条文本
PDF
文摘
背景:决策基于纵向肺活量的测量的有效性主要取决于可用的数据的精度,这是由within-person变异的大小决定的。
目的:首先,描述和研究两种统计方法:成对within-person标准差的估计年代p和可靠性系数G——使用纵向的监测精度的测量在一秒用力呼气量(FEV1)。其次,研究纵向数据精度的影响可检测多余残率下降。
方法:作者回顾性“监控”每年within-person的大小变化年代p和系数G在工作场所11肺活量的监测项目进行了从1987年到2001年基于12各工厂的729名工人。
结果:植物的平均值年代̄p(范围122 - 166毫升)和Ḡ(范围0.88 - -0.95),平均年的跟进,相关的植物within-person标准差年代r(范围130 - 177毫升)估计纵向数据。0.90 s̄相关性p和0.68Ḡ。纵向残的平均精度测量影响的持续时间跟进需要确定一个“真正”的过剩FEV1下降率在一个独立的个体。
结论:纵向肺量测定法的结果表明,监测数据精度(1)允许数据精度可以提高或保持在水平,使患者在早期识别快速下降;和(2)高度的测量精度,基于决策的数据。
- ATS,美国胸科学会
- 慢性阻塞性肺病,慢性阻塞性肺疾病
- 残,在一秒钟用力呼气量
- FVC、用力肺活量
- LLNR,正常的回归线的下限
- 肺量测定法筛选
- 纵向肺量测定法
- 肺量测定法监测
- 可靠性系数
来自Altmetric.com的统计
慢性阻塞性肺疾病(COPD)通常是一个缓慢渐进气道疾病,产生肺功能下降,是无法完全可逆的。根据世界银行/世界卫生组织,慢性阻塞性肺病预计将上升到第五排到2020年的疾病负担。1慢性阻塞性肺病是最常见的在吸烟的蓝领工人,职业暴露,社会经济地位导致疾病的风险增加。2因此,预防慢性阻塞性肺病的发展是一个重要的全球公共卫生问题和工作场所检查可能有助于预防。肺量测定法测试用力肺活量(FVC)和在一秒用力呼气量(FEV1)是慢性阻塞性肺病的诊断推荐的测试。1,3肺量测定法测试的残是最可再生的和最适合测量肺功能随时间的变化。4纵向残数据使我们能够研究肺功能的变化,并确定个人和团体增加肺功能下降的早期干预。5 -9可能,基于工作场所的肺量测定法监测可以提供一个有价值的工具,用于过度的早期识别单个肺功能下降,引起的慢性肺疾病,可能反映了发展职业或环境因素,包括吸烟。然而,决策的有效性基于纵向肺量测定法数据在工作场所监测项目主要取决于精度可用的纵向联系,within-person变异的大小。10
美国胸科学会(ATS)提供了肺量测定法质量控制指南,帮助减少测量误差在单一测试会话。11仍有需求,然而,对于统计监测精度时收集纵向测量多年。12这种监测将使一个调查和减少无关的随机变化这些出现后不久,来源,同时,高度精密的测量数据的决策。
在纵向肺量测定的数据,精度的大小主要取决于within-person肺功能的变化。13 -15within-person变异的来源可以大致归类为那些因测量程序(例如,肺活量计、主题或技术员程序错误)和那些因within-person波动肺功能围绕其“真正”的价值。14日,15图1说明了纵向FEV1值的三个人在我们的研究中有不同程度的within-person标准差S国际扶轮在个人的线性回归。当检查一个人的纵向数据是很重要的知道平均within-person变异的大小。这个数据提供了一个指示的总体精度测量的具体监测项目和影响如何解释每年可能过度下降。
例子within-person标准差的大小年代r我在一个人我预测线。一个人周围的within-person变异预测斜率很小(0.0268),对于B大(0.2083),和C非常大(0.2988)。
本研究的目的是描述和调查两种统计方法:成对within-person标准差的估计年代p和可靠性系数G——使用监测平均within-person标准差的大小σw(即数据精度)在纵向FEV1测量的一群。12日,16日,17使用数据从11大肺量测定法筛查项目,18我们调查的能力两个统计预测within-person标准差的大小估计从纵向测量。其次,我们还研究了纵向残测量的精度如何影响检测的“真正”的过剩个体的比例下降。
材料和方法
肺功能监测项目
在我们的研究中我们使用数据从肺量测定法监测项目实施期间11个工厂1987 - 2001。肺功能检测和医学、吸烟、和职业问卷是由受过训练的人员(NIOSH肺量测定法课程# 002提出的研究人员之一,HWG),使用计算机系统来收集这些数据从远程设备。18该系统采用计算机居民问卷调查和网上,8 l,干燥密封容积肺活量计。验证这个肺量测定的系统的准确性19表明,它符合ATS肺活量的测试标准。20.213 l校准注射器被用于日常校准。测试是在站立姿势时鼻子进行剪辑,没有鞋子和高度测量。肺活量的测试结果从至少三个可接受的测试具有良好的初始工作(外推卷FVC的不到5%,与不同的重叠,用力呼气流量曲线),22好的继续努力至少7秒钟,和可重复的FEV1和FVC值在5%或100毫升。最终的数据库包括最大的FEV1和FVC、FEV1 / FVC的计算和最大的价值。质量保证的肺活量的测试是由调查人员(HWG)之一。
百分之预测肺功能值被计算为所有研究对象使用种族和性别特定的(白色和非裔美国人)预测方程包括身高、年龄、和年龄2。这些方程是由蓝领不吸烟者否认职业吸入剂接触,和被测试在同一类型的设备在目前的研究。23
个体劳动者参与监测计划在每个工厂是自愿的,开始监测项目开始时或者当一个工人工作设施,并停止停止监测或停止工作。我们分析的目的,时间跟进代表是通过肺功能测试的历年(1987 - 2001)或年的跟进。数据从工人20岁或以上被用来估计每年within-person变异,系数G和纵向within-person混合效应模型估计的变化。工人25年以上的数据,至少有三个五年或更长时间的跟踪测量被用来估计纵向within-person变化的线性回归分析。
统计方法
大纲
我们“监控”残的精度测量每年在1987 - 2001年期间分别在每个11植物。我们使用两个统计监测平均within-person变异植物:(1)成对within-person标准差的估计年代p(2)可靠性系数G。评估这些估计的有效性,我们相关植物特定年代̄意味着值p和Ḡ(计算每年的平均价值年代p和G分别),平均植物特定within-person标准差估计从纵向数据的线性回归模型(年代r)或混合模型(年代米)。最后,我们展示了植物特定within-person变异影响检测的能力严重过剩的FEV1下降率在一个独立的个体。以下四个部分对统计方法提供进一步的细节。
估计成对集团within-person变异的测量
连续测量残(M一个和Mb),在短时间内一群工人可以用来评估小组平均within-person可变性如下。
1。within-person成对估计的标准偏差可以从两者的区别估计测量M一个和Mb作为
总结在一个特定的工厂在哪里n科目。
2。可靠性系数G可以从下面的估计公式:
G=年代b2/ (年代b2+年代w2)
在哪里年代b2主客体之间方差和吗年代w2是within-person方差。对于一个给定的年代b2,增加年代w2导致较低的G朋友值、较低的数据精度。一个简单的估计系数的方法G是计算皮尔逊相关系数rMaMb在连续测量一个和Mb。12日,16日,17去除变异由于系统人口的影响,如年龄、身高、性别、或种族,应该做的相关性预测百分比值。(因为另一个误差来源可以引入的错误在这些协变量,这些应该尽可能保持不变)。
两个测量之间的时间间隔一个和Mb应该足够长,包括所有潜在的短期随机效应,但足够短,以避免时间相关的系统变化的例子,那些由于年龄。在目前的分析,具体的值年代p和G计算通过使用两个FEV1在18个月内重复测量;这一时期被选为年度监测实际原因。我们之前已经建立了12在我们目前的研究中,系数的值G不会改变时两个测量之间的时间从12到18个月增加。变化的原因是预期每年FEV1下降远小于周围的随机变化的斜率。13第一个测试的日期确定了跟进。这个过程给了我们一个足够数量的测试每年虽然没有明显影响的年度值年代p和G12月相比。在少数情况下,有两个以上的重复测试,每个主题是只有第一条测试中使用的跟进。注意,这个战略是适合工作场所监测项目年度测量可用在所有个人或个体的随机样本。
估计within-person变异的所有纵向数据
植物的within-person平均标准偏差估计的纵向数据使用以下两种方法:24日,25
估计的两阶段方法。在第一阶段,我们拟合的线性回归模型,残我=β0我+β1我时间+ε我,每个我人的重复FEV1测量向量和协变量的时间(年的跟进)。个人within-person方差年代r我2回归估计的均方误差我。在第二阶段,我们估计平均植物within-person标准差年代r的平方根的意思年代r我2计算所有科目。(由于时间相对较短的跟进,我们假设纵向FEV1值是线性相关的,以一个恒定方差)。我们估计的植物年代r用个人五年或以上的跟进。26
混合效应模型的估计。混合模型是由方程表示Y我= X我β+ Z我b我+ε我,,我人,Y我代表重复残的矢量测量,X我协变量是固定的矩阵(人口),β是未知的向量人口协变量的回归系数,Z我协变量是随机矩阵的科目的时间,b我是未知的向量与以前估计的随机效应(即截距和斜率时间)。我们安装上述混合模型对每个植物组数据来估计植物within-person标准差年代米从剩余方差。24日,25个人至少有一个跟踪测量包括在这个分析(n = 6440)。固定效应包含在我们的模型是年龄、身高、性别、种族、气喘、吸烟状态和时间变异包年(即包年累积增加年的跟进)。
组数据精度对识别的影响过度FEV1下降
说明组数据精度的影响对我们的能力来识别过度FEV1下降率一个个体,我们作为一个例子两个人,两个残4 l的34岁,预计“正常”的下降速度30毫升/年,27但来自植物,数据收集与高精度(PLANT-HP)和其他植物中收集的数据精度较低(PLANT-LP)。
首先,我们导出的近似纵向单侧95%置信上限预计将下降,b,在一个特定的时间,D(年)。这一限制是由D×[b+ 1.645×SE (b)]。减去这个极限从最初的残测量出正常的下限残测量(LLNR),使用公式推导:28日,29日
LLNR =初始残-D×[b+ 1.645×SE (b))
在哪里D年开始跟进时间D= 1时35岁,每年递增一个,和这个词b+ 1.645×SE (b)决定了最大FEV回归斜率下降的预期1下降(即30毫升/年)。斜率的标准误差bSE (b),来源于Schlesselman公式推导:30.
在哪里P是数量的测试期间做了什么D年的跟进。Schlesselman的方法估计也是以前估计样本量申请纵向肺量测定法的研究。13日,31日,32
的价值σw在SE (b)公式估计的平均within-person标准差年代r植物在我们的研究中,精密PLANT-HP最高和最低精度PLANT-LP,分别。30.因为within-person变化的估计σw来自大量的主题,我们假设的正常标准偏离单侧极限当p Z值是5%吗α= 1.645。
LLNR的估计是基于SE (b)导出为一个特定数量的测试P在完成D年的跟进。同样的,(b+ 1.645×SE (b)提供了一个正常,下降的速度给定参数的限制σw,D P。任何个人在观察下降低于或下降率高于这两个类型的限制将被检测到有一个多余的下降。因此在随后的讨论中我们将这两个标准检测过度下降,可检测的多余的,下降的速度。
变化在纵向数据
调查如何估计LLNR同意观测数据,我们也显示变化的速度变化FEV1观察的一年内,所有个人和多年总结,为植物最高的和最低的数据精度。FEV的变化率1(l /年)被计算为区别两个重复测量在12个月内完成。
结果
表1给出了,11个工厂,工人参与了监控的数量跟进年。表1中还显示了工人的数量至少有三个测量超过五年或更长时间的随访后25岁(n = 3130)。图2显示了植物每年within-person标准差的值年代p;始终如一的高和低价值的植物年代p用粗线表示。
的植物的年度值成对within-person标准差年代p。基于平均within-person标准差s̄p、植物3(厚的实线)最低数据精度和植物11(冲粗线)数据精度最高。
表2显示了植物的年代̄的价值观p和Ḡ计算每年的价值观,以及他们的变异系数(CV)。表2显示植物within-person变化年代r和年代米估计从纵向数据采用两阶段法和混合模型。变量之间的相关性显示在表的底部。
年代̄的植物的价值pḠ和各自的变异系数(CV)预计的年度分析,从纵向分析和within-person标准差估计的两阶段方法年代r和mixed-effects模型年代米。植物是按年代排序̄p
表2表明,s̄的价值观的基础上p、植物11和3和最低数据精度最高,分别。这两种植物是用来表示PLANT-HP PLANT-LP,分别。PLANT-HP年代̄p= 0.122 l,Ḡ= 0.954,年代r= 0.130 l,年代米= 0.124 l。PLANT-LP,̄p= 0.166 l,Ḡ= 0.898,年代r= 0.177 l,年代米= 0.173 l。
图3显示了纵向下限“正常”的正常LLNR跌从PLANT-HP (LLNR-HP)和PLANT-LP (LLNR-LP),分别。LLNR被估计P= 2,即为两个测试完成的监控34岁,在各种特定的年龄段。图3也显示了一个人的预测线的快速下降60毫升/年和快速的预测显示不同的年龄线穿过纵向LLNR-HP或LLNR-LP。
预测线为一个“正常”(30毫升/年)和快速显示不同显示不同(60毫升/年),和近似纵向降低95%置信区间回归线(LLNR)“正常”的跌幅从PLANT-HP (LLNR-HP)和PLANT-LP (LLNR-LP)。垂直线显示的年龄的下降的斜率60毫升/年将被视为基于LLNR-HP和LLNR-HP过度。
图4显示左边垂直轴检测过剩FEV1下降(毫升)和右边垂直轴检测过剩FEV1下降率(ml /年)定义的限制一个人的正常后D = 1, 2, 3, 4, 5, 8, 20年的随访,within-person已知大小的变化σw基于两个测量。一年的实线跟进代表检测过度下降也可检测的速度下降。根据这条线,可检测过度下降时≈260毫升σw= 100,≈375毫升σw= 150,≈500毫升σw= 200。
检测过剩FEV1下降(ml)左边的纵轴(虚线)和可检测的过剩,下降的速度(ml /年)右边的纵轴(实线),由within-person标准差σw为增加年的跟进,当测试的数量P= 2。
正确的垂直轴和图显示检测到的实线过多,下降的速度变小了,小如跟进的持续时间增加(过程变得更敏感)。例如,一个数据精度σw= 150,可检测的过剩,下降的速度随时间的增加跟进,D= 1、2、3、4、5、8、20、375毫升/,/年200毫升、150毫升/年,120 ml /, /年100毫升、80毫升/年,和50毫升/年。注意,需要数据的精度σw= 130检测的“真正”的坡90毫升/年经过五年的跟进;斜率是推荐的美国大学的职业与环境医学(ACOEM)被认为是肺功能的重大损失。33岁的34
建立如何估计过度下降一年同意观测数据,我们计算的百分比统计观察年度变化FEV1(计算所有对象和所有年的跟进)植物11和3。这些年度变化代表观察到的年度波动残。植物11,95%的负变化(即第五百分位)在−每年342毫升。工厂3,95%的下跌是在−每年433毫升。当我们观察到计算每年FEV的变化1组的植物年代r≈0.15(植物5、18、22)和植物年代r≈0.16(植物8、9、13、15)(表2),第五百分位数−0.394毫升和−0.389毫升,分别。这些结果大约同意我们的估计,从图4中,一年的跟进。
讨论
决策基于不精确的纵向肺量测定法很可能是无效的,甚至会适得其反。纵向筛查项目和研究的主要任务是保持持续低水平的within-person变异。这将确保一个人的肺功能的变化速度可靠地估计。由于商用肺活量计精度的增加,随机测量误差由于仪器误差(校准过程、故障等)可以最小化,但其他来源within-person变化仍是一个问题。15日,22
从我们的研究结果表明,通过监测精度使用within-person纵向数据的标准差年代p基于两个重复测量或G统计,人能预测within-person变异的大小从纵向数据估计有五年或以上的跟进。植物的年代̄within-person变异p与纵向估计更强烈的相关性年代r比植物Ḡ系数,因此它可能是更适合监测尤其是小样本数据的精度。然而,年代̄的值p系统地低于纵向吗年代r或年代米,这可能是由于短跟进不包括所有潜在的错误可以发生在自相关的跟进也因为时间越长。30.
系数的优势G估计是它的简单性。我们的数据表明,系数的值G估计从百分之FEV1值的预测应该保持至少0.90以上,但理想高于0.95。虽然系数G很容易计算,它有一些固有的局限性。因为G是由人之间差异的大小以及within-person方差,在较小的样本,大幅波动G可能出现的波动之间的变化,它可能是更好的雇佣within-person标准差年代p估计。根据我们的观察,系数G基于每分钱预测值和最小样本容量超过100反映的变化几乎within-person可变性以及年代p统计。
11个工厂,我们调查基于at建议使用标准化的肺量测定法的方法。植物的范围年代r基于斜坡至少有五年的跟进是0.130 - -0.179 l(见表2,两级)。这些值与以前公布值大的监测计划(0.114 - -0.160升)。13因为within-person变化的值没有改变后大幅调整的年龄、身高、气喘的症状,和时间变异吸烟在混合模型中,我们怀疑测量过程的差异,特别是技术人员变化的主要来源可能是within-person变异。基于不完整的技术人员记录,工厂11中的测试是由两个技术人员,而在植物3至少六个技术人员进行测试。我们也不能排除职业暴露的可能性增加了within-person一些植物的变化。
监视和维护数据精度是很重要的。基于理论的考虑,我们表明,纵向FEV1测量的精确程度影响个体检测异常的能力下降。图3显示LLNR,基于集团平均within-person变异,是一个人从PLANT-HP高于从PLANT-LP一个人。年龄增加纵向测量精度影响的快速显示60毫升/年穿越LLNRs。LLNR-HP (年代r= 0.130 l),十字路口≈44岁。LLNR-LP (年代r= 0.177 l),十字路口≈48岁。因此,纵向数据的精度影响的年龄,我们可以确定一个“真正”的快速显示。然而,如果我们使用了LLNR-HP PLANT-LP决策,我们可以确定“false”FEV1快速跌,因为随机变化在PLANT-HP PLANT-LP高于。
主要信息
纵向残的精度测量在一个工作场所的肺量测定法监测项目影响的持续时间跟进需要确定一个“真正”的过剩,下降的速度在一个独立的个体。
纵向数据精度的监测工作场所肺量测定法监测项目使用我们的方法描述:
提供了一个指示的总体精度测量的具体监测项目和影响如何解释每年下降,可能被视为过度;
允许数据精度可以提高或保持水平,使患者快速的拒绝透露姓名的第一次性经验的年龄比较早;
高度精密的测量数据的决策。
最近的一项研究表明,每年下降8%或330毫升不应被视为正常的健康男性根据at标准测试工作。35同样,在肺部健康研究中,95%的年度差异残在320毫升的男性早期慢性阻塞性肺病。36图4表明,期间跟进D= 1,数量的测试P= 2,95%的人每年FEV1下降将在≈330毫升σw130毫升。
图4说明了within-person标准差的大小的σw会影响检测的过剩FEV1下降(虚线)和过剩,下降的速度(实线),对于一个给定的时间跟进D和两个重复测量。它花费的时间在一个不精确的监测项目确定一个“真正”的过度残率下降。例如,识别需要五年超额90 ml /一年的下降速度σw= 130毫升时,八年σw= 210毫升。相反,经过五年的跟踪检测过剩,下降的速度增加而增加的价值σw如下:σw75毫升/年= 100,σw90毫升/年= 130,σw100毫升/年= 150,σw150毫升/年= 250,σw170毫升/年= 300。第五百分位数的观察FEV1发现对我们工厂的年度变化3(−0.342)和植物11(0.433−)同意的估计数据如图4一年的跟进。
例如,图1中的一个可能不考虑400毫升的下降从第一个第二个残观察B s̄如果值异常p监测项目是200毫升,但应该识别外部来源之一within-person变异和减少年代p。另一方面,如果s̄p≈100毫升,那么应该考虑一个400毫升的减少过度并采取适当的行动。
这些结果表明,测量数据的精度需要附加的纵向数据决策是即使受试者进行测试根据美国胸科协会建议。也可以增加精度估计的斜坡上通过增加数量的观察一个人的测量波形的纵向下限正常下降。异常基于预测下降斜率估计在5年或更长时间的跟踪可以引发更多明确的干预措施。
总之,结果表明,有必要对监测数据精度肺量测定法监测规划在ATS标准由技术人员培训。小额外成本,获得的估计精度的决策是由可能是宝贵的,因为它将允许识别的快速跌第一次性经验的年龄比较早,防止气流阻塞的发展。
确认
我们感谢Constella健康科学的帕特里克·克罗克特博士对他有用的建议统计分析。杜兰大学医学院和国家职业安全与卫生研究所人类受试者审查委员会批准了这项研究的建议。