Az elhízás népességalapú kockázati algoritmusának kidolgozása és validálása: Az elhízás népességének kockázati eszköze (OPoRT)

Szerepek Adatkúra, formális elemzés, módszertan, írás - eredeti vázlat

Dalla Lana Közegészségügyi Iskola, Toronto Egyetem, Toronto, Ontario, Kanada, Klinikai Értékelő Tudományok Intézete, Toronto, Ontario, Kanada

Szerepek Formális elemzés, módszertan, szoftver

Társulás Dalla Lana Közegészségügyi Iskola, Toronto Egyetem, Toronto, Ontario, Kanada

Szerepek Formális elemzés, módszertan

Társulások Dalla Lana Közegészségügyi Iskola, Toronto Egyetem, Toronto, Ontario, Kanada, Ontario, Toronto, Ontario, Kanada

Szerepek Konceptualizálás, formális elemzés, vizsgálat, módszertan, felügyelet, írás - áttekintés és szerkesztés

Kapcsolatok Dalla Lana Közegészségügyi Iskola, Toronto Egyetem, Toronto, Ontario, Kanada, Klinikai Értékelő Tudományok Intézete, Toronto, Ontario, Kanada, Ontario, Ontario, Toronto, Ontario, Kanada

Michael Lebenbaum,
Osvaldo Espin-Garcia,
Yi Li,
Laura C. Rosella

Ábrák

Absztrakt

Háttér

Tekintettel az elhízás gyakoriságának drámai növekedésére, nagyobb figyelmet kell fordítani a megelőzésre. Arra törekedtünk, hogy kifejlesszük és validáljuk az elhízás népességi kockázati eszközét a megelőzési erőfeszítések tájékoztatása érdekében.

Mód

Kidolgoztuk az elhízás népesség kockázati eszközét (OPoRT) a longitudinális Országos Népességi Egészségügyi Felmérés és a nemekre jellemző általánosított becslési egyenletek felhasználásával, hogy megjósoljuk az elhízás 10 éves kockázatát 18 éves és idősebb felnőttek körében. A modellt egy bootstrap megközelítéssel validálták a felmérés tervezéséhez. A modell teljesítményét a Brier statisztikával, a diszkriminációt a C-statisztikával mértük, és a kalibrálást a Fit Chi Square Hosmer-Lemeshow Goodness (HL χ 2) segítségével értékeltük.

Eredmények

A prediktív tényezők között szerepelt a kiindulási testtömeg-index, az életkor, az idő és ezek kölcsönhatásai, a dohányzási állapot, az életmód, az oktatás, az alkoholfogyasztás, a fizikai aktivitás és az etnikum. Az OPoRT jó teljesítményt mutatott férfiaknál és nőknél (Brier 0,118, illetve 0,095), kiváló diszkriminációt (C statisztika ≥ 0,89) és kalibrációt (HL χ 2 70 kg/m 2), azoknál, akik terhesek voltak vagy hiányoztak a BMI a kiinduláskor, és akiknek hiányoznak a modell kovariánsok alapadatai.

Elemzés

A modellt úgy tervezzük meg, hogy rutinszerűen gyűjtött népességfelmérésekre alkalmazható legyen, és így csak azok a változók kerültek be, amelyek a kiinduláskor rendelkezésre álltak és következetesen gyűjtöttek a népességfelmérésekben. Értékeltük az idő, az alap BMI, az életkor, a családi állapot, az életmód, a dohányzási állapot, a szabadidő fizikai aktivitása, az oktatás, az ekvivalens jövedelmi kvintiliseket (a háztartás méretéhez igazított jövedelem), az etnikumot, a bevándorlási státust, a vidéki státuszt, az alkoholfogyasztást, és a háztartás tulajdonjoga. Mind a kiindulási BMI-t, mind az életkort folyamatos és kategorikus specifikációkban tesztelték, és értékelték az interakciókat az idő, a kiindulási BMI és az életkor között. Tekintettel az önjelölt BMI torzítására, minden elemzéshez validált BMI korrekciós egyenletet alkalmaztunk [17]. Változókat adtunk egymás után, a modellben már szereplő változók ellenőrzésével, az előzetes vizsgálatok által meghatározott fontosság és a marginális prediktív (Brier Score, C statisztika és Hosmer Lemeshow Good of Fit Chi Square (HL χ 2)) és statisztikai szignifikancia alapján.

Mivel hét követési ciklus volt, a modell kidolgozását logisztikai regresszióval, általánosított becslési egyenletekkel (GEE) végeztük, a GENMOD eljárással az SAS-ban (9.3 verzió). Ezek a modellek megfelelően modellezik a longitudinális bináris adatokat egy korrelációs mátrix alkalmazásával, hogy figyelembe vegyék az egyéneken belüli megfigyelések csoportosulását az időben [18]. Továbbá, tekintettel arra, hogy az OPoRT adatkészleteket csak az alapadatokra alkalmazzák, a marginalis modellt (azaz a GEE-t) részesítik előnyben a vegyes modellel szemben. Számos korrelációs mátrix megfelelőségét értékeltük, ideértve a függetlenséget, a strukturálatlan, az autoregresszív (AR) (1) és a cserélhetőségeket. Tekintettel a fogalmi megfelelőségre és az ésszerű kalibrálásra, AR (1) korrelációs mátrixokat választottunk ki. Mivel a GEE-k marginális modellek, az előrejelzések megfelelnek az átlagos becsült kockázatnak egy adott, sajátos jellemzőkkel rendelkező egyén számára.

Érvényesítés

Adatainkat belsőleg validáltuk a 10 éves nyomon követés (2005–6, NPHS 7. ciklus) adatainak felhasználásával, standard validációs kritériumok alkalmazásával a kockázat-előrejelzési modellek kidolgozásához. A modell teljes teljesítményét a Brier-pontszámmal értékeltük, amely megegyezik az előrejelzésnek a megfigyelt érték négyzeteltérésének és az összes minta nagyságának osztott összegével [19]. 0–1 között mozog, a 0 tökéletes predikciót jelent, a 0,33-as vagy annál nagyobb érték pedig a véletlen prediktív képességet jelzi [19]. Megszoroztuk a négyzetes eltéréseket a felmérés súlyával, és ezt elosztottuk a minta tömegének összesítésével, hogy megbecsüljük a felméréssel súlyozott Brier-pontszámot. Tekintettel arra, hogy a Brier-pontszám értéke az eredmény prevalenciájától függ, a Brier-pontszámot maximális értékével skáláztuk úgy, hogy az értékek 0–1 között mozogjanak [19]. A kalibrálást a Fit Chi Square Hosmer Lemeshow Goodness (HL χ 2 teszt) alkalmazásával értékeltük [19,20]. A HL χ 2 teszt egy olyan statisztikai modell teljes illeszkedésének mérőszáma, amely összehasonlítja a megfigyelt és az előre jelzett kockázat megegyezését az előre jelzett kockázat decilisei között [19]. Összhangban más kockázati előrejelzési modellekkel, beleértve a Framingham kockázati pontszámot, HL χ 2 értéket használtunk 1. táblázat. A kohorsz leíró jellemzői a kiinduláskor.

A férfiak és a nők nemre jellemző OPoRT funkcióit a 2. táblázat mutatja be. Az elhízás legerősebb előrejelzői a kiindulási BMI, a kiindulási életkor, az elhízás és az idő mutatói voltak. Mindkét egyenlet magában foglalja ezeket a változókat és az ezek közötti interakciókat. Megállapították, hogy a folyamatos BMI és az életkor eredményezi a legnagyobb modell teljesítményt a brier pontszám és a c-statisztika alapján. Megállapították, hogy a dohányzás és az életmód fontos előrejelző mindkét nem számára. A nemspecifikus változók magukban foglalják a férfiak középfokú végzettségét és az ivás tilalmát, valamint a nők fizikai inaktivitását és etnikumát.

Az egyes modellek validálási jellemzőit a 3. táblázat mutatja be. Mindkét modell általános teljesítménye a Brier-pontszámmal mérve jó, és a modellek kalibrálása a Hosmer-Lemeshow Chi négyzet (HL χ 2) alapján elfogadható. Eközben mindkét modell c-statisztikája alapján mért megkülönböztetés kiváló. Mindkét nemhez hasonló modellek hasonlóan jól teljesítettek a bootstrap validálásban, az optimizmussal korrigált brier statisztika a férfiak esetében 0,118, a nők esetében 0,095 volt. Tekintettel a kis sejtméretek kibocsátásának korlátozására, megtiltották az előre jelzett és a megfigyelt kockázatú decilisek ábráinak felszabadítását, kalibrációs diagramokat használtak az előre jelzett és a megfigyelt kockázat közötti simított kapcsolat bemutatására. Amint az az 1. és 2. ábrán látható, a kalibrációs parcellák kiváló kalibrálást is mutattak, szoros egyetértésben a férfiak és a nők esetében az előre jelzett és megfigyelt kockázatok között.

Férfiaknál a modell validálásának korlátozása olyan egyedekre, akik nem voltak elhízottak a kiinduláskor, azt eredményezte, hogy a Brier-pontszám (skálázott brier) teljesítménye 0,108-ra (0,251), a c-statisztika értéke pedig 0,837-re csökkent, és a kalibrálás elfogadható maradt (HL χ 2 = 5,98, p = 0,649). Nőknél az érvényesítés korlátozása a kiinduláskor nem elhízott egyedekre azt eredményezte, hogy a Brier-pontszám (skálázott brier) teljesítménye 0,083-ra (0,291), a c-statisztika értéke pedig 0,85-re csökkent, és a kalibrálás elfogadható maradt (HL = 2 = 13,23, p = 0,104). Egy mintaszámítás, amely megmutatja, hogyan becsülik meg a 10 éves (azaz 5 ciklus) kockázatot az S1 szövegbe.

Vita

Ez a tanulmány bemutatja az első példát a populáció kockázatának előrejelzési eszközére, amely alkalmazható az elhízás jövőbeni kockázatának becslésére a lakossági egészségügyi felmérések során rendszeresen elérhető több kockázati tényező alapján. Az Obesity Population Risk Tool (OPoRT) diszkriminatívnak bizonyult, és jó általános teljesítményt és kalibrálást mutatott, nagy egyetértéssel a megfigyelt és az előrejelzett értékek között. Ez az eszköz újszerű megközelítést jelent az elhízás kockázatának felmérésére, amely felhasználható a közegészségügyi politika tájékoztatására az elhízás megelőzéséről.

Annak ellenére, hogy a populációs felmérésekre korlátozott változókat használnak, a modell Brier-pontszáma elfogadható teljesítményt mutatott a belső validálás során. A fejlesztési adatokban végzett belső ellenőrzések eredményeit gyakran látszólagos modell-érvényességnek nevezik, ami optimista lehet, tekintve, hogy ugyanabban az adatforrásban érvényesítik, amelyet a modell felépítéséhez használtak [24]. Ennek alapján elvégeztünk egy bootstrap validációt, amely hasonló optimizmussal korrigálta a Brier-pontszámokat. A modellnek nagy volt a megkülönböztető képessége, valószínűleg a kiindulási BMI és a jövőbeli elhízás közötti szoros összefüggés miatt. Az egyéb állapotok, köztük a magas vérnyomás és a cukorbetegség kockázat-előrejelzési modelljei szintén hasonlóan magas megkülönböztetést mutatnak, mivel általában hasonló alapszintű intézkedéseket tartalmaznak az állapot kapcsán, mint például a magas vérnyomás vagy az éhomi vércukorszint a cukorbetegség esetén [25,26].

A kockázati előrejelzési modellek tipikusan a betegség előfordulását modellezik, és a kiindulási állapotban lévő személyeket kizárják a fejlődési kohorszból. Mindazonáltal bevontuk az elhízással rendelkező személyeket a kiindulási helyzetbe, mivel az elhízással küzdő egyének visszatérhetnek a nem elhízáshoz, és a modellnek a prevalencia előrejelzéséhez tervezett alkalmazását. Bár az általános teljesítmény és a diszkrimináció alacsonyabb volt, a modell kiváló megkülönböztetést és elfogadható kalibrálást tartott fenn mind a férfiak, mind a nők körében a kiindulási állapotban nem elhízott felnőttek körében.

Az elhízás jövőbeni terheinek előrejelzésére szolgáló egyéb megközelítések magukban foglalják a lineáris vagy nem lineáris időtrendek illesztését a keresztmetszeti adatok megismétlésére [5,7,8], szimulációs módszerek alkalmazását [6], és az elhízás prevalenciájának vetítését egy kohorsz segítségével [32]. Ezeknek a korábbi megközelítéseknek a korlátozása volt a kizárólagos hangsúly a népesség szintjén, és ezek a tanulmányok általában nem értékelték az egyes kockázati tényezők hatását az elhízás jövőbeni előfordulására, és nem értékelték azokat a magas kockázatú populációkat, amelyek tájékoztathatják az elhízással kapcsolatos célzott beavatkozásokat, és így korlátozva alkalmazását a megelőzési stratégiák tájékoztatására.

Ennek a tanulmánynak az volt az erőssége, hogy 14 éves adatot használtak fel több gyűjtési periódus alatt, amely lehetővé tette a hosszú távú trendek megfelelő modellezését, még a testtömeg időbeli ingadozása esetén is. Ezenkívül ebben a tanulmányban egy országos és tartományi reprezentatív kohortot alkalmaztak, amely az egész vizsgálati időszak alatt magas válaszarányt tartott fenn, a 9. ciklus válaszaránya 69,7% volt [33]. Szoros validációs metrikákat is alkalmaztunk annak biztosítására, hogy a modell pontos legyen a lakosság egészségének tervezése céljából, valamint széles körűen alkalmazható azáltal, hogy képesek népesség-egészségügyi felméréseket futtatni olyan változókkal, amelyeket világszerte széles körben gyűjtöttek.

Következtetés

Az elhízás népességi kockázati eszköze (OPoRT) újszerű, érvényes és pontos elhízási kockázat-előrejelzési modellt jelent. Az OPoRT jó kalibrálást és kiváló diszkriminációt mutat az elhízás előrejelzésére a lakosság körében. Tekintettel arra, hogy az elhízás kulcsfontosságú hozzájárulást nyújt a krónikus betegségek terheihez, az elhízási járvány elleni küzdelem kiemelt kormányzati prioritássá vált, és sürgősen szükség van a megelőzésre. A kockázat és a kockázat populációnkénti megoszlásának jellemzésével a népesség kockázati eszközei, beleértve az OPoRT-t is, felhasználhatók az egészségtervezés tájékoztatására, beleértve a megelőzésre szánt csoportok rangsorolását.

Etika: Ez a tanulmány etikai jóváhagyást kapott a Torontói Egyetem Kutatási Etikai Testületétől (28094 protokoll)