Zastosowanie wielu biomarkerów w celu poprawy prognozowania zgonu z przyczyn sercowo-naczyniowych cd

Zależność biomarkerów od wszystkich przyczyn i przyczyn sercowo-naczyniowych badano za pomocą regresji proporcjonalnych hazardów Coxa w dwóch zestawach modeli: modele surowe i modele dostosowane do ustalonych czynników ryzyka chorób sercowo-naczyniowych (wiek na początku badania, skurczowe ciśnienie krwi , stosowanie lub niewykorzystywanie leczenia hipotensyjnego, cholesterolu całkowitego, cholesterolu lipoprotein o dużej gęstości, stosowanie lub niewykorzystywanie leczenia obniżającego stężenie lipidów, obecność lub brak cukrzycy, palenie tytoniu i wskaźnik masy ciała). W tych modelach oceniliśmy wpływ biomarkerów na trzy kryteria: wzrost 1-SD w poziomie biomarkerów (model ciągły); poziomy biomarkerów, które były powyżej lub poniżej wartości granicznych sugerowanych w literaturze (troponina I,> 0,021 .g na litr 10; N-końcowy pro-mózgowy peptyd natriuretyczny, .386 ng na litr 16, cystatyna C, .1,29 mg na litr 8 i C- białko reaktywne> 3 mg na litr17); oraz poziomy biomarkerów powyżej lub poniżej punktów granicznych zidentyfikowanych w celu osiągnięcia optymalnej dyskryminacji ocenianej za pomocą zintegrowanej metody poprawy dyskryminacji 5 (troponina I,> 0,035 .g na litr, N-końcowy pro-mózgowy peptyd natriuretyczny,> 309 ng na litr; cystatyna C ,> 1,50 mg na litr oraz białka C-reaktywnego,> 4,60 mg na litr).
Założenia dotyczące zagrożeń proporcjonalnych zostały potwierdzone w testach Schoenfelda. Szacunki statystyki C dla modeli regresji Coxa obliczono zgodnie z metodą Pencina i wsp.18. Różnice w statystykach C (z 95% przedziałami ufności) po dodaniu biomarkerów do modelu z ustalonymi czynnikami ryzyka oszacowano za pomocą metoda opisana przez Antoliniego i wsp.19 Badaliśmy również, czy dodanie różnych kombinacji dwóch lub trzech biomarkerów poprawiło dyskryminację modelu.
Zwiększona wartość dyskryminacyjna biomarkerów była dalej badana za pomocą metody opisanej przez Pencina i wsp. [5]. Ta metoda opiera się na różnicy między dwoma modelami w indywidualnym szacowanym prawdopodobieństwie, że dana osoba zostanie skategoryzowana jako podmiot sprawy. Zwiększone prawdopodobieństwo, że przypadki zostaną zaklasyfikowane jako przypadki i zmniejszy się prawdopodobieństwo, że osoby kontrolowane zostaną sklasyfikowane jako osoby chore, co oznacza lepsze predyspozycje, podczas gdy odwrotność oznacza gorszą predyspozycję. Istnieją dwie wersje miary. Pierwsza wersja (poprawa reklasyfikacji netto) wymaga, aby istniały znaczące kategorie ryzyka a priori (użyliśmy od 0 do 5%, od 6 do 20% i> 20% za ryzyko zgonu z przyczyn sercowo-naczyniowych). W poprawie reklasyfikacji netto brane są pod uwagę tylko te zmiany szacowanych prawdopodobieństw predykcji, które implikują zmianę z jednej kategorii do drugiej. Druga wersja (zintegrowana poprawa dyskryminacji) uwzględnia zmianę szacowanych prawdopodobieństw predykcji jako zmiennej ciągłej.
Aby ocenić kalibrację modeli Coxa, użyliśmy testu kalibracji Gr.nnesby i Borgan 20, który porównuje liczbę zdarzeń obserwowanych z tymi, które są oczekiwane na podstawie estymacji z modeli, w obrębie pięciu grup ryzyka.
[podobne: nerw sromowy, obsesja bartoszyce, ratajczak kościan ]