMJ出版集團從作者提供的電子文件生產(s),並沒有編輯的內容。

腳注

  • 貢獻者YK設計了分析策略,分析了數據,解釋了結果並撰寫了稿件。JS幫助進行文獻綜述,數據分析和起草結果部分。JHK和MT幫助實施了主要研究,包括數據質量保證。MM, HT, AQ, MS和VV審閱了論文並提供了建設性的意見。AQ和HT是中心授予pi。PB和TL是項目pi。所有的作者審閱了手稿,分享了評論並編輯了手稿。

  • 資金這項工作得到了美國心髒協會戰略重點研究網絡差異資助No . 0000031288的支持。

  • 相互競爭的利益沒有宣布。

  • 來源和同行評審不是委托;外部同行評議。

  • 補充材料本內容由作者提供。它沒有經過BMJ出版集團有限公司(BMJ)的審查,也可能沒有經過同行評審。討論的任何意見或建議僅僅是那些作者(s)和不被BMJ認可。BMJ放棄從放在內容上的任何依賴產生的所有責任和責任。如果內容包含任何翻譯材料,BMJ不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南、術語、藥品名稱和藥物劑量),並且不對翻譯和改編或其他原因引起的任何錯誤和/或遺漏負責。