NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4

2023年7月,复旦大学的学者在BMC Psychiatry(三区,IF=4.4 )发表题为:Prevalence of depression and association with all-cause and cardiovascular mortality among individuals with type 2 diabetes: a cohort study based on NHANES 2005–2018 data 的研究论文。

这项研究为一项队列研究,旨在使用美国的代表性样本来调查抑郁症的患病率和预测因素,以及它对成人2型糖尿病(T2DM)全因和心血管死亡率的影响。结果表明, T2DM 抑郁症患者的全因死亡风险增加抑郁症对死亡率的影响因亚组而异。因此医疗保健提供者应考虑将抑郁症筛查和管理纳入常规护理,特别是对于具有特定危险因素的亚组。

NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4_第1张图片

摘要与主要结果

一、摘要

背景:糖尿病患者患抑郁症的风险增加,但关于这一主题的全国代表性研究有限。我们旨在使用前瞻性队列研究和美国的代表性样本来调查抑郁症的患病率和预测因素,以及它对成人2型糖尿病(T2DM)全因和心血管死亡率的影响。 


方法:我们分析了2005年至2018年的国家健康和营养检查调查(NHANES)数据,并将其与最新公开的国家死亡指数(NDI)数据联系起来。年龄在20岁或20岁的抑郁症患者也包括在内。抑郁症被定义为患者健康问卷(PHQ-9)得分≥10,分为中度(10-14分)和中度严重至重度(≥15分)。Cox比例风险模型用于估计抑郁症与死亡率之间的关系。 


结果:5695名T2DM患者中,11.6%患有抑郁症。抑郁症与女性、年龄较小、超重、受教育程度较低、未婚、吸烟以及有冠心病和中风病史有关。在平均78.2个月的随访期间,发生了1161例全因死亡。完全抑郁症和中重度至重度抑郁症显著增加了全因死亡率(调整后的危险比[aHR]1.36,95%CI[1.09-1.70];1.67[1.19-2.34])和非心血管死亡率(aHR1.36,95%CI[1.04-1.78];1.78,95%CI[1.20-2.64]),但不增加心血管死亡率。亚组分析显示,男性(aHR 1.46,95%CI[1.08-1.98])和60岁或60岁以上人群(aHR 1.35,95%CI[1.02-1.78])的完全抑郁与全因死亡率之间存在显著相关性。在年龄或性别分层的亚组中,任何抑郁的严重程度与心血管死亡率均无显著相关性。


结论:在一个具有全国代表性的美国T2DM成年人样本中,大约10%的人经历过抑郁症。抑郁症与心血管死亡率无显著相关性。然而,T2DM患者增加了全因和非心血管死亡的风险。抑郁症对死亡率的影响因亚组而异。因此,由于患有抑郁症的T2DM患者全因死亡率增加,医疗保健提供者应考虑将抑郁症筛查和管理纳入常规护理,特别是对于具有特定风险因素的亚组。

二、研究结果

1.基线特征

5695名T2DM参与者,其中722人(加权百分比11.6%)患有抑郁症。抑郁症组的加权平均年龄为57.4±0.7岁,非抑郁症组为60.3±0.3岁。与没有抑郁症的人相比,抑郁症患者更可能是年轻、女性、超重、受教育程度较低、孤独、经常吸烟以及有中风史(所有p值均<0.05)。

NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4_第2张图片

2.T2DM患者抑郁的患病率及危险因素

从总体和亚组的角度来看,2005年至2018年间,成人T2DM患者的抑郁症患病率保持稳定(所有线性趋势均p>0.05,补充表S1)。表2表明抑郁症在年龄小于60岁、女性、BMI≥30 kg/m²的个体、孤独个体、当前吸烟者以及有CHD病史和中风史的个体中更为普遍。

NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4_第3张图片

3.T2DM患者抑郁与全因和心血管死亡率的关系

研究发现,在平均78.2个月的随访期内(抑郁症组:75.3个月;非抑郁症组:78.5个月),有1161人死亡,其中323人死于心血管疾病。抑郁症患者的全因死亡率和心血管疾病死亡率高于无抑郁症患者(表3)。  

在对协变量进行调整后,与无抑郁症的个体相比,完全抑郁症和中重度至重度抑郁症都与全因死亡风险增加显著相关(调整后的HR[aHR]1.36,95%CI[1.09-1.70]和1.67,95%CI[1.19-2.34])。然而,没有发现抑郁症的严重程度与心血管死亡率之间存在显著关联。

NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4_第4张图片

4.亚组全因死亡率和心血管死亡率的危险比

我们进行了一项亚组分析,以解决抑郁症对T2DM患者死亡风险影响的年龄和性别特定因素(表4)。完全抑郁与全因死亡率之间的相关性仅在60岁或60岁以上的个体(aHR 1.35,95%CI[1.02-1.78])和男性(aHR 1.46,95%CI[10.8-1.98])中显著。

NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4_第5张图片

设计与统计学方法

一、研究设计

P参与者2005-2018年的5695名二型糖尿病成年参与者(年龄≥20岁)

E暴露:抑郁程度

O结局全因死亡和心血管死亡

S研究类型队列研究

二、统计方法

1.统计描述:连续变量用平均值(标准误差,SE);分类变量用(加权百分比,%)。用卡方检验比较各组之间的差异。

NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4_第6张图片

2.为了确定T2DM患者抑郁的危险因素,进行了logistic回归计算比值比(OR)。并调整了模型。

NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4_第7张图片

3.我们通过将事件数除以随访人年来计算全因死亡率和心血管死亡率的发病率。使用多变量Cox比例风险模型来估计所有协变量的95%置信区间(CI)的HR。

NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4_第8张图片

4.所有数据都进行了加权,所有统计分析均使用R统计软件(macOS版本R 4.2.1)中的Survey软件包进行。双侧p<0.05被认为具有统计学意义。

NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4_第9张图片

小结

本文是一项队列研究,探讨①2型糖尿病患者抑郁症的患病率与影响因素;②抑郁与全因和心血管死亡率的关联。

①:首先将人群按是否抑郁分为两类,结局指标为二分类,很自然联想到用

logistic回归来探讨其影响因素。同时,根据表1里卡方的结果来挑选混杂因素进行调整。

②:这里将人群按抑郁程度分类,结局指标为随访时间及死亡情况,用cox回归,并且也调整了模型。

其他就是进行了性别、年龄的亚组分析。在附件中还计算量P trend。

以下是文章中logistic回归和Cox回归的R语言代码,可一键导出三线表!

R语言:autoReg包,自动输出整洁的回归模型结果

更适合小白的“风暴统计平台”,直接鼠标点一点就能出三线表!

最快捷的logistic回归方法来了!批量单因素回归、自动先单因素后多因素回归

趋势性分析P trend 怎么算?以下链接详细介绍!

一文学会P trend计算,利用回归进行趋势性分析

本文是适合初学者仔细阅读的文章,值得借鉴。

基本每篇文章解读都会附上某一个统计方法的代码复现,多看不如多动手,

及时行动起来吧!

一个专门做公共数据库的公众号,关注我们

NHANES数据库 | logistic回归+cox回归+亚组分析=三区 IF=4.4_第10张图片

你可能感兴趣的:(回归,数据挖掘,人工智能,机器学习,算法)