$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Das NHANES-Protokoll wurde vom Research Ethics Review Board des National Center for Health Statistics (NCHS) genehmigt, und von allen Teilnehmern wurde eine schriftliche informierte Zustimmung eingeholt. Diese Arbeit war eine Sekundäranalyse von de-identifizierten Daten zur öffentlichen Nutzung; daher war keine zusätzliche institutionelle ethische Genehmigung erforderlich. Alle Autoren haben das endgültige Manuskript gelesen und genehmigt.
1. Studiendesign und Datenquelle
Diese Studie wurde als Sekundäranalyse von NHANES durchgeführt, einer Reihe von querschnittsbasierten, national repräsentativen Umfragen, die von den US-amerikanischen Centers for Disease Control and Prevention durchgeführt und vom NCHS Research Ethics Review Board überwacht werden. Die öffentlich genutzten NHANES-Datensätze wurden vollständig freigegeben und zur sekundären Analyse abgerufen. Daten aus den Zyklen 1999–2000, 2001–2002, 2003–2004 und 2005–2006 wurden verwendet.
Für jeden Zyklus wurden öffentliche NHANES-Komponentendateien heruntergeladen, darunter (i) demografische Dateien mit der Teilnehmerkennung (SEQN) und den Umfragedesignvariablen, (ii) Reproductive Health Fragebogendateien mit Endometriose-Selbstbericht und (iii) Laborakten, die für die Berechnung des Composite-Index erforderlich sind (C-reaktives Protein, Triglyzeride und Nüchternplasmaglukose). Untersuchungs-/Anthropometriedateien (z. B. Körpermassindex) und Labormessungen, die für Vergleichsindizes erforderlich sind (z. B. Neutrophile, Lymphozyten, Thrombozyten), wurden zusätzlich bei der Analyse dieser Indizes erhoben. Innerhalb jedes zweijährigen Zyklus wurden Komponentendateien mittels SEQN zusammengeführt, und der zusammengeführte Datensatz wurde überprüft, um einen Datensatz pro SEQN sicherzustellen. Anschließend wurden Datensätze auf Zyklusebene angehängt, um die kombinierte Analysedatei von 1999–2006 zu erstellen.
Die analytische Stichprobe war auf Frauen im Alter von 20 bis 54 Jahren beschränkt. Teilnehmer wurden ausgeschlossen, wenn der Endometriosestatus fehlte, wenn Kompositenindexkomponenten (C-reaktives Protein, Triglyzeride oder Nüchternplasmaglukose) fehlten oder wenn essentielle Kovariaten, die für das vollständig angepasste Modell benötigt werden, im Rahmen einer Komplettfallstrategie fehlten. Komplexe Erhebungsdesignvariablen (Schichten und primäre Stichprobeneinheiten) wurden beibehalten, ebenso wie die für Analysen mit Fastenmessungen erforderlichen Labor-Substichprobengewichte. Wenn mehrere NHANES-Zyklen kombiniert wurden, wurden Mehrzyklengewichte gemäß der NHANES-Analyseanleitung erstellt, indem das 2-Jahres-Teilstichprobengewicht durch die Anzahl der kombinierten Zyklen geteilt wurde, und die resultierenden Gewicht-, Strata- und PSU-Variablen wurden in allen Analysen angewendet. Die Schritte zur Ein- und Ausschlussfolgerung von Teilnehmern wurden in einem Flussdiagramm dokumentiert (Abbildung 1).
2. Definition von Endometriose
Der Endometriose-Status wurde anhand des Fragebogens zur reproduktiven Gesundheit definiert: "Wurde Ihnen jemals von einem Arzt oder einem anderen Gesundheitsfachmann gesagt, dass Sie Endometriose haben?" Teilnehmer, die mit "Ja" antworteten, wurden als Endometriose-Fälle klassifiziert, und diejenigen, die mit "Nein" antworteten, wurden als Kontrollgruppen eingestuft. Da diese Definition auf Selbstbeurteilung und nicht auf laparoskopischer oder histologischer Bestätigung basierte, wurde eine mögliche Fehlklassifikation als Studienbeschränkung berücksichtigt.
3. Definition des Composite Index (CTI)
Der C-reaktive Protein-Triglyzerid-Glukose-Kompositindex wurde operationalisiert, um gemeinsam systemische Entzündungen und metabolische Störungen widerzuspiegeln. Labormessungen von C-reaktivem Protein (mg/L), Triglyzeriden (mg/dL) und nüchternder Plasmaglukose (mg/dL) wurden aus NHANES-Laborakten extrahiert. Der Triglyzerid-Glukoseindex wurde als natürlicher Logarithmus von [Triglyzeriden × nüchternden Plasmaglukose/2] berechnet. CTI wurde mit folgender Formel berechnet: CTI = 0,412 × ln(CRP) + TyG. Höhere CTI-Werte deuten auf eine höhere kombinierte Belastung durch niedriggradige Entzündungen und Insulinresistenz8 hin.
Wenn C-reaktive Proteinwerte vor der Log-Transformation behandelt werden mussten (z. B. Werte bei oder unterhalb des Detektionsgrenzwerts), wurde eine einzige vorgegebene Regel über alle Zyklen hinweg konsequent angewendet und dokumentiert, um die Replikabilität zu unterstützen (zum Beispiel das Ersetzen nicht-positiver Werte durch den kleinsten positiven messbaren Wert, der vor der Logaritam-Transformation beobachtet wurde). Quartilschnittpunkte wurden aus der gewichteten Verteilung der vollständigen analytischen Stichprobe bestimmt und konsistent auf kategorische Analysen angewendet, wobei Quartil 1 als Referenzkategorie diente.
4. Kovariaten
Kovariaten wurden vorbestimmt, um Störungen auf Grundlage epidemiologischer Überlegungen und früherer Literatur zu mindern. Demografische Variablen umfassten Alter, Rasse/Ethnie, Bildungsniveau und Familienstand. Lebensstilvariablen umfassten Rauchvorgeschichte (≥100 Zigaretten im Leben vs. <100) und Alkoholkonsum (≥12 Getränke/Jahr vs. <12). Die Komorbiditätsanamnese umfasste selbstberichtete Bluthochdruck, Diabetes, Schlaganfall, koronare Herzkrankheit und Krebs. Anthropometrische und laborbezogene Variablen umfassten den Body-Mass-Index, Hämoglobin, Neutrophilenzahl, Lymphozytenzahl und Thrombozytenzahl; Diese Messgrößen unterstützten auch die Berechnung von komparatorischen Entzündungsindizes – wo anwendbar (z. B. Neutrophil-zu-Lymphozyten-Verhältnis, Thrombozyten-Lymphozyten-Verhältnis, systemischer Immun-Entzündungsindex, systemischer Inflammationsreaktionsindex). Fortpflanzungsvariablen (z. B. Schwangerschaft und Parität) wurden, sofern verfügbar, in den ausgewählten Zyklen einbezogen und gemäß der NHANES-Dokumentation kodiert. Kategorikale Kovariaten wurden vor der Modelleingabe in Indikatorvariablen umgewandelt.
Da das C-reaktive Protein ein Bestandteil des zusammengesetzten Index war, wurde es in multivariablen Regressionsmodellen nicht als unabhängige Kovariate eingetragen, um Überanpassung und Kollinearität zu vermeiden. Stattdessen wurden das C-reaktive Protein und der Triglyzerid-Glukose-Index als Vergleichsmarker in den Diskriminierungsanalysen bewertet.
5. Statistische Analyse
Alle Analysen berücksichtigten das komplexe NHANES-Umfragedesign, um national repräsentative Schätzungen zu erstellen. Das Umfragedesign wurde durch die Verknüpfung des mehrzykligen Teilstichprobengewichts, der Strata und der PSU-Variablen mit dem analytischen Datensatz spezifiziert. Kontinuierliche Variablen wurden als gewichtete Mittelwerte mit Standardabweichungen zusammengefasst, und kategoriale Variablen als gewichtete Zählungen und Prozentsätze. Die Ausgangsmerkmale wurden zwischen Fällen und Kontrollgruppen mit für NHANES geeigneten Umfrageverfahren verglichen, und die Ausgangsmerkmale wurden in Tabelle 1 zusammengefasst.
Die Zusammenhänge zwischen dem Composite-Index und Endometriose wurden mittels survey-gewichteter logistischer Regression bewertet. Drei sequentielle Modelle wurden angepasst, um die Anpassung zu demonstrieren: ein unangepasstes Modell, ein Modell angepasst für Alter und Rasse/Ethnie sowie ein vollständig angepasstes Modell mit demografischen Faktoren, Lebensstilvariablen, Komorbiditätsgeschichte, anthropometrischen/laborbezogenen Kovariaten und Variablen der Fortpflanzungsgeschichte. Der zusammengesetzte Index wurde sowohl kontinuierlich (pro 1-Einheitszuwachs) als auch kategorisch (Quartile mit Quartil 1 als Referenz) analysiert, und Regressionsschätzungen wurden in Tabelle 2 zusammengefasst. Der lineare Trend über Quartile wurde getestet, indem jedem Quartil sein gewichteter Medianwert zugewiesen und dieser Term kontinuierlich modelliert wurde.
Nichtlineare Dosis-Antwort-Beziehungen wurden mit survey-gewichteten eingeschränkten kubischen Splines mit vorgegebener Knotenplatzierung bewertet, und Spline-Kurven wurden in Abbildung 2 dargestellt. Schwellenwerte wurden mittels von Umfragegewichteter segmentierter (stückweise) logistischer Regression bewertet, indem die Modellanpassung zwischen segmentierten und Ein-Steigungs-Spezifikationen verglichen wurde, und die geschätzten Wendepunkt- und Steigungsparameter auf jeder Seite des Wendepunkts wurden in Tabelle 3 angegeben.
Subgruppenanalysen wurden durchgeführt, um die Effektmodifikation anhand vorgegebener Faktoren (z. B. Altersgruppe, Rasse/Ethnie, Bildungsniveau, Familienstand und ausgewählter Lebensstilfaktoren) zu untersuchen. Die Interaktion wurde getestet, indem Kreuzprodukt-Begriffe zwischen dem kontinuierlichen zusammengesetzten Index und den Untergruppenindikatoren in den umfragend gewichteten Rahmen einbezogen wurden, und Untergruppenassoziationen wurden in Abbildung 3 zusammengefasst.
Die diskriminierende Leistung wurde mittels Analysen der Empfänger-Betriebseigenschaften auf Basis modellvorhergesagter Wahrscheinlichkeiten bewertet, die aus survey-gewichteten logistischen Modellen abgeleitet wurden. Flächenabschätzungen unter der Kurve wurden für den zusammengesetzten Index, häufig verwendete Entzündungsindizes und Komponentenmarker ermittelt, und AUC-Zusammenfassungen wurden in ergänzender Tabelle 1 bereitgestellt; ein erweiterter ROC-Vergleich wurde in ergänzender Abbildung 1 dargestellt.
Fehlende Daten wurden mittels vollständiger Fallanalyse behandelt, nachdem Teilnehmer mit fehlendem Endometriosestatus, fehlenden Composite-Index-Komponenten oder fehlenden essentiellen Kovariaten, die für das vollständig angepasste Modell erforderlich sind, ausgeschlossen wurden. Bei einer Robustheitsbewertung wurde für Kovariaten mit Fehlverhalten unter einem vordefinierten Imputationsmodell multiple Imputation angewendet, und imputierte Schätzungen wurden mit vollständigen Fallschätzungen verglichen.
Die Analysen wurden mit R (Version 4.4.1) und zusätzlicher Statistiksoftware durchgeführt, wie in der Materialübersicht aufgeführt. Wichtige Pakete, die für Vermessungsinferenz, Spline-Modellierung, segmentierte Regression und ROC-Schätzung verwendet wurden, wurden aufgezeichnet, und Sitzungsinformationen (Betriebssystem- und R-Sitzungsdetails) wurden zur Unterstützung der Replikation beibehalten.
6. Endpunkt und Ausgaben des Verfahrens
Der analytische Workflow galt als abgeschlossen, sobald der harmonisierte Mehrzyklus-Datensatz mit den vorgegebenen Einschluss-/Ausschlusskriterien (Abbildung 1) erstellt wurde, der zusammengesetzte Index und Kovariate gemäß dokumentierten Regeln generiert und die vorgegebenen Umfragegewichtete Regressions-, Nichtlinearitäts-/Schwellenwertbewertungs-, Untergruppen- und Diskriminierungsanalysen unter derselben Umfragedesignspezifikation durchgeführt wurden. Die Hauptergebnisse dieses Workflows wurden als Basiszusammenfassung (Tabelle 1), Regressionsschätzungen über sequentielle Anpassungsmodelle (Tabelle 2), Schwellenmodellparameter (Tabelle 3), Spline-Visualisierung (Abbildung 2), Untergruppenzusammenfassung (Abbildung 3) und Diskriminierungszusammenfassungen (ergänzende Tabelle 1 und ergänzende Abbildung 1) organisiert.
7. Interne unabhängige Validierung
Die interne unabhängige Validierung wurde durchgeführt, indem der kombinierte Datensatz in eine Derivationskohorte und eine nicht überlappende Validierungskohorte basierend auf NHANES-Zyklen aufgeteilt wurde. Teilnehmer aus den Zyklen 1999–2000 und 2001–2002 wurden der Herleitungskohorte zugeordnet, und Teilnehmer aus den Zyklen 2003–2004 und 2005–2006 der Validierungskohorte. Die gleichen Inklusions-/Ausschlusskriterien, die Berechnung des zusammengesetzten Indexes, die Kovariatenkodierungsregeln und die Umfragegewichtungsstrategie wurden innerhalb jeder Kohorte unabhängig voneinander angewendet.
Innerhalb der Ableitungskohorte wurden survey-gewichtete logistische Regressionsmodelle mit der vollständig angepassten Spezifikation angepasst. Die in der Hauptanalyse verwendeten Verfahren zur Nichtlinearität und Schwellenwertbewertung wurden in der Herleitungskohorte angewandt, und die Diskriminierung wurde mit ROC/AUC-Methoden auf Basis modellvorhergesagter Wahrscheinlichkeiten bewertet. Die gleiche Modellierungsstrategie wurde dann in der Validierungskohorte wiederholt, ohne Variablendefinitionen, Codierungsregeln oder Gewichtungsspezifikationen zu ändern. Ableitungs-versus-Validierungs-Schätzungen wurden als Kohorten-zu-Kohorte-Vergleich von Assoziationsschätzungen (Abbildung 4) und als Ableitungs-versus-Validierungs-ROC-Kurven (Abbildung 5) zusammengefasst, mit entsprechenden numerischen Zusammenfassungen in Tabelle 4.