條文本
PDF
文摘
客觀的確定心血管疾病(CVD)之間的協議的風險預測與誰non-laboratory-based模型計算和實驗室模型在一個代表性的秘魯的成年人。
設計國家健康調查的橫斷麵分析。
方法絕對CVD風險與2019人計算實驗室和non-laboratory-based模型。兩模型的風險預測與Bland-Altman情節相比,林的一致性係數相關性(LCCC)和kappa統計,分層按性別、年齡、身體質量指數類別,吸煙和糖尿病狀態。
結果663人30-59歲被納入分析。總的來說,沒有實質性的差異意味著CVD風險與實驗室模型計算2.0% (95% CI 1.8%到2.2%)和non-laboratory-based模型2.0% (95% CI 1.8%到2.1%)。Bland-Altman情節,協議的限製是最寬的糖尿病患者(−0.21;4.37)而沒有糖尿病的人(−1.17;0.95)。協議按照LCCC最低也在糖尿病患者(0.74 (95% CI 0.63 - 0.82)),觀察同一kappa統計(k = 0.36)。一般來說,分數之間的協議是合適的臨床意義。
結論絕對的心血管風險預測和實驗室之間的相似non-laboratory-based 2019人心血管風險模型。等待驗證從縱向研究,non-laboratory-based模型(而不是以實驗室為基礎的)可以用來當在秘魯人口評估心血管疾病風險。
- 心髒流行病學
- 成人心髒病學
- 流行病學
數據可用性聲明
數據可能會從第三方獲得,不公開。可用數據集從CENAN要求。
這是一個開放的分布式依照創作共用署名4.0條Unported (4.0) CC許可,允許他人複製、分配、混音、轉換和發展這項工作為任何目的,提供了最初的工作是正確地引用,執照的鏈接,並表明是否變化。看到的:https://creativecommons.org/licenses/by/4.0/。
來自Altmetric.com的統計
本研究的優點和局限性
這種分析提供了第一個證據之間的協議2019人心血管疾病風險實驗室和non-laboratory-based模型。
我們利用最新的全國代表性調查,包括血液生物標誌物在秘魯。
我們的研究人群是年輕人,其中大多數是婦女,整體低絕對心血管風險預測。沒有人在研究人口絕對心血管風險≥20%。
我們假設所有與會者都免費的心血管疾病(CVD)使用2019人CVD風險評分,作為心血管事件的信息關於曆史沒有報道。
介紹
心血管疾病(心血管病)是全球死亡的主要原因。1成人心血管疾病導致了1850萬人死亡,2019年,占全球死亡的36%。2 3此外,心血管病一個巨大的負擔強加在低收入和中等收入國家(中低收入國家的要求),4死於心血管病發生在年輕的年齡與高收入國家(嗝)。1然而,心血管疾病是可以預防和管理通過群體和個體層麵的幹預;5對於後者,個人在高心血管風險的識別是心血管疾病預防的基石。在這方麵,世衛組織和泛美衛生組織(PAHO),6除了幾個臨床指南,7號到9號推薦CVD危險分層與心血管疾病風險預測模型通知以證據為基礎的治療。
心血管疾病風險預測模型識別人受益的預防性幹預措施(如他汀類藥物治療)。10雖然有一些心血管疾病風險預測模型,11這些大多是發達國家在中低收入國家建設嗝限製了他們的應用程序將需要調整提供準確的預測來指導治療分配。為了克服這個限製,世衛組織召開全球努力獲得,校準和驗證所有世界地區新的心血管疾病風險預測模型。12兩位心血管疾病風險預測模型開發:實驗室模型和non-laboratory-based模型。因為實驗室生物標記物(如總膽固醇)可能不可用在初級保健中心中低收入國家建設限製使用實驗室CVD風險預測模型,13non-laboratory-based模型出現作為臨床醫生中低收入國家建設的一個方便的工具。同樣,心血管疾病風險預測模型是用於監控的患病率高CVD風險和治療覆蓋率(即人高CVD接受治療)。14在這種背景下,國家開展國家或大型基於人群健康調查沒有脂質生物標誌物可以受益於non-laboratory-based模型。秘魯,例如,沒有普通國民健康調查包括總膽固醇,但秘魯每年全國健康調查包括人體測量學、血壓和健康問卷調查。在秘魯,和其他類似的中低收入國家的要求,它不可能監控的負擔與實驗室高CVD風險模型和non-laboratory-based模型上升作為唯一的選擇。盡管如此,關於證據之間的協議從拉丁美洲的國家實驗室和non-laboratory-based模型不見了。12是否誰non-laboratory-based模型提供類似於那些以實驗室為基礎的預測模型在拉丁美洲仍然未知。然而,臨床醫生需要這個證據告知他們的選擇(non-laboratory-based vs實驗室模型),並解釋結果non-laboratory-based模型的假設下,以實驗室為基礎模型是黃金標準。12為從業者提供這些證據在秘魯,我們之間的協議決定風險預測與non-laboratory-based模型計算和實驗室模型在一個代表性的秘魯的成年人。
方法
數據源
這是一個橫斷麵研究的國家調查中心由國家食品和營養(CENAN,西班牙的首字母縮寫)的秘魯。CENAN的調查是在2017年和2018年之間進行的一個代表性的秘魯年齡在18歲到59歲的成年人。15值得注意的是,這是最近在秘魯全國代表性調查,包括血液生物標誌物(如血脂)。CENAN的調查之後堅持道德準則和標準化的協議已經在其他地方發表。15每個參與者都了解所有程序和技術用於調查;同時,參與者可能會隨時離開了研究和他們的個人信息是保密的。15
CENAN調查樣本的計算使用公式所示在線補充圖1,沿著一條概率抽樣設計方法與兩個階段。15首先,集群被隨機選擇考慮三個階層:(1)城市除了利馬市農村地區(2)和(3)利馬城。然後,家庭(59歲的成人生活在)在每個集群隨機選擇。選擇調查樣本中,參與者必須履行以下入選標準:(1)到59歲的成年人和(2)9 - 12小時禁食血液生物標誌物。以下參與者被排除在外:(1)孕婦和產後婦女,(2)成年人服用藥物可以改變血糖和血脂水平,(3)成人先天性疾病,可能會限製人體計測測量(如唐氏綜合症)。
研究人群
我們分析一個完整個案樣本有關的所有實驗室和辦公室2019 10年期CVD風險評分變量(見部分)的變量。我們研究了30至59歲的男性和女性。年輕的年齡限製是決定因為心血管疾病風險模型在年輕人不推薦;年長的年齡限製的決定是因為調查設計。數據清洗所示的流程圖在線補充圖2。我們不適用其他的選擇標準。
盡管2019年的10年心血管疾病風險模型是誰為40 - 80歲人群開發的,12< 40歲的人我們以為他們已經40年絕對心血管疾病風險的計算。這是符合必要的非傳染性疾病(筆)幹預措施的方案為初級衛生保健在資源匱乏的地區,16和也做了在最近的一次全球工作。17
變量
我們計算後的10年心血管疾病風險在個體層麵實驗室和non-laboratory-based 2019 10年期CVD風險模型。12我們使用了whocvdrisk command占據,這是由2019名10年期的作者CVD風險圖表。18實驗室模型,計算分數基於:年齡(年),吸煙現狀(是/否)、收縮壓(SBP毫米汞柱),自報糖尿病診斷的曆史(是/否)和總膽固醇(更易/ L)。12non-laboratory-based模型,我們使用年齡(年),吸煙現狀(是/否),SBP(毫米汞柱)和身體質量指數(BMI,公斤/米2)。12
CENAN的調查收集人體測量學和三個基點測量確立後,被訓練有素的標準協議。15我們使用的計算BMI測量體重(公斤)除以身高(米)的平方;描述性的目的,我們分類指數在三個層麵:正常體重(體重指數< 25公斤/ m2)、超重(體重指數≥25 - 29.9公斤/ m2)和肥胖(體重指數≥30公斤/米2)。BMI記錄範圍外的10 - 80公斤/米2被丟棄。作為第三個BP測量隻能在一些參與者(< 2%的初始樣本),我們使用第二個SBP隻測量(即第一個和第三個SBP記錄被丟棄在主要分析)。值得注意的是,第一次和第二次之間沒有實質性差異SBP記錄(在線補充表1);盡管如此,我們進行了靈敏度分析使用第一和第二的平均SBP SBP記錄。我們丟棄任何SBP記錄以外的範圍70 - 270毫米汞柱。
對於那些自我報告在抗高血壓治療,我們使用了SBP預處理;這鋼筆是一致的協議,與先前的全球工作。16日17預處理SBP被計算為:預處理收縮壓=(當前收縮壓−6.3)/ 0.9。19相反,對於那些沒有服用抗高血壓治療,我們使用記錄SBP。
我們定義當前吸煙者編碼為不與是的一個問題:你目前煙煙草產品,如香煙、雪茄或煙鬥嗎?自我報告的信息之前曆史評估糖尿病的一個問題也沒有編碼為vs是的:你曾經被告知由醫生或其他醫療工作者,有高血糖和糖尿病嗎?
總膽固醇是通過酶比色法獲得。15因為CENAN調查數據在mg / dL總膽固醇,這些值除以38.67來獲得總膽固醇更易/ L。
統計分析
我們之間的協議決定絕對心血管疾病風險預測與世衛組織實驗室和non-laboratory-based模型如下三種方法:Bland-Altman情節,林的一致性係數相關性(LCCC)和kappa統計。我們認為絕對CVD風險作為一個連續變量,以及兩種模型之間的協議是使用Bland-Altman情節和LCCC檢查。此外,我們認為是CVD風險類別變量,並分成三組:< 5%,5 - 9%和10 - 19%;因為沒有觀察高危類(CVD風險≥20%),協議中沒有檢查這個群體。對於這些類別,我們使用kappa統計評估協議。Bland-Altman情節,LCCC kappa統計,結果被性別分層,10年期年齡組,BMI類別、吸煙狀態、自報糖尿病診斷和城市/農村的位置。
Bland-Altman情節,實驗室之間的差異和non-laboratory-based絕對心血管風險預測風險策劃在縱軸上,和的均值水平軸的成績。20.作為心血管疾病在個體層麵的真正風險是不確定的,平均的分數是最好的可用的估計。20 2195%的上限的協議是由兩個分數的平均差±2 SD;這個極限提供了一個時間間隔中95%的兩種分數之間的區別會撒謊。20.實驗室之間的LCCC non-laboratory-based絕對心血管風險預測也被評估。該協議基於LCCC−1和1之間的範圍,1表示一個完美的協議。使用Kappa統計分類協議評估。Kappa < 0表示小於協議的機會,和值0.01 - -0.20,0.21 - -0.40,0.41 - -0.60,0.61 - -0.80和0.81 - -0.99表示輕微的,公平的,溫和的,實質性的和幾乎完美的協議,分別。22
分析所有代碼進行了R (V.4.0.3)和占據(V.17.0,大學城,德克薩斯州)。人口特征及其95%可信區間是概括複雜的調查設計CENAN的調查。15
病人和公眾參與
涉及任何病人。
結果
我們彙集的數據集包括663名參與者(在線補充圖2)。的平均年齡為44.0歲(95% CI 43.2 - 44.7)和男性的比例是41.5%。SBP是108.9毫米汞柱(95% CI 107.5 - 110.3毫米汞柱)和平均身體質量指數為28.8公斤/米2(95%可信區間28.3到29.2公斤/米2)。超重的人的比例為41.0% (95% CI 36.6%到45.6%),而35.9%(95%可信區間(31.6%到40.5%)的人口肥胖。的意思是總膽固醇4.9更易/ L (95% CI 4.8 - 5.0更易/ L), 11.7% (95% CI) 8.8%至15.3%的人口是吸煙者和7.1%(95%可信區間5.0%到9.8%)患有糖尿病(表1)。
絕對心血管風險根據2019年的心血管風險模型
總的來說,沒有實質性差異平均絕對心血管風險計算和實驗室non-laboratory-based模型(表1)。平均絕對心血管疾病的風險為2.0%(95%可信區間1.8%到2.2%)根據實驗室模型,和2.0%(95%可信區間1.8%到2.1%)根據non-laboratory-based模型。在這兩種模型,平均絕對心血管風險是男性比女性高。敏感性分析(使用兩個SBP的意思是記錄)產生相同的結果在整個樣本:2.0% (95% CI 1.8%到2.2%),laboratory-based-model和2.0(95%可信區間1.8%到2.1%)在non-laboratory-based模型中。
意味著風險預測之間的區別
總的來說,實驗室和non-laboratory-based模型之間的平均差為0.03% (95% CI−0.03%至0.10%)。根據性,模型之間的平均差−0.02% (95% CI−0.14%到0.09%)在男性和0.08%的女性(95% CI 0.01%到0.15%)。根據年齡,模型之間的平均差−0.07% (95% CI−0.12%到0.04%)30—39歲的人,0.04% (95% CI−0.08%到0.15%)在40至49歲人群和0.17%(95%可信區間0.02%到0.32%)在50——59歲的人年。分層的BMI類別,平均差為0.10%(95%可信區間0.02%到0.18%)在正常體重的人,0.08% (95% CI 0.00%到0.17%)的人超重,−0.07% (95% CI−0.21%至0.07%)的人肥胖。平均差為0.05% (95% CI−0.34%到0.44%)在吸煙者和0.03% (95% CI−0.02%到0.09%)在不吸煙者。根據自報糖尿病狀態,平均差為2.08%(95%可信區間1.73%到2.44%)在自我報告的糖尿病患者,和−0.11% (95% CI−0.15%到0.07%)在沒有自報糖尿病的人。類似的結果在所有提供的靈敏度分析變量;例如,最大的平均差也觀察到自報糖尿病患者(2.09% (95% CI 1.73 - 2.45%)。
Bland-Altman情節和限製的協議
協議的限製女性略窄(−1.23;1.39)與男性相比(−1.93;1.89)(圖1)。協議的限製與年長的年齡和較高的BMI水平擴大;例如,協議是窄的極限在30—39歲的人(−0.72;0.56)與50 - 59歲之間的年(−1.96;2.29)(圖2正常體重的人),(−0.90;1.09)相比,那些與肥胖(−2.15;2.02)(圖3)。根據吸煙和自報糖尿病狀態,協議的限製更廣泛的在那些條件。例如,協議的限製吸煙者(−3.13;3.24)更廣泛的與不吸煙者相比(−1.25;1.32)(圖4)。同樣,在自我報告的糖尿病患者(−0.21;4.37),協議是更廣泛的極限而沒有自報糖尿病(−1.17;0.95)(圖5)。值得注意的是,靈敏度分析結果類似的協議的限製,所有的變量(在線補充數據3 - 7)。
Bland-Altman情節展示實驗室之間的協議和non-laboratory-based分數據性風險。
Bland-Altman情節顯示協議根據年齡段實驗室和non-laboratory-based風險評分。
Bland-Altman情節展示實驗室之間的協議和non-laboratory-based風險分數根據身體質量指數(BMI)類別。
Bland-Altman情節展示實驗室之間的協議和non-laboratory-based風險分數根據吸煙狀況。心血管疾病、心血管疾病。
Bland-Altman情節展示實驗室之間的協議和non-laboratory-based風險分數據自報糖尿病狀態。
協議LCCC
分數之間的整個協議/ LCCC為0.87 (95% CI 0.85 - 0.89),它是幾乎相同的男性(0.87 (95% CI 0.84 - 0.89))和女性(0.85 (95% CI 0.82 - 0.87))。在年齡組,協議是見過的最高的30 - 39歲年齡段(0.87 (95% CI 0.84 - 0.9))。在BMI類別,正常BMI類別,這協議最高(0.90 (95% CI 0.87 - 0.92))。總的來說,值最低的協議被認為在吸煙者(0.81 (95% CI 0.72 - 0.88)),這些40至49歲(0.74 (95% CI 0.67 - 0.79)),和那些自報糖尿病患者(0.74 (95% CI 0.63 - 0.82)) (表2)。相似的結果出現在敏感性分析(在線補充表2)。
明確的協議
總人口中,有一個略大的多的人歸類為有一個絕對的CVD 5 - 9%和10 - 19%的風險與實驗室模型相比non-laboratory-based模型(在線補充表3)。例如,實驗室模型分類37人在5 - 9%心血管疾病的風險類別,而non-laboratory-based模型分類26人。總的來說,風險類別之間的協議是實質性的(k = 0.62),這是更好的為男性(k = 0.70)相比之下,女性(k = 0.44) (在線補充表4)。值得注意的是,協議最低風險類別中觀察自報糖尿病患者(k = 0.36): 14人的自我報告的5 - 9%的糖尿病患者心血管疾病的危險類別laboratory-based-model後,4被放置在同一類別non-laboratory-based模型後,其餘被放置在0 - 5%心血管疾病的風險類別。根據所有變量分類協議提出了在線補充表3 - 9。
討論
主要發現
在這項工作中,我們評估心血管疾病風險評估預測之間的協議與2019年10年期實驗室和non-laboratory-based模型的代表性的秘魯的成年人。平均絕對預測心血管疾病風險根據這兩個模型在一般人口幾乎是相同的。此外,我們發現兩個模型之間的協議的局限性與更高的心血管疾病風險增加;例如,協議的限製更廣泛的在吸煙者和自我報告的糖尿病患者。我們觀察到良好的實驗室之間的協議和non-laboratory-based模型方麵的臨床意義。21日23這些發現表明,在人口與類似的概要文件,在這項研究中,醫生可以使用實驗室或non-laboratory-based模型。雖然差異很小,小心的解釋可能需要患者心血管風險因素:肥胖、吸煙和自我報告的糖尿病患者,其中的差別在同齡人比沒有這些危險因素。
公共衛生的影響
我們提供見解的適用性2019人non-laboratory-based秘魯人口模型。這個證據相關的臨床實踐和公共衛生在秘魯和其他類似的國家(如拉丁美洲安第斯)因為它通知是否預測基於實驗室和non-laboratory-based CVD風險模型是等價的。如果是這樣,可以使用這兩種模型沒有實質性的偏見,因此支持non-laboratory-based模型當血液生物標誌物的使用並不可用。後者是特別重要的中低收入國家建設像秘魯、實驗室測量並不總是可用在初級衛生中心,代表> 98%的醫療保健設施在秘魯。24
根據我們實現的三個統計分析(LCCC Bland-Altman情節;和kappa統計數據),我們的研究結果表明,實驗室和non-laboratory-based模型之間的協議是合適的在較低的秘魯人心血管疾病風險和小於60年。換句話說,我們的研究結果表明,實驗室和non-laboratory-based模型提供類似的預測,因此可能根據需要交替使用,雖然我們的研究人群的概要文件時應該考慮提取或實施我們的發現為臨床實踐和公共衛生。值得注意的是,小數量的參與者在某些感興趣的變量(例如,隻有44個參與者自報糖尿病)可以解釋更廣泛的協議,我們的結果的局限性。未來的研究應該包括更多的參與者進一步確認協議的範圍是否廣泛根據吸煙和糖尿病狀態。
研究背景
我們最具可比性研究弗雷明漢之間的協議10年期CVD風險評估實驗室和non-laboratory模型在40 - 75歲的人口在伊朗南部。23後他們發現均值CVD風險non-laboratory-based模型(9.4%)高於實驗室模型(6.7%)。23此外,他們之間的協議限製弗雷明漢模型相比,< 60歲的人更廣泛的與我們的男性(−1.9 - -1.9我們在雷估計vs−2.5% -8.9%等23)和女性(我們估計vs−−1.2 - -1.4 2.3% -4.6%雷等23)。這可能是由於雷解釋道等23包括一個老年人,往往有較高的心血管疾病的危險因素,因此絕對心血管疾病風險更高。兩個模型之間的限製協議往往與更高的心血管疾病風險擴大,21日23我們限製協議可能會被更廣泛的如果我們學過類似的人口在雷的工作等。23我們的結果之間的差異可以進一步解釋為心血管疾病風險評分所使用。我們使用了2019人心血管疾病風險模型,12而雷等弗雷明漢風險評分。弗雷明漢風險評分是一個更具體的人口(美國白種人),25然而,2019人心血管疾病風險模型被開發和調整全球使用(例如,那些生活在中低收入國家的要求)。12
2019年世衛組織實驗室和non-laboratory-based模型之間的協議還探索了在全球召開的世衛組織工作。12他們兩個模型應用於步驟調查和比較的人口比例在不同級別的預測心血管疾病風險的範疇。12總的來說,他們發現適度的協議模型,和他們的差異歸因於non-laboratory-based模型的表現不佳的糖尿病患者。12這一發現與我們的研究結果是一致的,因為我們發現最寬的限製的協議,LCCC最低,最低分類協議在自我報告的糖尿病患者。在可能的情況下,似乎合理使用實驗室模型在那些患有糖尿病。
可能的解釋
在我們的研究中,糖尿病狀態隻包括在實驗室模型(而不是在non-laboratory-based模型)和合理的,我們觀察到最低的兩個模型之間的協議在那些患有糖尿病。在糖尿病患者,non-laboratory-based模型低估了實驗室後的絕對CVD風險計算模型。可能是因為糖尿病患者已經在高CVD風險和non-laboratory模型,我們使用非糖尿病信息將低估了絕對風險。
優勢和局限性
我們所知,我們提供了第一個證據之間的協議2019人心血管疾病風險實驗室和non-laboratory-based模型;此外,我們利用在全國代表性調查LMIC。26創建了不同的心血管疾病風險方程但沒有被證明為中低收入國家的要求產生可靠的估計。2019年誰CVD風險圖表用於中低收入國家的要求使用大量數據集的推導,校準和驗證,這會使他們幾個優勢之前風險圖表。盡管如此,這項研究也局限。首先,我們的研究人群是年輕(30-59年),其中大多數是婦女(58%),和整體低絕對心血管風險預測。這導致了觀測研究中,沒有一個人口絕對心血管風險≥20%。因此,我們隻能得出結論人們在中低CVD風險範圍內,概要文件和類似的人口和危險因素。我們承認進一步亞組分析可能是相關的,例如糖尿病狀態。然而,由於數據的可用性和減少數量的觀察在某些團體,這一亞組分析就不可能進行。未來的工作在秘魯和拉丁美洲應該驗證我們的結果與一個更大的,年長的和更加多樣化的人口。其次,正如CENAN的調查不包括心血管事件的曆史,我們假設所有與會者都免費CVD使用2019人CVD風險評分。 This approach could have led to higher absolute cardiovascular risk because people who have had a cardiovascular event (eg, myocardial infarction) are at higher risk of another cardiovascular event. Nonetheless, considering that our study population was young and therefore with a low incidence of cardiovascular diseases,3的比例心血管疾病史的人排除在總樣本大小會小;不排除潛在的一小群可能沒有改變整體的結果。第三,我們隻使用一個血壓記錄(第二SBP的兩個測量)。理想情況下,以下推薦的標準協議和其他國際組織,27 28我們應該使用多個記錄的平均值有丟棄的第一次測量。這是不可能的和可用的數據,因為他們隻有兩次測量血壓。盡管如此,我們進行了靈敏度分析使用第一和第二記錄的平均SBP和幾乎相同的結果在我們主要分析第二SBP使用記錄。
結論
絕對的心血管風險預測和實驗室之間的相似non-laboratory-based 2019人心血管風險模型。等待驗證從縱向研究,non-laboratory-based模型(而不是實驗室的需要額外的資源)可以用於秘魯人口。然而,應該注意的是,這些模型之間的協議是不太清楚的人心血管風險因素:肥胖、吸煙和糖尿病患者。雖然全民健康覆蓋動力有助於實驗室檢測(大多數)初級保健設施中使用實驗室模型,它似乎是合理的使用non-laboratory-based模型一級預防心血管疾病的危險分層的方法。
數據可用性聲明
數據可能會從第三方獲得,不公開。可用數據集從CENAN要求。
倫理語句
病人同意出版
倫理批準
不適用。
引用
補充材料
-
補充數據
僅這個web文件已經由英國醫學雜誌出版集團從一個電子文件提供的作者(年代)和沒有對內容進行編輯。
腳注
推特@wilmer_guzman_v, @CRISPR-Cas27
貢獻者RMC-L WCG-V構思的想法。WCG-V GAQ-V和FFVR的支持下進行了分析。WCG-V寫了初稿的手稿在GAQ-V的支持下,FFVR, AB-O RMC-L。所有作者提供相關的科學貢獻和批準提交的版本。RMC-L和WCG-V是本研究的擔保人,並接受全部責任的工作,對數據的訪問和控製了決定發布。
資金支持RMC-L威康信托基金會國際培訓獎學金(214185 / Z / 18 / Z)。
相互競爭的利益沒有宣布。
病人和公眾參與病人和/或公眾沒有參與設計,或行為,或報告,或傳播本研究計劃。
出處和同行評議不是委托;外部同行評議。
補充材料此內容已由作者(年代)。尚未審查由BMJ出版集團有限公司(BMJ)和可能沒有被同行評議。任何意見或建議討論僅代表作者(年代)和不了BMJ的支持。和責任起源於BMJ概不負責任何依賴的內容。內容包括任何翻譯材料,BMJ並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,藥物名稱和藥物劑量),和不負責任何錯誤或遺漏引起的翻譯和改編或否則。