本文探讨了非小细胞肺癌(NSCLC)老年患者中潜在不适当药物(PIMs)与总体生存(OS)之间的关系。文章通过队列研究设计,使用Kaplan-Meier分析和Cox回归分析,探讨了PIMs的使用对患者OS的影响,并发表在BMC Geriatrics杂志上。
文章先从背景出发,指出非小细胞肺癌(NSCLC)在老年人中的高发病率和潜在不适当药物(PIMs)使用的普遍性。明确研究目的是调查PIMs与NSCLC患者OS之间的关系。
文章采用单中心7年内新诊断的老年NSCLC患者进行队列研究。使用2019年Beers标准定义PIMs,并运用多变量Cox回归模型来评估PIMs与OS的关联。通过是否有PIMs来对患者进行二分类,观察PIMs对患者的OS是否有影响。
文章的创新点在于纳入了PIMs的分析,通过双盲以及纳入第三方评估的方式,确保了PIMs纳入病例的准确性。使用Kaplan-Meier分析和Cox回归分析等统计方法进行研究。
文章于2023年提交,经过审稿人的意见反馈,作者进行了相应的修改。审稿人提出的问题主要包括引言部分不够充分,方法学问题缺少样本量计算等。
介绍了其他两篇与PIMs相关的文章,分别发表在Journal of Geriatric Oncology和Frontiers in Public Health杂志上。这些文章使用了不同的数据库和疾病类型,但探讨了相似的问题和使用了类似的统计方法。
两幅
Kaplan-Meier
图就拿下了
I
F 3.4
分的期刊,所以用的病例也来自单中心的非小细胞肺癌(
NSCLC
)
患者,这篇文章发表自
BMC Geriatrics
,题为
“
Association of potentially inappropriate medications with prognosis among older patients with non-small cell lung cancer
”
。整体下来本文的可复现性极高,使用同一种思路,换一种疾病又是一篇新的文章,让我们来分析一下其中的思路吧
~
文章链接:
https://pubmed.ncbi.nlm.nih.gov/38918727/
文章逻辑
本文的逻辑是先从背景出发,指出非小细胞肺癌(
NSCLC
)在老年人中的高发病率和潜在不适当药物(
PIMs
)使用的普遍性,然后明确研究目的是调查
PIMs
与
NSCLC
患者总体生存(
OS
)之间的关系。研究方法包括对
单中心
7
年内
新诊断的老年
NSCLC
患者进行队列研究,使用
2019
年
Beers
标准定义
PIMs
,并运用多变量
Cox
回归模型来评估
PIMs
与
OS
的关联。
事实上,对于单中心收集
1
0
年内病例的难度会较多中心大大降低,这也是该文章容易复现的重要原因之一。
分析项目及描述举例
由于本文的患者收集、基线资料统计都是传统的方法,再次就不再赘述,直接进入文章的关键指标
P
IM
s
。
关键变量
P
IM
s
的处理
根据
2019
年
Beers
标准
,
没有明确临床指征的药物(过度处方)或风险大于收益的药物(不当处方)
会被纳入研究,而这一过程有两位研究者
独立
进行,且
在数据提取和
PIMs
识别过程中互不知情,以减少偏差。
一旦二者之间对于
P
IM
s
的识别存在差异,则会有第三方介入来进行进一步判别。这类处理措施对于大家其实是有借鉴意义的,首先是根据公认的定义来定自己的研究标准化,随后利用两位研究者来确保研究结果的重复性和可靠性。当两位研究者对
PIMs
的识别存在差异时,第三方的介入确保了评估的一致性和准确性。
多变量分析
为了减少其他变量可能引入的混杂效应,作者基于已发布的文献,选择可能影响
PIMs
使用和
O
S
的变量,如年龄、性别、
BMI
、吸烟状态、肿瘤分期等
,通过控制上述变量的影响,使用多变量
C
OX
分析,揭示了关键变量(
PIMs
的使用)与研究结果(
OS
)之间的独立关联。
Kaplan-Meier
分析
随后,作者就顺理成章地通过是否有
P
IM
s
来对患者进行二分类,从而观察
P
IM
s
对于患者的
O
S
是否有影响。而结果也比较满意,无
P
IM
s
的患者
O
S
明显高于
P
IM
s
组。
审稿意见
本文于
2
023
年
1
0
月提交,今年
2
月最后一个
reviewer
提出意见,
4
月作者进行回复,
6
月文章被接收,总体速度还是比较快的。本文的
reviewer
所提的问题都比较中肯,而且对于文章的内容基本上都是一些小修小改的问题 ,并未存在大改的情况,我们一起来看看具体有哪些问题吧!
introduction
归纳不充分:未能很好地引导读者理解研究的要点是什么,并且
PIMs
的定义不完整,只提到了过度处方,没有包括不足处方。
而这一点其实就是要求大家平时要多积累该部分的写作经验,一般来说,跟着顶刊的
introduction
来进行每一句话的阐述和衔接会比较充分,也能学到较多东西。
方法学问题:缺少样本量计算,未说明样本量是如何确定的。这一点就是给大家提醒了,样本量不是取决于自己医院能收集多少患者,而是必须有统计学方法的来支撑纳入患者的数量。
Discussion
部分:
reviewer
指出作者没有提及研究的优势。这一点同样是对作者的写作以及分析上提出了疑问,而这类问题通常来说也是比较温和的,也是较容易修改的。
综合评价
本文通过队列研究设计,对老年
NSCLC
患者使用潜在
PIMs
与
OS
的关系进行了深入分析。
其中的创新点在于纳入了
P
IM
s
的分析,并且通过双盲以及纳入第三方评估的方式,确保了
P
IM
s
纳入病例的准确性。该文章的分析手段比较简单,仅用到了
K
M
生存分析和
C
OX
回归分析,最后以
2
图(
K
M
分析)
3
表(基线资料
+
单
/
多变量
COX
分析)的形式进行收尾。
这类与
P
IM
s
相关的文章其实还是有很多例子存在的,大家用的基本上都是同一套逻辑,其中的分析方式和统计方法也是如出一辙。
在这里列举另一篇有关
P
IM
s
与肿瘤的文章:发表在
Journal of Geriatric Oncology
(
I
F 3.0
)杂志上的文章,使用了
SEER-Medicare
数据库的数据
(注意还是公共数据库哦
~
)
,涵盖了
2007
年
7
月
1
日至
2009
年
12
月
31
日期间被诊断为
II/III
期乳腺癌或结直肠癌的
66
岁及以上的患者
,作者探索了
PIM
s
与治疗结果之间的关联性,结果提示二者之间并没有存在直接的联系。事实上这还是一篇阴性结果的文章,但是还是能够发表在
3
分的期刊上,所有相关领域的小伙伴可以尝试一下此类文章。
文章链接:
https://pubmed.ncbi.nlm.nih.gov/30795923/
如果你研究的是非肿瘤领域,那么下面的这篇文章探究了门诊就诊老年糖尿病人群中潜在
P
IM
s
与潜在并发症的关联,研究使用了使用
2019
年
Beers
标准对老年糖尿病患者进行了为期
3
年的重复横断面研究
,研究结果也发表在
Frontiers in Public Health
(
I
F 3.0
)杂志上。
文章链接:
https://pubmed.ncbi.nlm.nih.gov/36203703/
总体而言本文的可模仿性较大,换一种疾病很可能得到一篇思路类似的文章,小伙伴们快来试试吧!
好啦,分享投稿技巧就这些,下期再见...
如果您有很多的临床文章,怎么投都投不中或返修意见不知道如何回复?
文章屡投不中?担心文章投出去后期刊有问题?欢迎扫码咨询
Paper助手
是我们推出的一款专注科研文章写作指导与选刊的工具网站,
四大板块、八大功能
助您摆脱科研写作和发表过程中带来的困扰,欢迎扫描下列二维码免费注册体验。