【SCI模板】疾病的预后因素研究，常见病、老话题，竟然发在专业顶刊。值得借鉴
一，研究背景（立项依据）
为此，作者设计一项病例对照研究，旨在同时评估可能是PD的保护性或危险性因素的几种环境和生活方式因素以及合并症和药物。
通过这种方法，作者试图将某些因素确定为PD的独立预测因素，测量和比较其相对效应大小以及调查风险/保护因素是否相互作用来改变PD风险，从而增强对PD风险因素的当前了解。此外，该研究旨在评估PD患者中危险因素的分布，从而通过聚类分析方法确定PD的病因亚型。
1，受试者纳入标准
病例组：2018年9月至2019年9月期间，于6个神经内科的运动障碍病门诊接受随访的PD患者，诊断为单基因所致PD的患者被排除在外；
对照组：在研究期间从参与神经内科的非PD门诊患者的亲属中招募。
依据年龄分层，性别和转诊中心，将健康对照与病例患者进行频率匹配。如果潜在对照接受过已知可诱发帕金森氏症的药物治疗，或与参与研究的病例患者有关，则排除在外。病例和对照受试者未获知研究假设。
2，变量定义
通过在PubMed上进行系统的数据库搜索选择本研究中调查的潜在危险因素，以便确定对照研究的总体。
于以下任何原因，将文章排除在分析之外：1）使用语言不是英语，2）研究的疾病未明确指定为PD，或3）研究未设立对照组。搜索策略使用了关键字“帕金森氏病”和“风险因素”或“保护因素”或“环境”或“教育”或“职业”或“吸烟”或“咖啡”或“体力活动”或“合并症”或“手术”或“头部外伤”或“感染”或“糖尿病”或“高血压”或“癌症”或“白内障”或“痛风”或“非甾体类抗炎药”或“溶剂”或“农药”或“油”或“金属”或“油漆”或“毒物”或“农村生活”或“农业活动”或“口服避孕药”或“药物”。
作者系统地评估了每一项对内源性和外源性因素与PD相关性的对照研究。两名调查人员分别仔细检查了潜在合格文章的全文。根据目前的文献，与PD相关的潜在因素列举在表1中。
3，数据采集
对参与该研究的所有病例和对照进行半结构化问卷调查。该问卷包括有关人口统计学特征，生活方式因素，体育活动，合并症（包括癌症，动脉高压，贫血，糖尿病，痛风，病毒感染，消化不良，幽门螺杆菌感染和甲状腺功能减退症等）以及可能参与PD发展的有毒物质和药物暴露（非甾体抗炎药，雌激素，口服避孕药，他汀类药物，β2-肾上腺素受体激动剂/拮抗剂和全身麻醉药等）的信息。
该问卷由每个中心的一名医学访问员亲自管理。为了使人际关系的可靠性最大化，访调员在研究前接受了培训。该问卷通过对患者在PD发作前的整个生命周期进行访谈，评估了可能存在的风险/保护因素。对照者接受了与其配对病例患者相同的暴露前期采访。
调查问卷中未评估根据先前研究未发挥保护作用或危险因素作用的因素。而且，不包括根据Braak模型认为是运动前症状的因素，例如抑郁，便秘和REM睡眠行为障碍。病前人格特征，压力事件，遗传因素和生物标志物也被排除在外，因为使用半结构问卷无法清楚地检测出它们。
相反，饮食因素已包括在问卷中，但需要分别进行分析。调查表中包括种族，但由于所有参与者均为高加索人和来自意大利，因此作者没有分析这一因素。
4，数据分析
在进行数据分析之前，要同时进行范围和一致性检查，以进行数据清理。使用标准统计软件包（STATA 11）进行分析。
数据以百分比或平均值±SD表示，并通过χ2检验和t检验比较组，并酌情用Newman-Keuls事后检验进行单因素方差分析（ANOVA）。首先通过单变量回归分析评估研究变量与结果的关联，然后计算比值比（OR），两侧95％置信区间（95％CI）和p值（似然比统计量）。大多数暴露变量在模型中由单个指标变量表示（如果受试者暴露，则为1；否则为0）；否则变量作为连续变量（年龄，受教育年限）包含在模型中。包含缺失信息的病例和对照记录被排除在分析之外。为了检查II型错误，由Schlesselman报道的病例对照研究中，病例/对照比率不相等，通过方程式评估了相对于每个变量的统计功效。
在将所有研究变量纳入初始模型后，进行多变量分析。根据经验，建议的对象与变量比率通常考虑对每个评估变量进行10-15个患者与对照对的评估。因此，在600多个病例和对照组对象中理论上可以测试30多个变量。拟合包含所有选定变量的模型后，删除不重要的变量并拟合了新模型。通过检查每个p值的显着性并比较新旧模型的估计OR值来评估变量的重要性。估算值针对年龄，性别，受教育年限和转诊中心进行了调整。为了排除共线性问题，作者进一步检查了每对选择的独立变量的相关系数，未找到相关系统接近于+1的。
随后，作者通过估算因交互作用引起的相对超额风险（RERI），在加性尺度上测试了交互作用。作者专注于加性相互作用，因为通常认为此参数更适合病例对照研究。为了获得RERI及其95％CI，作者按照STATA代码估算加性相互作用。由于加性相互作用指数的解释仅适用于风险因素，因此在计算RERI之前，将与咖啡，吸烟和体育锻炼相关的编码反转。
使用Jaccard方法分类数据的非分层（k-means）聚类分析是针对PD患者的二，三和四聚类解决方案。进行聚类分析的变量选自多变量分析所产生的主要效应模型中的变量，包括PD家族史，消化不良，接触有毒物质和全身麻醉。为了测试亚组分类的有效性，作者调查了聚类分析与聚类分析中未包含的变量之间的任何关联，这些变量包括年龄，性别，疾病发作年龄，疾病持续时间以及保护性生活方式因素，例如咖啡，吸烟，和体育锻炼。然后使用组间方差分析或连续变量的不成对t检验对通过聚类分析生成的亚组进行事后比较。所有统计检验均为双尾检验，p值小于0.05被认为具有统计学意义。
在研究期间，共有694名PD患者和640名健康对照组符合入选标准，并同意参加研究。
病例组和对照组受试者的性别相似（407名男性和287名女性与351名男性和289名女性，p = 0.2），但年龄方面（67.9±9 vs. 64.7±10.3岁，p <0.01）和受教育年限（11.2±4.9与12.8±4.7，p <0.01）差异显着。PD患者的临床特征见表2。
原文表2
1，单变量分析
如表1所示逻辑回归单因素分析显示：
（1）PD家族史，头部外伤，消化不良以及接触农药，油，溶剂，油漆，金属，化学疗法和麻醉与作为危险因素的结果密切相关；
（2）生活方式因素（包括咖啡，吸烟和体育锻炼）与PD呈显着负相关；
（3）在PD与几种合并症或NSAID，雌激素，口服避孕药，他汀类药物和
钙通道阻滞剂等药物之间未发现统计学上的显着关联；
原文表1，694例帕金森氏病患者和640名对照对象的单因素逻辑回归分析结果
2，多因素分析
多因素分析的初始模型包括所有研究变量，主要的影响模型包括PD的家族史，消化不良以及与农药，油和金属的接触是独立的危险因素，而咖啡的摄入，吸烟和身体活动则是PD的独立保护因素。
此外，作者还拟合了另一个模型，该模型最初包含“暴露于毒素”的总体变量，而不是暴露于农药，油，溶剂，塑料，油漆和金属的单独变量。在最终模型中，毒素的可变暴露量得出OR值为2.4（95％CI，1.8-3.2；p = 0.003），而其他估算值则基本保持不变。多变量分析选择的变量与PD的持续时间之间没有关系，PD的持续时间分为两个级别：> 2年和<2年。主效应模型的估计表明，全身麻醉和暴露于油脂比其他因素对PD发生风险的影响更大，而家族病史具有中等强度（如下表3所示）。
原文表3，694例帕金森氏病患者和640例对照受试者的多变量逻辑回归分析结果。估算值针对年龄，性别，受教育年限和转诊中心进行了校正。
3，加性相互作用
PD家族史与多因素分析选择的任何风险和保护因素之间没有统计学上显着的加性相互作用。同样，确定的环境风险和保护因素之间的相互作用条件也从未达到显着的RERI值。
4，PD患者的聚类分析
生成群集方案时所包含的变量是已确定的PD危险因素（PD家族史，消化不良，接触毒素和全身麻醉）。作者使用先前确定的最佳聚类数进行k均值聚类分析时，得到的四组包括132例患者（第1组），175例患者（第2组），127例患者（第3组）和259例患者（第4组）。
其中，第1组中的所有132例患者均报告了PD家族史，以及消化不良（29％），毒素暴露（34％）和全身麻醉暴露（7.6％）。在其余三组中，没有患者报告PD家族史。在第2组中，所有175例患者均报告了毒素暴露，54例（31％）有消化不良和15例患者（8.6％）全身麻醉。在第3组中，有103例患者存在消化不良（81％），全身麻醉有36例（28％），而该组中没有受试者报告有毒素暴露。最后，第4组仅包含未报告暴露于任何调查因素的患者。对于不包括在聚类分析中的变量，在年龄，性别，PD发作年龄以及生活方式保护因素（如咖啡摄入量，吸烟和体育锻炼）的发生频率方面，四组之间没有发现差异（如下表4所示）。
原文表4，聚类分析中包含的聚类与变量（风险因素）的关联
五、结论
1，总结
这项研究同时评估了31种PD的假定风险和保护因子，并提出PD家族史，消化不良以及接触农药，油脂，金属和全身麻醉是PD的独立危险因素，而咖啡摄入，吸烟和体育锻炼则是PD的独立保护因素。
此外，作者并未对以下几项因素赋予任何风险改变的作用，包括农业活动/农村生活，溶剂，涂料，癌症，糖尿病，头部受伤，高血压，消化不良，幽门螺杆菌，甲状腺功能低下，痛风，肠易激综合症，白内障，丙型肝炎病毒感染，其他病毒感染，他汀类药物，非甾体抗炎药，抗痛风药，口服避孕药，甜菜碱激动剂和化学疗法。
尽管样本量很大，但并未显示与PD显着相关的任何因素之间的显着相互作用。然而，聚类分析表明，即使一定比例的患者没有任何危险因素，同一组患者中仍可能存在多种危险因素。总而言之，这项研究表明，未来需要一定的预防策略，以减少不同风险因素的共存。
2，优势及局限性
本研究的创新性：
（1）样本量足够大，可以为所有调查变量提供足够的研究能力，从而有信心地支持主要影响模型所排除的因素缺乏风险修正作用；
（2）所招募的患者在地理来源和种族方面相对均一，这排除了由于不同地理区域而导致的危险因素的差异关联；
（3）此外，本研究有两个新颖结果：
其中一个是，确定的九种风险/保护因素之间没有相互影响。尽管之前有几项研究调查了PD风险/保护因子的可能情况，但只有少数先前的研究调查了PD风险/保护因子之间可能的相互作用；
另一个新颖结果是，聚类分析显示了人群中存在四种不同亚型的患者（见上述结果描述），四种不同的病因PD亚型的存在表明，被归类为“帕金森氏病”的可能是由于危险因素的不同组合所致。此外，患者之间疾病过程的上游发病机制可能有所不同，这涉及症状前测试，神经保护性治疗和基于行为的预防。
本研究的局限性：
（1）为了招募大量的受试者，作者使用连续的非随机抽样，这是一种具有成本效益和时间效益的选择方法，但可能会引入选择偏见。病例对照设计可能会导致回忆偏倚和因果偏见，特别是由于PD是具有延长持续时间的前驱期的慢性长期疾病，因此可能存在回忆偏倚；
（2）另一个局限性是病例和对照组的年龄不同。为了避免年龄对结果可能造成的混淆影响，对年龄进行了多元分析调整；
（3）关于PD与合并症之间的关系，重要的是要指出，在这项研究中检查的某些临床状况，例如幽门螺杆菌可能没有被全面诊断，因此有可能影响结果。
之所以解析这篇论文，是因为这篇论文有以下特点：
这是一篇非常好的预后因素论文范例；
课题设计简单，只有4个表格，其他医生可以照猫画虎；
研究对象常见，是针对帕金森病的治疗；
694例的样本量，中国学者很容易满足；
本研究有很多缺陷，但瑕不掩瑜；
发表于神经科顶刊Neurology杂志（IF：10.4）。
这篇论文不仅仅是一篇非常好药物遗传学SCI论文模板，也是一个很好的研究生课题，以及一些小的基金设计，如首特基金、或者博士后基金等的课题模板。
包括PD在内的许多神经退行性疾病只有少部分表现为家族遗传性，而大部分表现为散发性，虽然他们享有许多共同病理特征和临床表现，但是致病原因必然是多样化的，绝不仅仅拘泥于遗传因素。
由此及彼，临床医生可以以这篇文章为范例，扩展到其他类型的疾病当中，以分析相应疾病的保护因素和风险因素。
尤其是聚类分析，这是一个非常非常好的临床研究统计分析工具，建议好好利用。