Przeprowadzono narodową, wielokrotną analizę trendów przekrojowych związanych z śmiertelnością z powodu chorób układu krążenia mózgu w Stanach Zjednoczonych od 1999 do 2023 roku. W badaniu wykorzystano publicznie dostępne, anonimizowane dane i zostało ono przedstawione zgodnie z wytycznymi dotyczącymi wzmacniania raportowania obserwacyjnych badań w epidemiologii (STROBE)13.
Źródło danych
Dane dotyczące śmiertelności uzyskałyśmy z bazy danych Multiple Cause of Death z Centers for Disease Control and Prevention (CDC) Wide-ranging Online Data for Epidemiologic Research (CDC WONDER), która kompiluje informacje ze świadectw zgonu w USA z National Vital Statistics System14. Aby zapewnić porównywalność szacunków z podziałem na rasy/grupy etniczne w kolejnych latach, kiedy wymagane były szacunki z podziałem na rasy/grupy etniczne, użyto standardowego pliku Multiple Cause of Death dla lat 1999-2017 oraz ekstraktu CDC WONDER 'single-race' dla lat 2018-2023.
Definicja śmiertelności z powodu chorób układu krążenia mózgu
Zgony z powodu chorób układu krążenia mózgu zostały zdefiniowane jako zgony, w których choroba układu krążenia mózgu została wymieniona jako podstawowa przyczyna zgonu zgodnie z kodami ICD-10 I60-I69 (krwotok podpajęczynówkowy, krwotok śródmózgowy, inny nietraumatyczny krwotok wewnątrzczaszkowy, zawał mózgu i inne choroby układu krążenia mózgu). Zgony, w których I60-I69 pojawiły się tylko jako przyczyny wspierające w polach wielu przyczyn, nie zostały uwzględnione.
Wyodrębnianie współczynników śmiertelności i zmienne stratyfikacyjne
Dla każdego roku kalendarzowego wyodrębniono liczbę zgonów, liczbę ludności w mianowniku i wiekowo skorelowane współczynniki śmiertelności (AAMR) na 100 000 ludności, znormalizowane do 2000 roku wg standardowej populacji USA przy użyciu metody bezpośredniej, jak zostało zaimplementowane w CDC WONDER15. Stratyfikacja według płci, grupy wiekowej (0-4, 5-14, 15-24, 25-34, 35-44, 45-54, 55-64, 65-74, 75-84 i ≥85 lat), rasy/grupy etnicznej (Latynosi; biali nie-Latynosi; czarni nie-Latynosi; Azjaci/Mieszkańcy wysp Pacyfiku nie-Latynosi; i Indianie amerykańscy/Mieszkańcy Alaski nie-Latynosi), regionu spisu ludności USA (Northeast, Midwest, South, West) i stanu zostały wstępnie określone. Urbanizacja została sklasyfikowana za pomocą sześciopoziomowego schematu klasyfikacji hrabstw 2013 National Center for Health Statistics (NCHS) i była dostępna do 2020 roku w bieżącym ekstrakcie16. Kombinacje stratów-lat wyciszone przez CDC WONDER lub zgłoszone jako niewiarygodne zgodnie z wytycznymi CDC zostały wykluczone przed modelowaniem Joinpoint; nie przeprowadzono dodatkowego wyznaczania ani zewnętrznej korekty wieku.
Analiza statystyczna
Trendy czasowe zliczono przy użyciu regresji log-liniowej joinpoint naturalnego logarytmu rocznych AAMR, z rokiem kalendarzowym jako zmienną niezależną17. Wybór modelu oparty był na podejściu Monte Carlo permutacji zaimplementowanym w programie NCI Joinpoint Regression, wybierając najprostszy model wspierany przez dane w dopuszczalnym zakresie joinpoint. Segment-specific APC i pełne-okresowe AAPC szacowano z 95% CI. Porównania na poziomie stanowym kładły nacisk na AAPC jako streszczenie parsymoniczne, ponieważ niektóre oszacowania segmentów specyficznych dla stanu były nieprecyzyjne. Dwustronne P < 0,05 uważano za statystycznie istotne. Dostarczony wynik Joinpoint nie zawierał oddzielnych wartości P modelu Monte Carlo; dlatego Tabela uzupełniająca 1 zawiera eksportowanie P wartości testu APC/AAPC i wybraną liczbę i lata joinpoint dla każdego stratu.
Wizualizacja geoprzestrzenna i braki danych
Wzorce na poziomie stanowym zostały zwizualizowane za pomocą map choropleth stanowych AAMR dla wybranych lat i map procentowej zmiany AAMR od 1999 do 2023 roku. Mapy zmian procentowych były obliczane z AAMR, a nie z całkowitych liczb zgonów, aby uniknąć zafałszowania przez wzrost populacji lub starzenie się. Dla kombinacji stratów-lat wyciszonych przez CDC WONDER z powodu małej liczby zgonów, współczynniki były traktowane jako brakujące i nie były wyznaczane. Wszystkie analizy statystyczne zostały przeprowadzone za pomocą programu NCI Joinpoint Regression i R (R Foundation for Statistical Computing).