數據庫匹配方法提高卒中隊列死亡結局準確性的研究

呂微，姜勇，孟霞，黃馨瑩，周脈耕

卒中是全球第二大死因，近年來已成為中國人群死亡的首要原因[1-2]。卒中具有高發病率、高死亡率、高致殘率等特點，其中急性缺血性卒中和TIA約占70%[3]。為了給患者提供更好的救治措施，臨床醫師需要評估患者的短期和長期預后。目前卒中隊列登記研究是卒中預后評估的黃金標準之一，通過充分的病例資料收集和長期的隨訪結果可以全面評估卒中的疾病預后及疾病負擔[4]。然而，這樣有目的的連續數據收集需要花費大量的人力和物力，并且部分患者出院后信息的獲取是不可靠的，因此，目前正在進行的大型卒中隊列研究數量有限[5-6]。

本文旨在探索數據庫匹配研究方法，將臨床研究數據與行政管理數據進行對接，并分析數據庫匹配過程中的問題及解決辦法，為大型多中心卒中隊列數據質量控制提供新思路，提高卒中死亡結局準確性。

1 研究對象與方法

1.1 研究對象 本研究數據來自首都醫科大學附屬北京天壇醫院牽頭開展的大型多中心卒中隊列研究第三次中國國家卒中登記研究（Third China National Stroke Registry，CNSR-Ⅲ）2015-2017年研究數據[7]。該研究在覆蓋全國22個省、4個直轄市符合條件的二級及三級醫療機構中選擇急性腦血管事件監測的哨點醫院201家進行聯合卒中登記。

入組標準：①年齡≥18歲；②急性缺血性卒中或TIA；③發病至入組時間≤7 d。

排除標準：①無癥狀及體征的靜止性腦梗死；②拒絕參與登記調查者。

1.2 卒中隊列數據介紹 CNSR-Ⅲ選取的卒中隊列擬通過標準診斷流程及病因分型，評價缺血性腦血管病相關的危險因素，探索缺血性腦血管病病因及發病機制分布；在臨床、影像、分子水平尋找影響預后的因素。研究收集了發病7 d內就診的急性腦血管病患者的臨床特征和診治信息，并完成患者基線、出院、發病后3個月、6個月、12個月、2年、3年、4年、5年的訪視信息收集，且每個訪視點均登記了患者的死亡結局信息。

1.3 全國疾病監測系統死因監測網絡報告數據介紹 全國疾病監測系統死因監測數據是我國人群死亡數據的主要來源[8]。1978年何觀清教授提出了建立綜合疾病監測點的設想，首批試點位于北京市東城區、通縣（今通州區），隨后不斷增加監測點數量。2013年該系統與其他機構系統進行整合，并進行了監測點的擴增。整合后，監測點個數增至605個，監測人口增至3億，占比全國人口的24%。全國各級疾病預防控制機構及醫院等醫療機構依照相關要求，登記每個死亡病例的公民身份證號、常住地址、戶籍地址等個人信息。該系統采用國際疾病分類（international classification of diseases，ICD）-10中的疾病分類和定義，具有較為嚴格的質量控制流程，死亡信息較為準確可靠。該系統建立的原則為分層整群隨機抽樣，所以其監測結果基本可代表全國人群的情況。

1.4 數據庫匹配方法 本文選取CNSR-Ⅲ卒中隊列中2015-2017年入組且完成90 d隨訪的12 112例急性缺血性卒中患者名單與2015-2017年全國疾病監測系統死因監測數據庫中所有死亡個案進行匹配，獲得隊列成員的死亡結局相關信息，包括性別、年齡、民族、婚姻狀況、文化程度、職業（個人身份）、居住國家及地區、死亡地點、死亡時間、根本死亡原因、發病至死亡大概間隔時間、根本死亡原因的ICD-10編碼、死因鏈等。

因本研究選取的卒中隊列11 999例（99.07%）患者登記了有效身份證號碼信息，故本研究數據庫匹配過程采用精確匹配的方法進行，精確匹配是指利用身份證等有效證件號碼進行匹配。

1.5 分組和比較 卒中隊列研究隨訪結果和死因登記數據庫匹配均顯示為死亡的患者為正確匹配組，卒中隊列研究隨訪結果顯示死亡而死因監測數據庫未匹配上的患者為漏配組，卒中隊列研究隨訪結果未登記死亡而死因監測數據庫顯示死亡的患者為錯配組。因漏配可能原因為死因監測系統上報延遲或本身存在漏報，故本研究只對錯配患者和卒中隊列已登記死亡的患者所在地區、醫院及患者特征進行了比較分析。

1.6 統計學方法 本研究所有的統計分析都是在SAS軟件（Version 9.4）進行完成。所有的統計分析采用雙側檢驗的P值，P＜0.05表示有統計學差異。計量資料符合正態分布，采用描述，組間差異比較采用兩樣本的t檢驗。非等級的分類資料用率表示，組間比較采用卡方檢驗，當25%的單元格的理論數＜5時采用Fisher檢驗。

2 結果

2.1 數據匹配結果 卒中隊列12 112例患者名單與2015-2017年全國疾病監測系統死因監測數據庫中所有死亡個案進行精確匹配，共匹配完成391例患者，其中正確匹配317例、漏配42例、錯配32例（表1）。

2.2 數據匹配后問題的處理 由經過專業培訓的臨床醫師對錯配、漏配患者進行二次隨訪，必要時進行家訪。經過信息復核，發現卒中隊列存在信息缺失和信息填寫不準確的現象，對此進行了進一步糾正，復核過程中如患者確實已失聯或因醫患矛盾而拒絕接受訪視者，而在全國死因監測系統顯示已死亡，我們以死因監測系統數據為準。另外，針對臨床研究人員信息填寫不準確的現象進行糾正。

對于42例漏配患者，分析原因為：①本次數據匹配選擇的是2015-2017年全國疾病監測系統死因監測數據庫中所有死亡個案，因死因監測系統死亡個案登記需逐級上報，故需要一定的時間，部分患者死亡后可能還在登記過程中，系統數據庫中暫未顯示信息；②全國疾病監測系統死因監測數據不可避免地存在一定程度的漏報現象。針對此種情況，本研究以二次隨訪調查復核后的信息為準。

2.3 卒中隊列死亡信息缺失患者特征分析

2.3.1 兩組患者所在地區分布差異分析 依據中國衛生健康統計年鑒，我們將本研究中患者所在區域劃分為東部地區、中部地區和西部地區[9]。錯配組和正確匹配組的地區分布差異無統計學意義（表2）。

2.3.2 兩組患者所在醫院級別分析 本文研究對象來源于全國201家二級和三級醫院，其中二級醫院38家，三級醫院163家，對兩組患者所在醫院級別進行分析，結果顯示兩組醫院級別的差異無統計學意義（表3）。

表1 數據庫電子匹配結果

表2 兩組患者在不同地區的分布比較

表3 兩組患者醫院級別差異比較

2.3.3 兩組患者特征差異分析 兩組患者在年齡、性別、教育水平、入院時神經功能缺損程度及居住狀況方面差異均無統計學意義（表4）。

3 討論

本研究的統計結果雖顯示錯配患者組與隊列登記死亡患者組在地區、醫院分布及患者特征的差異均無統計學意義。但從數據趨勢來看，入院時NIHSS評分≤3分患者未成功匹配到死亡信息的比率明顯高于入院時NIHSS評分＞3分患者（11.36%vs6.56%）；單獨居住患者未成功匹配到死亡信息的比率高于與家人同住患者（13.16%vs7.65%）。在本研究中，這些差異未顯示出統計學意義，也可能與本研究中錯配患者組樣本量較小有關。

錯配患者中入院時神經功能缺損程度輕的患者比例較高，原因可能為重癥患者住院期間死亡概率較大，醫院內有完善的死亡登記流程，死亡信息不易丟失。錯配患者中獨居患者比例較高，說明獨居患者隨訪時獲得準確死亡信息更難，原因可能與獨居患者通訊不方便或更容易失訪有關。建議今后同類研究中，對該部分患者的隨訪更加關注。當然，因本研究中樣本量較小，在大樣本研究中這些趨勢是否還存在，有待進一步驗證。

表4 兩組患者特征差異比較

本研究探討了數據庫匹配研究方法，數據庫匹配在大型多中心卒中隊列研究中的應用能更好地提高卒中結局準確性。在臨床研究中，臨床隊列研究尤其是大型多中心隊列研究存在一定程度的失訪、拒訪，故存在一定的信息缺失或填寫不準確等現象，通過臨床隊列研究數據與行政管理數據匹配的研究方法，可獲得更加全面、準確的數據資源。本文通過兩種不同來源死亡信息的獲得，查漏補缺，并將不一致信息做了分析及復核，在一定程度上解決了隊列研究患者隨訪信息缺失及信息填寫不準確等問題，故本研究死亡結局信息較單純的隊列研究隨訪信息更加準確、更加完整。2019年David Ung等[10]也提出了利用大數據提高研究效率和卒中結局研究全面性的觀點，本文亦是利用大數據思維，利用數據庫匹配研究方法獲得更準確的卒中死亡結局信息。另外，此方法可充分整合數據資源，數據的可獲得性較強，在一定程度上節約了人力、物力、財力，降低了隊列研究成本，為今后相同類型的大型多中心隊列研究提供新的研究思路及方法學支持。同時，不同形式的數據庫進行匹配，可更好地提高數據庫的綜合利用率。

通過數據庫匹配研究方法的探討，本研究也發現大型多中心卒中隊列隨訪信息存在數據缺失或填寫不準確現象，可能與臨床醫師日常工作繁忙，對于患者隨訪信息詢問不詳盡有關，也可能與家屬存在回憶偏倚或不愿告知有關。另外，由于醫療糾紛的存在，患者家屬拒絕接受隨訪，故存在拒訪現象。提示今后開展大型多中心臨床研究招募分中心時多關注醫院團隊的整體情況，例如人員是否充足、團隊整體研究水平等；同時項目啟動前期加強對研究人員進行培訓，對于特殊患者要給予更多關注，保持有效溝通。另外，鑒于中國人的文化傳統觀念，死亡是比較敏感的話題，部分患者家屬對此不愿過多談論，建議可考慮發放死亡慰問金的形式，鼓勵家屬提供患者更加準確、完整的死亡信息。

【點睛】本文探討了大型多中心卒中隊列研究數據與行政管理數據匹配的研究方法，并分析了匹配過程中的問題，提高了大型卒中隊列研究數據的準確性，為同類大型臨床研究提供新的方法學參考。