影响因素分析玩出新花样,不一样的轨迹模型发一区文章

news2024/11/14 19:33:49

郑老师统计课程,欢迎点击报名:孟德尔随机化课程即将开班!!

2023年3月,外国学者在《Age Ageing区,IF=6.7发表题为:Eight-year longitudinal falls trajectories and associations with modifiable risk factors: evidence from The Irish Longitudinal Study on Ageing (TILDA)的研究论文。

这项观察性研究在《爱尔兰老龄化纵向研究》(TILDA)中描述了自我报告跌倒的8年纵向轨迹,并研究了与各种因素的关系,包括行动能力、认知能力、直立性低血压(OH)、对跌倒的恐惧(FOF)以及抗高血压和抗抑郁药物的使用。结果表明,认知和心理状态、精神药物处方、活动能力和OH的改善可能有助于改善轨迹。

5c5d80caea322f402336a0b5cbc1c407.png

摘要与主要结果

一、摘要

背景:“跌倒者”的标签和相关的污名可能会减少寻求医疗保健的行为。然而,下跌并非不可避免地渐进,许多驱动因素是可以改变的。这项观察性研究在《爱尔兰老龄化纵向研究》(TILDA)中描述了自我报告跌倒的8年纵向轨迹,并研究了与各种因素的关系,包括行动能力、认知能力、直立性低血压(OH)、对跌倒的恐惧(FOF)以及抗高血压和抗抑郁药物的使用。 

方法:年龄≥50岁的参与者按前一年平均跌倒≥2次(复发性跌倒)或不(≤1次跌倒)进行分类。利用多状态模型估计下一波转移概率。


结果:纳入8157例(54.2%为女性)参与者,其中586例报告≥2次第1波跌倒。那些报告在过去一年中跌倒≥2次的人有63%的概率转向更有利的跌倒≤1次的状态。那些报告跌倒≤1次的患者有2%的概率过渡到跌倒≥2次。除了年龄较大和慢性病数量较多外,蒙特利尔认知评估评分较低、FOF和服用抗抑郁药物也增加了从≤1次跌倒过渡到≥2次跌倒的风险。相反,男性、较高的上升和下降时间、OH的存在和服用抗抑郁药将改善的概率从≥2次下降到≤1次下降。


结论:大多数复发性跌倒者都经历了良好的转变。认知和心理状态、精神药物处方、活动能力和OH的改善可能有助于改善轨迹。研究结果可能有助于消除与跌倒相关的耻辱感,并促进预防性就医行为。


二、研究结果

1.基线特征

第1波共招募了8504名参与者,其中330人(3.9%)年龄在50岁以下。在剩下的参与者中,8154人有完整的跌倒数据。表1显示了第1波中报告一次或无下跌的人与前一年报告两次或两次以上下跌的人之间的差异。平均而言,报告两次或两次以上跌倒的患者年龄较大,体重指数较高,慢性病(包括心肌梗死、心力衰竭、中风或短暂性脑缺血发作;但不包括癌症)发生率较高,药物使用率较高(包括抗抑郁药,但不包括抗高血压药),身体和认知功能参数较低。在前一年报告两次或两次以上跌倒的人中,有更大比例的人在小学毕业后离开了教育,更害怕跌倒,并且患有OH(表1)。 

070e39eab4116e62e7d21579c877b04f.png

总样本中瀑布状态的冲积图如图1所示。截至第五波,已有1058名参与者死亡,3303名参与者的跌倒数据缺失。 

82aa920f45425d48062c41719c45c233.png

从一种状态移动到另一种状态的概率如图2所示。那些在过去一年中报告两次或两次以上下跌的人,有63%(95%置信区间:59–66%)的概率会转变为“一次或没有下跌”的有利状态,尽管在下一波下跌之前死亡的概率为11%(95%可信区间:8–14%)。那些报告有一次或没有跌倒的人有2%(95%CI:2-3%)的概率转变为“两次或两次以上跌倒”的不利状态,4%(95%CI:3-4%)的死亡概率。下一波保持“两次或两次以上下跌”不利状态的概率为26%(95%置信区间:24-29%)。 

b2ab85481555562e3d7766861bb77ec2.png

2.主要结果  

表2给出了协变量(年龄、性别、教育程度、慢性病数量、TUG、MoCA、OH、FOF以及抗高血压药和抗抑郁药的使用)对转变影响的危险比。在那些报告前一年有两次或两次以上跌倒的人中,女性参与者在下一波跌倒时进入“一次或没有跌倒”的有利状态的风险高出28%,为完成TUG而多服用一秒钟的风险降低11%,OH患者降低28%,服用抗抑郁药的患者降低35%。在前一年报告一次或没有跌倒的人中,每5岁发生“两次或两次以上跌倒”的不利状态的风险增加12%,每增加一种慢性疾病的风险增加28%,每增加1个MoCA点的风险降低7%,服用抗抑郁药的风险增加87%,与报告无恐惧的人相比,报告有些害怕或非常害怕跌倒的风险分别增加49%和169%。从“一次或无一次跌倒”转变为死亡的风险随着年龄、男性和MoCA分数的增加而增加;从两次或两次以上跌倒过渡到死亡的风险随着年龄的增加、男性、TUG时间的减慢以及报告非常害怕跌倒(与那些报告不害怕跌倒的人相比)而增加。 

776f96e4e66fc402617d9da5972cd406.png

3.敏感性分析

附录S1中给出了缺失数据作为附加状态建模的相同多状态模型的灵敏度分析。与主要分析相比,敏感性分析从“两次或多次跌倒”类别转换为“一次或无跌倒”类别的概率较低,为57%,而不是63%。在相反的方向上,概率等于2%。从“一次或无跌倒”类别转换为“失踪”类别的概率为11%,而从“两次或多次跌倒”转换为“下落不明”的概率为13%。 

8642eadd963e9d5ce3c12a1e7bd81359.png

fb0a414e1a2730d3ffe198d3a5df612c.png

设计与统计学方法

一、研究设计

P(Population)参与者:纳入8157例(54.2%为女性)参与者。

E(exposure)暴露因素:活动能力、认知、体位性低血压(OH)、害怕跌倒(FOF)以及使用抗高血压和抗抑郁药物等因素。

O(outcome)结局:跌倒次数。

S(Study design)研究类型观察性研究。

二、统计方法

1.数据采用R软件进行分析。描述性统计以平均值加标准差(±SD)、中位数加四分位间距(IQR)或计数加百分比(%)表示。采用t检验(正态分布变量)、Wilcoxon秩和检验(非正态分布的变量)和Pearson卡方检验(分类变量)对两组跌倒患者进行比较。

4b9d1781275eacb5720ee2bd9ad5d729.png

2.对于瀑布类别纵向轨迹的冲积图,使用R冲积包。为了检查两种跌倒类别之间的纵向转换(“一次或无跌倒”与“两次或多次跌倒”),我们使用了使用R msm包的多状态马尔可夫模型。该模型是一种描述个体在一段时间内经历一系列状态的过程的方法。所有丢失的数据都经过审查,最初被认为是随机丢失的。我们进行了敏感性分析,其中缺失的数据被建模为模型中的附加状态。我们获得了从Wave x到Wave x + 1的估计转移概率矩阵(95%置信区间[CI])。

我们将以下协变量添加到模型中,以检查它们对不同跌倒类别之间转换风险的影响:年龄(以5年为间隔)、年龄、性别、教育水平(以“初级”为参考类别)、慢性病数量、TUG时间、MOCA评分、OH的存在、FOF(以“不怕”为参考类别)以及使用抗抑郁药和抗高血压药。纳入TUG、MoCA和OH是由于先前的研究描述了老年人跌倒风险的“百慕大三角”,其特征是步态障碍、认知障碍和体位性低血压。其他协变量的选择是基于以前的研究,并强调包括潜在的可修改因素。所有协变量均为第一阶段评估的值,并在不同阶段保持不变。获得了估计协变量的风险比(HR)和95% CI。当HR的CI不包含1时,HR被认为是显著的。

c3a04e6425997c8d19596f766d3751f8.png

8b3d6c2e702aea991679fe2d05f8e666.png

一个专门做公共数据库的公众号,关注我们

9b1bde0ec40cfbd8f7be1caff14c3d5b.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1152829.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

GameGPT:使用AI实现游戏开发自动化

使用多代理基于AI开发游戏的这种方法果真切实可行吗?如今,从事游戏开发如同走钢丝。游戏行业处于一种怪异的境地:游戏变得越来越酷,越来越有开创性,但同时也变得越来越让人头疼:更大的团队、更长的工作时间…

JVS-BI数字大屏设计器:一站式解决方案

数字大屏介绍 数字大屏是当下数据展示、业务监控、指挥调度常见的业务表达形态,常有可视化的图表、效果装饰、事件操作等技术组成酷炫的效果展示。 配置入口 进入JVS-BI(bi.bctools.cn),进入大屏页面,如下图所示 ①…

少儿编程 2023年9月中国电子学会图形化编程等级考试Scratch编程四级真题解析(选择题)

2023年9月scratch编程等级考试四级真题 选择题(共25题,每题2分,共50分) 1、角色为一个紫色圆圈,运行程序后,舞台上的图案是 A、 B、 C、 D、 答案:A

springboot集成swagger3以及美化调试

实现效果如下&#xff1a; http://localhost:9999/doc.html#/ http://localhost:9999/swagger-ui/index.html#/ 代码开始&#xff1a; 一 引入pom <!-- swagger接口文档 --> <dependency><groupId>io.springfox</groupId><artifactId>springf…

Day 4 登录页及路由 (二) -- Vue状态管理

状态管理 之前的实现中&#xff0c;判断登录状态用了伪实现&#xff0c;实际当中&#xff0c;应该是以缓存中的数据为依据来进行的。这就涉及到了应用程序中的状态管理。在Vue中&#xff0c;状态管理之前是Vuex&#xff0c;现在则是推荐使用Pinia&#xff0c;在脚手架项目创建…

【年终特惠】全流程HEC-RAS 1D/2D水动力与水环境模拟技术案例实践及拓展应用

水动力与水环境模型的数值模拟是实现水资源规划、环境影响分析、防洪规划以及未来气候变化下预测和分析的主要手段。然而&#xff0c;一方面水动力和水环境模型的使用非常复杂&#xff0c;理论繁复&#xff1b;另一方面&#xff0c;免费的水动力和水环境软件往往缺少重要功能&a…

什么是神经网络,它的原理是啥?(2)

参考&#xff1a;https://www.youtube.com/watch?vmlk0rddP3L4&listPLuhqtP7jdD8CftMk831qdE8BlIteSaNzD 视频3&#xff1a;什么是激活函数&#xff1f;为什么我们需要激活函数&#xff1f;它的类型有哪些&#xff1f; 为什么需要激活函数&#xff1f;如果没有激活函数&…

无品牌国产PLC模块调试说明

地址30001对应的aiw9 30002对应aiw10 30003 aiw11 30004 aiw12 模块接线及拨码全部向下&#xff0c;对应的DeviceID为15地址 使用串口线链接的时候a要接b0 b接a0 要反着接才能有数据

LeetCode|动态规划|1035. 不相交的线 、53. 最大子数组和

目录 一、1035. 不相交的线 1.题目描述 2.解题思路 3.代码实现 二、53. 最大子数组和 1.题目描述 2.解题思路 3.代码实现&#xff08;动态规划解法&#xff09; 一、1035. 不相交的线 1.题目描述 在两条独立的水平线上按给定的顺序写下 nums1 和 nums2 中的整数。 现…

学习Linux/GNU/C++/C过程中遇到的问题

学习Linux/GNU/C/C过程中遇到的问题 1.源函数调用&#xff1a;2.linux静态库使用&#xff1a;3.vscode创建c程序调用onnxruntime:问题1&#xff1a;找不到头文件或者未定义函数问题2:error while loading shared libraries: libonnxruntime.so.1.16.1: cannot open shared obje…

HQChart使用教程97-K线X轴滚动条

HQChart使用教程97-K线X轴滚动条 效果图创建步骤1. 创建滚动条div2. 初始化滚动条实例3. 配置滚动条属性4. 创建滚动条5. K线图和滚动条绑定6. 滚动条显示位置 完整示例HQChart代码地址 效果图 示例地址&#xff1a;https://jones2000.github.io/HQChart/webhqchart.demo/sampl…

Python武器库开发-高级特性篇(十)

高级特性篇(十) 多进程 多进程就是指通过应用程序利用计算机的多核资源达到同时执行多个任务的目的&#xff0c;以此来提升程序的执行效率 import os from multiprocessing import Processdef hello(name):#获取当前进程#os.getpid()print(process {}.format(os.getpid()))p…

内衣洗衣机和手洗哪个干净?好用的内衣洗衣机测评

最近一段时间&#xff0c;关于内衣到底是机洗好&#xff0c;还是手洗好这个话题&#xff0c;有很多人都在讨论&#xff0c;坚决的手洗党觉得应该用手来清洗&#xff0c;机洗与其它衣物混合使用&#xff0c;会产生交叉感染&#xff0c;而且随着使用时间的推移&#xff0c;会变得…

【ChatGLM2-6B】从0到1部署GPU版本

准备机器资源 显卡: 包含NVIDIA显卡的机器&#xff0c;如果是阿里云服务器可以选择ecs.gn6i-c4g1.xlarge规格硬盘: 大约50G左右操作系统: CentOS 7.9 64位CPU内存: 4C16G 更新操作系统 sudo yum update -y sudo yum upgrade -y下载并安装anaconda 在命令行中&#xff0c;输…

python--杂识--15--python调用c代码

两种方法&#xff1a; Python/C apictypes 1 Python/C api 1.1编写代码 c_test.c #include <Python.h>// C的原生函数&#xff0c;实现两个整数的相加 int add(int a, int b) {return a b; };// compute_add【一般&#xff1a;模块名_函数名】&#xff0c;按照pyth…

渗透测试-Fastjson反序列化漏洞getshell

目录 前言 测试环境准备 dnslog测试 搭建rmi服务器&准备恶意类 引用JdbcRowSetImpl攻击 反弹shell$命令执行 总结 关键字&#xff1a;fastjson 1.2.24反序列化导致任意命令执行漏洞 注&#xff1a;本次渗透测试全在虚拟机中进行仅用于学习交流&#xff0c;请勿在实…

直播间讨论区需要WebSocket,简单了解下

由于 http 存在一个明显的弊端&#xff08;消息只能有客户端推送到服务器端&#xff0c;而服务器端不能主动推送到客户端&#xff09;&#xff0c;导致如果服务器如果有连续的变化&#xff0c;这时只能使用轮询&#xff0c;而轮询效率过低&#xff0c;并不适合。于是 WebSocket…

QT-- out of memory, returning null image

提示&#xff1a;本文为学习内容&#xff0c;若有错误&#xff0c;请及时联系作者&#xff0c;谦虚受教 文章目录 前言一、崩溃信息二、错误原因1.QImage2.QStandardItemModel 三、问题解决总结 前言 学如逆水行舟&#xff0c;不进则退。 一、崩溃信息 崩溃信息: QImage: out…

UIButton

titleEdgeInsets和imageEdgeInsets titleEdgeInsets和imageEdgeInsets的作用是用来移动btn两个子空间的排布的 它们只是image和label相较于原来位置的偏移量&#xff0c;那什么是原来的位置呢&#xff1f;其实就是不设置Insets的那个状态。下面为不设置insets的状态。 默认情…