摘要
慢性阻塞性肺疾病(COPD)通常根据预测的1秒用力呼气量(FEV)的百分比进行分期1% pred),但已经提出了其他方法。在本研究中,我们比较了七种分期方法在预测结果方面的表现。
我们回顾性研究了296例COPD门诊患者。对每个患者的疾病严重程度分别应用以下方法进行分级:全球慢性阻塞性肺疾病倡议(GOLD)提出的标准,FEV的四分位数1FEV的% pred和z-score1、四分位数及FEV比率的指定分界点1除以高度的平方(FEV1·Ht−2)一个和(FEV1·Ht−2)B,分别为)和FEV比值的四分位数1超过高度的立方(FEV1·Ht−3)和FEV1商(FEV1Q)我们评估了这些方法在预测严重急性加重风险和全因死亡率方面的表现。
总的来说,基于参考独立FEV的分期1Q在预测严重急性加重(包括频繁加重)的风险和死亡率方面表现最好,其次是(FEV1·Ht−2)B.分段方法的性能也会受到截断值的选择的影响。未来的工作将使用大量和不同种族的人口来改进和验证分界值,这将加强对结果的预测。
摘要
COPD分期的参考无关方法在预测预后方面优于GOLD标准http://ow.ly/W95F30iiMKO
简介
慢性阻塞性肺疾病(COPD)是全球发病率和死亡率的主要原因[1].COPD的准确分期对确定治疗策略和预后具有重要意义。根据预测的1秒用力呼气量(FEV)的百分比进行常见分期1% pred),由慢性阻塞性肺疾病全球倡议(GOLD)提出,因其易受患者年龄、身高、性别和种族的影响而受到批评[2- - - - - -4].1 s用力呼气量(FEV)的替代表达式1)用于COPD分期。根据FEV z-score分期1潜在地避免了个体间生理变异的混淆效应[4- - - - - -6].其他可供选择的分期方法独立于参考值,如FEV比率1除以高度的平方(FEV1·Ht−2)和超高度立方(FEV1·Ht−3),以及FEV的比值1高于性别特异性米勒值(FEV1商数,或FEV1问[7- - - - - -10].大多数评估这些替代方法的研究都是在全球肺功能倡议(GLI)发布其多种族参考方程之前完成的[3.].T的研究urkeshiet al。[11[答案H艾根多夫et al。[12]应用GLI参考方程,同时比较不同FEV表达的预后性能1.然而,这些研究并不是专门针对COPD患者进行的[11,12].在本研究中,我们应用GLI参考方程并与一组COPD患者合作,旨在评估基于FEV不同表达的分期表现1预测两个重要临床结局的风险:严重急性加重(SAE)和全因死亡率。
方法
研究设计和人群
这是一项回顾性研究,使用了我们之前研究中建立的数据库中的脱链临床数据[13].所有患者年龄在40岁至95岁之间,均于2006年1月至2012年12月期间在台湾国立成功大学医院三级医疗中心由经委员会认证的肺科医生诊断为COPD,并被随访至少1年或直至死亡。对于全因死亡率的分析,仅纳入了在研究最终审查日(2015年4月30日)具有完整纵向数据的患者。慢性阻塞性肺病的诊断需要FEV的比值1使肺活量(FVC)低于人口的第五百分位值(正常下限)[1,14,15].如果可用,使用支气管扩张剂后值。有哮喘或任何器官的晚期恶性肿瘤的患者,失去随访的患者,以及数据不完整或有疑问的患者被排除在研究之外。从医疗记录中获取相关数据(包括性别、年龄、身高、体重指数(BMI)、吸烟史、Charlson共病指数、入组前一年及入组后前3年SAE频率、生存状况和呼吸量测量)并进行脱钩。根据相关指南,SAE被定义为一种急性事件,其特征是呼吸系统症状恶化,超出日常变化范围,需要住院治疗[1,16].本院经验丰富且经委员会认证的肺技术人员根据美国胸科学会制定的标准规程进行所有肺功能测试[17].所有患者在进行肺功能检查时病情稳定。最接近研究登记日期的测试被认为是基线测试。对于每个患者,我们计算了五种FEV表达1(FEV1% pred, z-score, FEV1·Ht−2, FEV1·Ht−3和FEV1Q).我们使用GLI专门软件和东南亚人的参考方程来转换测量的FEV1, FEV1% pred和z分数[3.].计算FEV时1Q,我们使用米勒值(即。男性为0.5升,女性为0.4升)[9].本研究由国立成功大学医院机构审查委员会批准(A-ER-104-366)。
COPD严重程度分期
对于每个患者,使用不同的FEV表达将COPD的严重程度分为四个阶段(1-4期,按严重程度增加顺序排列)1.基于FEV的分段截止值1% pred是由GOLD (即。80%, 50%和30%)和FEV的四分位数1% pred。四分位数也被应用为基于z分数、FEV的分期分界值1·Ht−3和FEV1问[9,11,12].用于基于FEV的分段1·Ht−2,我们使用了两组不同的临界值:对于(FEV1·Ht−2)一个我们使用四分位数,而对于(FEV1·Ht−2)B我们使用M提出的分界值伊勒河et al。[7) (即。0.3, 0.4和0.5)。我们总共评估了7种分期方法。
统计分析
分类数据以计数和百分比表示,而连续数据(大多数不是正态分布,如夏皮罗-威尔克检验所评估的那样)则以中位数和四分位间距(IQR)表示。比较各组间变量通过Mann-Whitney U检验或Pearson的同质性卡方检验。进行单因素和多因素logistic回归,以确定每种分期方法在预测1年内至少发生一次SAE的风险、1年内频繁发生(≥2)SAE的风险以及2年内每年发生SAE的风险方面的表现。所有候选变量之间未发现共线性或相互作用。对年龄、BMI、Charlson共病指数、吸烟状况和入组前一年的SAE病史进行了调整。绘制Kaplan-Meier曲线并进行log-rank检验,比较每种分期方法在不同分期患者生存期的差异。进行单变量和多变量Cox比例危险回归分析(调整协变量,如年龄、BMI、Charlson共病指数、吸烟状况和前一年的SAE史),以评估每种分期方法在预测死亡风险方面的表现。没有发现违反比例风险假设的情况。p值<0.05为差异有统计学意义;所有的测试都是双尾的。使用SPSS (Version 22, SPSS, Chicago, IL, USA)、R (Version 3.3.2)和MedCal (Version 16.8.4, MedCal Software, Ostend, Belgium)统计软件包进行统计分析。
结果
我们筛选了667名门诊患者的数据,并确定了296名符合纳入标准的患者,因此纳入了研究(图1).表1显示队列的基线特征。大多数参与者为男性(94%),目前(60%)或以前(30%)吸烟者。患者被随访的中位时间为57.9个月(IQR为49.8个月,范围14天至9.5年)。由于缺乏支气管扩张剂试验,56例患者(19%)使用了支气管扩张剂前的呼吸测定数据。我们确定72例患者(24%)在随访期间死亡,从入组到死亡的中位时间为43.5个月(IQR为39.9个月,范围为14天至8.5年)。189例患者(64%)在最终审查日期前有完整的纵向数据,因此将其纳入全因死亡率分析。除了被排除的患者Charlson共病指数较低(中位数1,IQR 1)和随访时间较短(中位数37.6个月,IQR 26.4个月)外,被纳入死亡率分析的患者和被排除的患者基线特征无显著差异(表1).
所测FEV的分布1, FEV1% pred, FEV1·Ht−2, FEV1·Ht−3和FEV1我们患者的Q均呈正偏态,而FEV的z-scores1正态分布(图S1a−f).虽然我们应用米勒值来推导FEV1Q对于我们的患者,我们还计算了FEV的性别特异性第一百分位值1在我们的研究队列中,男性为0.51,女性为0.52。我们的男性特异性第一百分位值与男性的Miller值(0.5)高度一致,我们的女性特异性第一百分位值与女性的Miller值(0.4)之间的差异可能是由于我们队列中女性患者数量较少(296例中有17例(6%))[9].
表2根据不同的分期方法,显示具有特定结果的患者在不同阶段的分布。我们发现48例患者(16%)在随访1年时至少有一次SAE。其中,22例患者(7%)有两次或两次以上的SAE发作。此外,23例患者(8%)在2年内每年发生SAE。基于(FEV .1·Ht−2)一个(FEV1·Ht−2)B, FEV1·Ht−3和FEV1Q很好地分层了sae相关结局患者的分布,晚期sae相关结局患者的比例较高。相比之下,基于GOLD标准的分期,FEV1% pred(四分位数)和z分数分层不佳。死亡率:根据GOLD标准分期,FEV1% pred(四分位数),(FEV1·Ht−2)B和FEV1Q显示死亡率在上升阶段逐步增加。基于z分数的分期,(FEV1·Ht−2)一个和FEV1·Ht−3在这方面表现较差(表2).
单因素和多因素logistic回归评估SAE风险显示,独立于预测参考值的分期方法比依赖参考值的方法表现更好。基于FEV的分期1Q和(FEV1·Ht−2)一个始终能很好地区分SAE风险,包括1年SAE≥1的风险,如图所示表3,以及1年频繁SAE和2年每年SAE的风险,如图所示表4.发展阶段逐渐增加原油和调整后的优势比。基于(FEV .1·Ht−2)B和FEV1·Ht−3SAE风险在上升阶段总体呈递增趋势。然而,对于这两种方法,第4期1年SAE≥1的粗比值比和调整比值比略低于第3期。对于基于(FEV1·Ht−2)B,第4阶段1年频繁SAE的调整比值比也略低于第3阶段。相比之下,所有三个依赖于引用的分期方法(即。黄金,FEV1% pred(四分位数)和z得分)在SAE风险分层中表现不尽如人意(表3而且4).
基于FEV分期的Kaplan-Meier生存曲线1% pred(四分位数),(FEV1·Ht−2)B和FEV1Q区分不同阶段患者的生存差异。然而,基于z评分的分期生存曲线(FEV1·Ht−2)一个和FEV1·Ht−3在第三阶段和第四阶段之间有早期交叉。以gold为基础的阶段的生存曲线最初分离良好,但随后在阶段1和阶段2之间以及阶段3和阶段4之间表现出晚期交叉,这可能是由于随访结束时剩余的风险受试者数量较少造成的(图2一个- g)。
单因素和多因素Cox回归分析显示,死亡率的分布与中所示一致表2,基于FEV的分期1% pred(四分位数),FEV1Q和(FEV1·Ht−2)B特别是对死亡风险进行了很好的分层,随着晚期表现出逐渐增加的粗风险比和调整后的风险比。对于GOLD阶段,原油和调整后的风险比也呈现出类似的递增趋势,但大多没有达到统计学意义。基于z评分的分期仅在多变量Cox回归模型中表现出逐渐增加的死亡风险。基于(FEV .1·Ht−2)一个和FEV1·Ht−3在预测各阶段不同的死亡风险方面表现不佳(表5).
考虑到我们的队列规模相对较小,且主要变量分布偏倚,我们进一步对所有的logistic和Cox回归分析应用了自举(5000个随机抽样和替换,使用SAS版本9.4 (SAS Institute, Cary, NC, USA)),以提高我们统计估计的准确性。bootstrap推导的粗比值比、调整后的比值比和风险比,以及相应的95%置信区间,总体上达到了统计显著性,并与我们原始回归模型的结果一致(表S1和S2).
讨论
在这项研究中,我们比较了七种COPD严重程度的分期方法。我们展示了基于FEV的分期1Q准确预测了生存期和所研究的所有不良结果的风险。基于(FEV .1·Ht−2)B总体上也表现良好,特别是在预测死亡风险方面,尽管1年SAE≥1的粗比值比和调整后的比值比略有倒置,3和4阶段之间的1年频繁SAE的调整后比值比略有倒置。在第2阶段和第3阶段之间,还注意到自举推导的校正死亡率风险比略有倒置。基于(FEV .1·Ht−2)一个和FEV1·Ht−3能很好地识别sae相关风险,但在预测生存差异和死亡风险方面表现不尽如人意。使用GLI参考方程的GOLD标准不能区分所有sae相关风险,对死亡风险的预测不如FEV1Q和(FEV1·Ht−2)B.通过使用与GOLD标准不同的临界值,基于FEV进行分期1% pred(四分位数)较好地预测了1年的死亡风险和频繁SAE风险,但仍不能充分区分其他SAE相关风险。基于gli衍生的z评分的分期仅在校正混杂因素后的多变量Cox回归死亡率模型中表现良好,但完全不能预测所有sae相关风险。
COPD的严重程度,以FEV受损程度表示1,与急性加重有关[18- - - - - -27]和死亡率[28- - - - - -34].然而,COPD严重程度分期的最佳方法和分界值仍有待确定。常用的GOLD标准因容易产生偏差而受到批评[2- - - - - -4].M的开创性作品伊勒河同事们[7,8]显示了基于参考独立FEV的分期1·Ht−2和FEV1·Ht−3与死亡率有很好的相关性。后来,米伊勒河et al。[9]发现FEV1基于q的分期是一个更好的生存预测指标。FEV的优越性1Q,并在较小程度上FEV1·Ht−3在COPD分期中,Pedoneet al。[10].此外,V阿兹Fragoso同事们[4,5]应用FEV的z分数1对老年患者进行COPD分期,并发现基于z评分的晚期与不良结局风险增加和呼吸道症状恶化相关。此外,目前尚不清楚是否使用GLI参考方程来计算FEV1% pred和z评分改变了这些分期方法预测结果的性能。H艾根多夫et al。[12]应用GLI参考方程,并基于五种不同的FEV表达式进行分期比较1在预测死亡率、意外住院以及身心衰退方面。他们还鉴定了FEV1Q和FEV1·Ht−3作为预测结果的两种最佳方法。然而,在他们的研究队列中,只有约14%的受试者患有COPD [12].据我们所知,本研究首次应用GLI参考方程,比较了FEV不同表达式的性能1COPD分期和预测所有COPD患者的疾病特异性结局。
我们目前工作的发现与先前基于FEV的分期研究一致1Q和(FEV1·Ht−2)B在单因素和多因素分析中,对不良结果风险的预测和分层表现良好。这具有实际的重要性,因为在临床环境中,临床医生经常对这些患者特异性变量进行不同的权衡,甚至孤立地考虑严重程度。与之前的研究人员一样,我们还发现广泛应用的GOLD标准在预测结果方面表现不充分,特别是SAE风险。黄金标准和(FEV1·Ht−2)B两者都使用了临界值,导致患者分裂不均匀。与M伊勒河et al。[7],与GOLD标准相比,(FEV1·Ht−2)B将更多的患者分为最高和最低阶段,而不是中间阶段2和3,但在预测结果方面,它比GOLD标准表现得更好。我们目前的研究与V的研究不同阿兹Fragoso同事们[4,5],因为我们没有观察到基于z评分的分期在结局预测方面有任何优势。在使用Q提出的五阶段分界值后,z评分在结局预测中的表现仍不理想uanjeret al。[6) (表S3和图S2a).不同于以往的研究,基于FEV的分期性能1·Ht−3在本研究中,在区分生存和死亡风险的差异方面是不充分的,并且不能像Pedoneet al。[10) (表S3和图S2b).当我们分析在2年和3年的随访中至少有一次SAE的风险时,FEV1基于q的分段是唯一一种始终保持原油产量逐步增加的方法,并随着分段的推进而调整优势比(表S4).
我们的研究结果的另一个重要含义是,分期方法在预测结果方面的表现也可以受到截止值的选择的影响。GOLD标准和FEV之间的性能差异证明了这一点1% pred(四分位数),也在(FEV1·Ht−2)一个和(FEV1·Ht−2)B.基于任何分期方法的COPD严重程度与各种不良后果的风险之间不太可能是线性关系。最好的截止值,即使与FEV分期1Q,可能仍然需要改进和验证,特别是在大型临床人群中。
本研究存在一定的局限性。首先,我们的队列规模相对较小,可能使我们的研究对细微的差异不敏感。然而,自举的应用有助于抵消这种限制。其次,我们的参与者大多数是男性,这主要是因为台湾吸烟和COPD的流行病学,95%以上的吸烟者是男性[35].将我们的发现推广到不同性别比例的人群需要谨慎进行。第三,这项研究是在单一三级医疗中心的门诊环境中进行的,结论可能不适用于所有COPD患者。最后,我们没有分析参与者的心理社会因素或治疗方法,因此不能排除这些因素的潜在混杂效应。
结论
我们发现,基于GOLD标准的COPD严重程度分期在预测不良结果风险方面表现不充分。基于引用独立FEV的分段1Q使用四分位数作为分界值最能预测SAE和死亡率的风险,并在生存差异分层方面表现良好。基于(FEV .1·Ht−2)B是表现第二好的方法。分段方法的性能取决于FEV的表达式1以及分界值的选择。
补充材料
补充材料
请注意:补充材料不是编辑部编辑的,上传时是作者提供的。
补充图S1erj - 00577 - 2017 - _supplementary_figure_s1
补充图S2erj - 00577 - 2017 - _supplementary_figure_s2
补充表S1erj - 00577 - 2017 - _supplementary_table_s1
补充表S2erj - 00577 - 2017 - _supplementary_table_s2
确认
我们感谢参与这项研究的所有患者的贡献。我们也非常感谢成功大学医院生物统计咨询中心的统计学家王伟明、陈婉妮和徐志辉为我们提供统计咨询和协助。本文中的部分数据在2016年欧洲呼吸学会国际大会上题为“COPD住院和门诊管理”的海报讨论中展示。188bet官网地址
作者贡献:T-H。黄:研究设计、课题获取、数据分析与解读、图表、稿件撰写。收发。Hsiue P-L。苏,x m。Liao:课题获取,数据分析,数据解读和数字评论。- h。林:统计分析、计算和解释方面的咨询和协助。azbxcz。陈:研究设计与概念,数据分析与解读,稿件撰写。
脚注
这篇文章有补充资料可从www.qdcxjkg.com
支持声明:本研究由国立成功大学医院NCKUH-10508003资助。主办单位在论文的设计、方法、课题招募、数据收集、数据分析或准备过程中均无任何作用。本文的资助信息已存入交叉参考基金注册.
利益冲突:没有声明。
- 收到了2016年12月14日。
- 接受2018年1月31日。
- 版权所有©ERS 2018