到编辑:
我们读过,非常感兴趣,发表kermans.等等。[1] 在里面欧洲呼吸杂志。在这项研究中,基于1 s(FEV的强制呼气量,它们通过形成四组来重新分配来自第一肺部健康研究的数据1(根据LMS(Lambda,Mu,Sigma)方法,/强制生命能力(FVC)<0.70或<5百分位数。但是,我们确实有一些关于分析的有效性的评论,并提出了一种重新解释其结果的方法。
一种kermans.等。[1结论是,发布后支气管扩张剂FEV的衰落1在本集团固定+/ LMS.-(FEV.1/ FVC <0.70和> 5百分位数与固定组相比显着降低+/ LMS.+(FEV.1/ FVC <0.70和<5百分位数)。平均值SD.下降是43.8±50.0毫升·年-1与53.5±51.5 ml·年-1分别建议使用第五百分位阈值来定义慢性阻塞性肺病(COPD)的存在。
有趣的是,在初始5887个受试者中排除了1842名科目后,达到了这一结论。因此,问题出现了:这么庞大的后果是什么后HOC排除FEV的估计1两组下降?
大多数受试者(n = 1276)被排除在一起,因为他们表现出“不稳定的分类”,人们可以问自己FEV是什么1拒绝在被排除的主题中。有些人据报道,随着时间的推移,有些是有些肺功能,据报道有些人变得更加阻碍。关于该排除是否在形成的四个组上是“随机”的数据,缺乏。出版物的文本没有提供有关提交人选择遵循这条道路的原因的详细信息。无论如何,必须认识到,因此,由此形成的组具有选择偏差和分析的结果很可能也受到一定程度的偏差。该选择偏差在文章的表1中示出了[1在那里,显示排除的受试者有一个更好的FEV1和FEV.1/ FVC,尽管包装数量相同。
剩下的566个被排除的主题中,基于“缺少至少一个后续肺活量测定”,不包括一些数字。现在,作者使用了纵向研究的经典统计方法,随机拦截和随机斜率分析(SAS中的混合过程(SAS软件9.2; SAS Institute Inc.,Cary,NC,USA))。这种类型的分析的特征在于,这种缺失数据对结果的有效性并不不利。受试者内的观测数量似乎没有相同。似乎作者排除了太多的科目,而不是严格必要。
即使在结果中排除受试者不会导致结果中的偏见,即将结论1/ FVC <第5个百分位数是在FEV上受到青睐1/ FVC <0.70必须谨慎解释。如果确实,第<第5百分位数的下降是陡峭的,它并不意味着在FEV中1/ FVC <0.70但<5百分位数缺席。一个小10毫升·年的平均下降差异-1,但在两个群体中的健康受试者中的预期陡峭(估计为~27毫升·年-1对于FEV.1根据欧洲呼吸协会参考方程式[188bet官网地址2])。当fev.1decline1/ FVC <0.70但>第5个百分位数通常以平均值分布SD.43.8±50.0 ml·年-1,很明显,在这一组中存在一些非常陡峭的倾斜的科目。
一种kermans.等。[1]正确的说明快速肺功能下降是关键的[3.]。当快速下降的主题仍然显示发布的支气管扩张剂FEV时1/FVC≥5百分位数,该主题接收非COPD标签,并且必须在强制COPD标签之前等待第五百分位数的交叉。这意味着失去了一段时间,虽然很明显这种快速下降的主题是真正患病的,那些具有初始(非常)高FEV的受试者1(例如。第95百分位数的起始值必须在收到适当的标签之前“等待”很长一段时间,即他们的fev1恶化。
总之,我们认为,关于遵循/选择的阈值的讨论应该由关于如何定位迅速下降的科目的辩论,而他们是否仍然在任何阈值,或已经低于任何门槛上。
脚注
利益冲突:没有宣布。
- 收到2013年5月21日。
- 公认2013年5月24日。
- ©ers 2014.