條文本
PDF
摘要
介紹在美國和世界範圍內，肺癌是癌症死亡的主要原因，低劑量CT (LDCT)肺癌篩查(LCS)有改善肺癌預後的潛力。一個關鍵的問題是，在先前的LCS試驗中發現的潛在益處與危害的比率是否適用於老年人和潛在的疾病人群。個性化肺癌篩查(PLuS)研究將利用真實世界的數據來全麵描述LCS接受者的特征，從而幫助縮小這一知識差距。PLuS研究的主要目標是描述接受LCS的個體的共病負擔，並量化LCS的好處和壞處，以便做出明智的決策。
方法與分析PLuS是一項多中心觀察性研究，旨在從2016年至2022年期間每年進行LCS和LDCT的約4萬名患者的電子健康記錄中收集LCS隊列。數據將被整合到一個統一的存儲庫中，以(1)按種族/民族、社會經濟地位和年齡檢查多重疾病的負擔;(2)量化潛在的利益和危害;(3)使用癌症幹預和監測建模網絡(CISNET)中驗證過的模擬模型的觀察數據，以提供現實世界美國人群的LCS結果。我們將擬合一個多變量邏輯回歸模型來估計經相關協變量調整後的共病、功能限製和肺功能受損的調整or。我們還將使用離散生存模型估計LCS結局的累積風險。據我們所知，這是第一個結合觀測數據和模擬模型來估計LCS與LDCT的長期影響的研究。
倫理與傳播這項研究得到了Kaiser Permanente南加州機構審查委員會和VA波特蘭醫療保健係統的批準。研究結果將通過出版物和在國家和國際會議上的發言加以傳播。安全方麵的考慮包括保護病人的隱私。
- 腫瘤學
- 計算機斷層掃描
- 流行病學
- 放射學及影像學
這是一篇開放獲取的文章，根據創作共用署名非商業(CC BY-NC 4.0)許可證發布，該許可證允許其他人以非商業方式分發、混音、改編、在此基礎上進行構建，並以不同的條款許可其衍生作品，前提是正確引用原始作品，給予適當的榮譽，任何更改都已注明，並且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/．
數據來自Altmetric.com
本研究的優勢和局限性
使用來自真實世界不同環境的觀察數據，並建立模擬模型，評估肺癌篩查(LCS)的長期危害和益處，比較篩查人群與未篩查人群。
來自四個醫療保健係統的多樣化人口(種族/民族、社會經濟和地理多樣性)將增加研究的概括性。
通過不同程度的合並症、功能限製和肺功能，評估肺癌篩查中LCS的使用模式和結果。
電子健康記錄數據的使用提供了重要的優勢，包括大量接受現實治療的患者。
無法做出因果推論。
介紹
在美國和世界範圍內，肺癌是癌症相關死亡的主要原因，1很大程度上是因為大多數患者在診斷時已經患有晚期不治之症。2據估計，到2022年，美國將有236 740例新診斷病例和130 180例肺癌死亡，占所有癌症發病病例的12.3%和所有癌症死亡病例的21.4%。1低劑量CT (LDCT)肺癌篩查(LCS)有可能通過早期發現徹底改變肺癌結局，因此推薦用於高危人群以降低肺癌死亡率。3 - 92011年，國家肺篩查試驗(NLST)報告稱，與年度胸部x線攝影相比，每年進行三輪LCS + LDCT可將肺癌死亡風險降低20%。42013年，荷蘭- leuvens Longkanker Screenings Onderzoek (NELSON)試驗發現，與常規治療相比，四輪LDCT篩查的隊列肺癌死亡率降低了24%。10根據NLST的調查結果，美國建議55-80歲的人每年進行LCS和LDCT，他們至少有30包吸煙史，目前吸煙或在過去15年內戒煙。112021年，美國預防服務工作組(USPSTF)和美國癌症協會修改了他們的建議，將50-80歲、有≥20包年吸煙史、目前吸煙或在過去15年內戒煙的成年人納入LDCT。12日132021年發布的這些修改後的建議將導致更多的成年人接受LDCT。
然而，隨著LCS在現實世界人群和更多樣化的環境中得到更廣泛的實施，其利弊之比可能與高度控製的環境和相對年輕、一般健康的NLST參與者(隻有25%的NLST參與者年齡≥65歲，沒有人年齡為74歲)中觀察到的情況有很大差異。4對NLST數據的事後分析發現，年齡較大的參與者在篩查後出現假陽性結果和侵入性手術並發症的風險更高。14有長期吸煙史的老年人患肺癌死亡的風險增加，而且因慢性阻塞性肺病(COPD)和心血管疾病等重大合並症而發病和死亡的風險也更高。15—符合LCS條件的美國成年人可能年齡更大，而且有吸煙史的可能性更大，共病負擔更高18 19平均預期壽命低於NLST參與者。18我們之前使用美國行為風險因素監測係統數據的研究發現，共病條件與LCS與LDCT的更高可能性相關。20.這些與共病相關的差異，以及其他人注意到的社會人口統計學差異，對NLST結果適用於全篩查合格的美國人口提出了質疑。研討會
目前，很少有證據指導在同時存在共病條件的個體中選擇LCS。因此，個體化肺癌篩查(PLuS)研究的目的是解決以下差距:(1)全麵而準確地描述現實環境中接受LCS的患者群體關於多病負擔(定義為慢性並存疾病、功能限製和/或肺功能受損)的特征，並按種族/民族、社會經濟地位和年齡檢查這種負擔;(2)量化不同程度多病患者LCS的潛在危害(如假陽性結果、手術相關並發症)和益處(如診斷時的早期疾病);(3)使用經過驗證的癌症幹預和監測建模網絡(CISNET)模擬模型和基於真實數據的改進模型輸入參數，比較LCS在不同多病水平亞人群中與長期結果(益處和危害)相關的有效性。PLuS研究的概念框架載於圖1．這項研究將精確地描述患有多種疾病的脆弱亞群，量化LCS的潛在益處和危害，使衛生服務提供者和考慮LCS的患者能夠做出更明智的決策。
PLuS研究設計目標的示意圖。癌症幹預和監測模擬網絡;KPSC, Kaiser Permanente南加州;LCS，肺癌篩查;南卡羅來納醫科大學MUSC;OneFlorida, OneFlorida臨床聯盟;此外，個性化肺癌篩查;退伍軍人健康管理局
方法與分析
研究設計與設置
PLuS研究將使用來自佛羅裏達州、加利福尼亞州、南卡羅來納州和退伍軍人健康管理局四個不同醫療保健係統的LDCT篩查患者的真實數據進行研究。
研究人群
目標人群包括所有接受過LCS和LDCT的成年人，包括不符合以前或當前資格標準的篩查者，以及在四個參與的醫療保健係統之一進行過一次或多次初級保健訪問的人。這些數據將從2016年至2022年的電子健康記錄(EHR)和醫療保險索賠中提取。在LDCT掃描前5年內有肺癌病史的患者或為診斷目的而進行掃描的患者將被排除在外。
四個參與的醫療保健係統均以社區為基礎，為大量不同人群提供綜合服務，包括初級和專科護理。此外，每個醫療保健係統至少從2015年11月開始實施LCS。這四個醫療保健係統的地理多樣性和不同的護理提供模式增強了我們研究的能力，以描述多重疾病的負擔，並評估現實環境中LCS的結果。
研究地點
OneFlorida臨床聯盟(OneFlorida)為佛羅裏達州所有67個縣的1500萬名患者提供醫療服務，其中45.9%是白人。24日25日OneFlorida由12家醫療機構組成，包括學術醫療中心、私人醫療係統和社區診所。該聯盟最近被國家以患者為中心的臨床研究網絡(PCORnet)指定為全國13個臨床數據研究網絡之一，該網絡的創建是為了進行比較有效性研究，並加速將有前景的研究結果轉化為改善患者護理。24日25日
凱澤永久醫療南加州(KPSC)是一個全麵整合的醫療保健係統，為460多萬會員提供服務。26該係統目前包括7600多名醫生和26 000多名護士，他們在15家醫院和231棟醫療辦公樓提供護理。26KPSC的成員在種族/民族和社會經濟上是多樣化的，反映了它來自南加州地區的人口。272019年3月，會員總數(包括兒童)為43%的西班牙裔，35%的非西班牙裔白人，9%的黑人和12%的亞洲/太平洋島民。27
南卡羅來納醫科大學(MUSC)為來自不同人群的大約150萬人提供服務，其中30%是黑人。MUSC健康中心包括約2000個床位、100多個外聯點、MUSC醫學院、醫生實踐計劃和近275個遠程保健點。2015年底，MUSC在nci指定的Hollings癌症中心啟動了LCS計劃。
退伍軍人健康管理局(VHA)每年為900萬退伍軍人提供服務。28據估計，有90萬vha登記的退伍軍人符合2013年USPSTF的資格標準，29根據2021年標準的CISNET模型報告，符合條件的患者數量可能幾乎翻倍;大約200萬退伍軍人現在可能符合資格。12截至2019年，在44個州的139個設施中，有96個(69.1%)設施中，近7.2萬名退伍軍人至少有一個LCS的LDCT。30.
利用多中心研究設計旨在提供種族/民族、地理和社會經濟地位(SES)的多樣性，四個參與的醫療保健係統擴展了美國醫療保健交付模式的範圍。除了通過國際疾病分類(ICD)和當前程序術語代碼從電子病曆中提取數據外，還將采用可計算表型(CP)算法通過自然語言處理(NLP)從電子病曆的非結構化臨床敘述中提取數據。NLP程序極大地提高了CP算法的準確性和覆蓋率，並能夠提取結構化EHRs中可能缺失的必要變量，用於下遊數據分析。31
伴隨疾病
共病將通過兩種傳統的共病指數進行評估，即Charlson共病指數(CCI)和/或Elixhauser指數，以及較新的CPs。修改後的CCI評分是基於嚴重程度加權的17種合並症的彙總測量。尺碼Elixhauser係統通過識別與住院有關的共病(但不是住院的主要原因)以及促使住院的病情嚴重程度來預測醫院收費、住院時間和住院死亡率。35 36Charlson/Elixhauser評分將從每次LCS前12個月的EHR中計算37歲到三十五並將被分類為0=最佳健康狀況，1=平均健康狀況，2=最差健康狀況。我們選擇使用Charlson/Elixhauser合並共病評分，因為它已被證明在共病總結方麵優於其他現有評分。37除了使用基於計數的共病測量外，我們還將使用新方法來識別不同的共病概況。38
肺功能
COPD病史將通過EHR數據確定，並分為是與否。然而，在我們研究參與者的子集(KPSC和OneFlorida)中，我們將捕獲COPD的嚴重程度39通過使用先前驗證的肺功能測定的結構化數據。COPD嚴重程度將使用新的全球阻塞性肺病倡議(GOLD)分類係統進行分類;A、B、C和D類將基於肺活量測定指標。40我們還將評估心力衰竭患者的用力呼氣量(FEV)和射血分數(EF)數據。41此外，肺功能受損定義為FEV1/FVC <70%，其中FEV1為一秒鍾內的FEV, FVC為肺活量。39
功能的局限性
與我們之前的研究一致，42 43患者功能受限的指標將來自研究參與者子集的索賠和EHR數據。與共病一樣，將在基線LDCT前12個月確定功能限製。詳細的功能相關指標(FRI)算法已經在前麵介紹。44 45這16個指標將被編碼為二進製變量，個人將收到功能限製的每個方麵的得分，平均得分產生FRI得分(在線補充表1）.如果FRI得分為0，我們將FRI歸類為最佳健康狀況，如果FRI得分為1，則將FRI歸類為平均健康狀況，如果FRI得分≥2，則將FRI歸類為最差健康狀況。
興趣的結果
目標1的主要結果是LCS隊列中多種疾病的患病率。目標2的主要結果是LCS和LDCT之後的事件，例如基線LDCT和後續LDCT測試的結果，包括活檢的假陽性結果、診斷時的肺癌階段(來源於腫瘤登記並輔以病理報告)和手術相關並發症。其他結果將包括基於lung - rads報告和肺癌治療的LDCT結果。這些結果數據將來自EHR、索賠數據和腫瘤登記。
假陽性結果
結果將基於Lung-RADS類別進行定義，其中3或4個類別表示陽性篩查。肺- rads陽性篩查3年內未確診肺癌將被定義為假陽性。46假陽性後1年內進行侵入性檢查將被定義為肺部- rads假陽性篩查並進行侵入性檢查。47每個LDCT結果將被分為真陽性、假陽性、真陰性或假陰性。47
程序上的並發症
我們將包括侵入性診斷程序(經皮細胞學檢查或活檢，支氣管鏡檢查，手術活檢)導致肺癌診斷的並發症。4肺癌診斷日期之後的手術將被排除在外。活檢後7-30天內的嚴重並發症包括氣胸、出血(肺出血)、急性呼吸衰竭、急性腎功能衰竭、對含碘造影劑的過敏反應，需要住院治療和急性心肌梗死。我們將評估所有接受LCS的患者的手術並發症;並發症將根據介入放射學會(SIR)指南分為輕微或嚴重。48
肺癌診斷階段
分期將使用各自的機構癌症登記處(使用ICD 9/10代碼)確定，並輔以通過電子病曆獲得的患者病理報告。關鍵變量將包括美國癌症聯合委員會的分期、組織學和有無轉移。
LDCT結果
含有LDCT的LCS結果將從Lung-RADS報告中提取，該報告是報告LDCT結果的標準化模板。47 49目前，所有參與的醫療保健係統都使用Lung-RADS進行報告。附加CT檢查的接收和時間將根據這些報告進行檢查。
肺癌治療將包括治療方式的數據，重點關注早期肺癌患者手術、化療和放療之間的差異。接受治療性放射治療可能是過度治療的一個標誌，因為不適當的LCS患者有其他死亡原因的高風險。50
Aim 3的主要結果將評估LDCT篩查對各種多病水平的弱勢人群的益處和危害，包括使用模擬模型避免肺癌死亡、獲得壽命年、過度診斷、假陽性檢測和輻射相關肺癌死亡。Aim 1和Aim 2中生成的真實數據輸入將用於完善密歇根大學肺癌篩查模型(UM-LCS)。51中給出了仿真建模的模型輸入表1．詳細的統計方法可以在統計計劃中找到。
協變量
以下變量信息將使用先前驗證的方法從EHR數據中提取:52每次就診的年齡，種族/民族，吸煙史和包齡。地區層麵的社會經濟地位指標將包括受過大學教育的成年人比例(美國人口普查)53以及普查區組層麵的其他指標，包括多樣性指數得分(衡量一個地理區域的種族和民族多樣性，範圍從0(無多樣性)到100(完全多樣性))、可支配收入中位數、家庭收入中位數、平均年度醫療保險支出、平均年度公共交通支出以及上網比例。53
數據收集和管理
數據元素將由四個地點的調查人員在當地收集和管理，然後安全地轉移到佛羅裏達大學的數據協調中心(DCC)進行質量控製和分析。數據元素將包括在我們參與的醫療保健係統中收集的結構化和非結構化健康信息。所有四個醫療保健係統都將努力實現數據協調，並使用相同的方法通過EHR和NLP方法提取數據。研究地點將與各自的癌症登記處聯係起來，以確定LDCT後肺癌診斷的時間，以及其他基本變量。
患者和公眾參與
研究的設計和實施沒有患者和公眾的參與。
樣本量和功率分析
從四個研究地點收集的初步數據將包括2016-2022年期間LCS隊列中的~ 40000個獨立個體和~800例肺癌發病病例(基於估計的2%肺癌發病率)。為了估計樣本量，我們將計算的重點放在目標2的結果上，因為研究團隊成員選擇的手術相關並發症是LCS結果中可能性最小的，並允許一個可行的樣本。
我們估計，至少70%的LSC合並LDCT患者將至少有一種並發症，約20%的患者將患有COPD。54-56根據先前的文獻，<5%的LCS合並LDCT的患者接受了後續的侵入性診斷手術，並且~ 15%-20%的接受侵入性診斷手術的患者會出現手術相關並發症，即使這些患者在診斷手術時沒有主要的慢性並發症。57 58鑒於這些假設，該研究能夠確定手術相關並發症的最低可檢測風險差異，小至5%。這一估計值考慮了80%的冪值和0.05的I型誤差概率，這應該能夠檢測出較小的效應量，在共病水平上，假陽性LCS結果的最小可檢測風險差異在1.3%至1.9%之間。
分析計劃
第一個目標將通過檢查慢性合並症、功能限製和肺功能受損的負擔來描述LCS的接受情況，使用描述性統計來充分描述我們的患者群體(包括連續變量和χ的均值和SD)2類別變量的檢驗或列聯表分析)。作為一個探索性的子目標，我們將通過種族/民族、社會經濟地位和年齡來研究這一負擔。此外，為了增加估計的概括性，我們將根據其選擇概率的倒數為每個觀察生成一個加權變量，並報告共病、功能限製和肺功能受損的加權患病率估計。雙樣本比例測試將用於檢查合並症、功能限製和肺功能受損的患病率是否因種族/民族、SES或年齡而不同。我們將使用多變量邏輯回歸模型來計算調整後的ORs和共病、FRIs和肺功能受損的95% ci，並調整種族/民族、SES、年齡和其他相關協變量(如吸煙狀況、篩選的日曆年和地理位置)。
第二個目的是檢查LDCT後的LCS結果。我們將首先量化LCS的潛在危害(如假陽性結果、手術相關並發症)和益處(診斷為早期肺癌)。將對結果進行描述性統計，並根據共病、功能限製和基線肺功能的測量進行分層。我們將在2016-2022年期間使用離散時間生存模型估計這些LCS結果在7年篩查中的累積風險，該模型固有地解釋了一個事件的風險僅在篩查檢查時發生的事實。59因此，模型中的時間將根據先前篩選檢查的數量而不是日曆時間進行索引。
此外，使用單獨的離散時間生存模型，我們將通過共病、功能限製和肺功能受損來估計每個相關結局的危險，並根據相關協變量(如地理位置、SES、種族/民族、年齡、吸煙狀況)進行調整。我們將每個LDCT掃描建模為一個單獨的觀察，並在每個單獨觀察的每個間隔開始時使用共病評分、功能限製和肺功能作為時變，計算次年發生事件的概率，因為它們會隨著每次觀察而變化。模型將使用Akaike信息準則進行逆向選擇，以平衡模型的預測能力和模型簡約性。60為了估計特定共病水平、功能限製水平或肺功能水平的患者與LCS相關的每種結局的累積概率，我們將彙總離散危險，以估計在患者首次經曆事件之前進行LCS檢查的平均次數，以及在6年篩查中至少經曆一次事件的累積概率。為了解決數據缺失的問題，將使用邏輯回歸模型來確定與數據缺失概率相關的因素，並確定是否存在任何明顯的缺失模式。如果變量是隨機缺失的，則將通過使用多種imputation方法進一步解決由於數據缺失而導致的潛在功率損失和偏差問題。在對Aim 3進行統計分析之前，我們將生成10個估算數據集，分別分析它們，然後使用建立的方法將結果結合起來。61敏感性分析將基於使用逆概率(丟失數據)權重。62
針對Aim 3的仿真建模
UM-LCS模型由兩個主要組件組成:自然史組件和篩選組件，它們共同生成單個曆史。自然史部分模擬個體肺癌相關事件以及肺癌以外原因導致的死亡，給定個體的吸煙史(圖2一個）.篩查部分模擬了與臨床階段相適應的臨床前逗留時間(PST)(即，無症狀肺癌在篩查發生後被發現之前的發展時期)，以及篩查計劃和篩查結果(圖2 b）.對於篩選檢測到的癌症，該模型基於診斷階段模擬了新的肺癌生存時間。UM-LCS模型輸入描述在表1．在擬議的研究中，我們將使用目標1和目標2中生成的數據重新校準一些模型元素。然後，改進的模型將在不同的篩查場景下評估LCS對具有各種多疾病條件的弱勢人群的益處和危害的各種措施。參考情景將是年齡在55歲至80歲之間、吸煙30包年、目前吸煙或在15年內戒煙的個人的年度LCS。11
(A) UM-LCS模型的自然史成分。(B) UM-LCS模型的篩選成分，例如在自然史成分中診斷為IIIA期肺癌的個體。LC，肺癌;OC，其他原因;UM-LCS，密歇根大學肺癌篩查模型。
我們將根據不同的開始和停止年齡、頻率和資格標準，根據吸煙包年、戒煙後的年份和多病水平，比較不同篩查方案中的益處和危害。將根據吸煙暴露水平、總體共病、功能限製和肺/COPD狀態評估各種LDCT篩查策略的比較有效性。此外，UM-LCS模型將擴展到納入篩查個體中觀察到的並發症，考慮到他們的多疾病狀況。我們還將確定多重疾病(並存疾病、功能受限和/或肺功能受損)的閾值，其中LCS的獲益和危害與具有平均健康狀況的預定義亞組的獲益和危害相當。
模擬模型結果將包括(1)篩查符合條件的人群，(2)LDCT篩查和隨訪掃描，(3)假陽性篩查，(4)肺癌活檢，(5)肺癌發病率，(6)肺癌死亡率，(7)與不篩查相比增加的生命年/質量調整生命年，(8)篩查預防肺癌死亡所需的數量，(9)過度診斷和(10)輻射相關肺癌死亡。
討論
PLuS研究將為在四個不同的醫療保健係統中接受推薦LCS的真實世界人群提供有價值的數據。該研究旨在解決LCS在合並症、功能限製和肺功能受損患者中的應用，這些患者在很大程度上尚不清楚。
盡管NLST和其他試驗表明，LCS聯合LDCT可降低肺癌死亡風險，但在現實世界中，年齡較大和可能病情較重的人群中，先前研究發現的益處和危害尚不清楚。與LCS試驗參與者相比，符合LCS條件的美國成年人70歲的可能性幾乎是70歲的兩倍，並且有當前吸煙史的可能性大大增加。14此外，在美國近860萬符合lcs條件的成年人中，約300萬人患有慢性並存疾病，這可能會降低早期疾病篩查的淨收益。56
PLuS研究的第一份科學手稿將描述LCS利用模式的結果，並提供多病態的經驗數據。我們的研究有可能為未來更新和完善有關多病個體健康狀況的篩查指南提供信息。隨後的論文將描述在多病存在的情況下LCS結果的獲益率和危害率。最後，使用來自觀察性研究的輸入，將展示改進的模擬模型結果，這將幫助我們量化共病、功能限製、肺功能對篩查結果的影響，以及LCS聯合LDCT對真實臨床環境中長期健康結果的淨獲益。因此，目前提出的研究結果將描述高共病負擔人群的特征，為他們量化LCS的益處和危害，並幫助指導有肺癌風險的共病患者的臨床決策。
倫理與傳播
該研究方案由南加州凱撒醫療機構(KPSC)批準。
機構審查委員會(IRB)根據智能IRB主通用互惠機構審查委員會授權協議(參考編號:12430)對除VA波特蘭醫療保健係統外的所有站點進行審查，其IRB確定本研究免於審查(豁免編號:4507)。佛羅裏達大學的DCC將確保所需的數據元素被可靠地收集並映射到一個共同定義的、符合健康保險可攜帶性和責任法案(HIPAA)的格式，並在一個靈活、安全的數據係統中進行管理。DCC將建立和維護係統，在所有四個參與機構中收集公共數據元素，並提供安全的傳輸和分發基礎設施，以滿足HIPAA、合作機構和美國聯邦數據共享法規的要求。
這些數據和結果有可能直接有益於公共衛生，研究小組將通過在國家和國際會議上提交高質量報告以及在同行評議的期刊上發表文章來傳播這些數據和結果。
倫理語句
患者發表同意書
參考文獻
補充材料
-
補充數據
此網頁文件由BMJ出版集團從作者提供的電子文件製作而成，並沒有對內容進行編輯。
腳注
推特@KaranthShama
貢獻者DB, GAS和MKG概念化並領導了這項研究。所有作者都為研究設計和方案開發做出了貢獻，並審查並批準了最終版本的手稿。所有納入的作者都提供了書麵知情同意書。
資金該研究由美國國家癌症研究所資助，資助號為R01CA249506。CGS得到了弗吉尼亞州波特蘭醫療保健係統(VAPORHCS)改善退伍軍人參與護理中心的資源支持。
相互競爭的利益沒有宣布。
患者和公眾參與患者和/或公眾沒有參與本研究的設計、實施、報告或傳播計劃。
出處和同行評審不是委托;提交前需經過同行評審，以獲得倫理和資金批準。
補充材料此內容由作者提供。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是作者的意見或建議，不被BMJ認可。BMJ不承擔因對內容的任何依賴而產生的所有責任和責任。如果內容包括任何翻譯材料，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)，並且對因翻譯和改編或其他原因引起的任何錯誤和/或遺漏不負責。