欢迎参加郑老师2023年孟德尔随机化课程即将开始
2023年10月,外国学者在《JAMA Netw Open》(一区,IF=13.8)发表题为:"Age, Body Mass Index, Tumor Subtype, and Racial and Ethnic Disparities in Breast Cancer Survival" 的研究论文。
这项队列研究分析了截至2021年11月12日的4项随机辅助化疗试验参与者的生存数据,目的是根据肿瘤亚型、年龄和BMI评估早期BC (eBC)临床试验参与者的种族和民族与生存的关系。结果表明,在接受标准化初始治疗的eBC患者中发现了种族和民族生存差异,并发现了潜在的危险亚组,针对这些亚组,重点干预可能会改善结果。
摘要与主要结果
一、摘要
目的:美国黑人妇女乳腺癌(BC)死亡率高于白人妇女。包括身体质量指数(BMI)、年龄和肿瘤亚型在内的多种因素的综合作用尚不清楚。根据肿瘤亚型、年龄和BMI评估早期BC (eBC)临床试验参与者的种族和民族与生存的关系。
方法:该队列研究分析了截至2021年11月12日的4项随机辅助化疗试验参与者的生存数据:癌症和白血病B组(CALGB) 9741、49907和40101,以及中北部癌症治疗组(NCCTG) N9831,肿瘤临床试验联盟的传统组。中位随访时间为9.8年。非西班牙裔黑人和西班牙裔参与者与非西班牙裔白人参与者在亚型(激素受体阳性[HR+]/ERBB2[以前的HER2]阴性[ERBB2-], ERBB2+和HR-/ERBB2-),年龄(<50岁,50至<65岁和≥65岁)和BMI(<18.5, 18.5至<25.0,25.0至<30.0和≥30.0)的亚组中进行比较。
结果:9479名参与者中,西班牙裔436人(4.4%),非西班牙裔黑人871人(8.8%),非西班牙裔白人7889人(79.5%)。中位(范围)年龄为52岁(19.0-89.7)岁。在患有HR+/ERBB2-肿瘤的参与者中,非西班牙裔黑人的RFS更差(风险比[HR],1.49;95% CI, 1.04-2.12;5年RFS (88.5% vs 93.2%)高于非西班牙裔白人个体,尽管在任何肿瘤亚型中,种族和民族与RFS关联的全球测试均不显著。在任何亚型中,没有种族和民族的OS差异。种族和民族与年轻参与者的OS相关(年龄<50岁;global P =0.008);年轻的非西班牙裔黑人参与者(HR, 1.34;95% CI, 1.04-1.71;5年OS, 86.6% vs 92.0%)和西班牙裔参与者(HR, 1.62;95% CI, 1.16-2.29;5年OS 86.2% vs 92.0%)比年轻的非西班牙裔白人参与者的OS更差。在BMI为25至小于30的参与者中,种族和民族与RFS相关,非西班牙裔黑人参与者的RFS更差(HR, 1.81;95% CI, 1.23-2.68;5年RFS 83.2% vs 87.3%)高于非西班牙裔白人参与者。
结论:在这项队列研究中,在接受标准化初始治疗的eBC患者中发现了种族和民族生存差异,并发现了潜在的危险亚组,针对这些亚组,重点干预可能会改善结果。
二、研究结果
1.基线特征
在纳入试验的10011名妇女中,9479名(94.7%)有可用的生存和种族数据,并纳入本合并分析。他们的中位(IQR)随访时间为9.8(6.7-13.2)年,435名参与者(4.6%)被指定为失访。所有的参与者都是女性。有436名(4.6%)西班牙裔,871名(9.2%)非西班牙裔黑人,7889名(83.2%)非西班牙裔白人,283名(3.0%)其他种族和民族的患者(表)。在入组时,中位(范围)年龄为52岁(19.0-89.7)岁,中位(范围)BMI为28.3(12.3-77.3)。肿瘤亚型的分布在种族和民族群体之间存在显著差异,与非西班牙裔黑人受试者相比,患有HR−/ERBB2−BC的非西班牙裔黑人受试者比例较大(197例[25.6%]对1049例[14.7%];P < 0.001)。此外,不同种族和民族的BMI差异显著;非西班牙裔黑人受试者的肥胖发生率高于非西班牙裔白人受试者(511例[59.5%]vs 3008例[38.7%]);P < 0.001)。西班牙裔和非西班牙裔白人参与者的基线特征相似。
2.肿瘤亚型中不同种族和民族的生存率
我们评估了具有相同BC亚型的参与者的RFS和OS在种族和民族群体中的差异。在所有9479名参与者中,8588名(90.6%)具有可用的肿瘤亚型数据,并纳入了这些分析。人种和民族变量与肿瘤亚型的相关性的全球测试在任何亚型中都没有统计学意义。然而,我们确实观察到参与者与HR+/ERBB2 -肿瘤之间的关联,非西班牙裔黑人的RFS比非西班牙裔白人更差(HR, 1.49;95% CI, 1.04-2.12;5年RFS, 88.5% vs 93.2%)(图2)。在ERBB2+肿瘤患者中,非西班牙裔黑人和非西班牙裔白人参与者的RFS没有差异(HR, 0.98;95% CI, 0.75-1.30;5年RFS, 84.0% vs 85.1%)或HR - /ERBB2 -肿瘤(HR, 1.28;95% CI, 0.85-1.92;5年RFS, 84.1% vs 86.6%)。西班牙裔和非西班牙裔白人参与者的RFS没有差异,任何肿瘤亚型的种族和民族也没有OS差异。按种族和民族划分的BC亚型RFS和OS的Kaplan-Meier估计值见附录1中的图1和图2。
3.按种族和民族划分年龄类别的生存率
接下来我们评估了不同年龄组间的生存差异。所有9479名参与者都有可用的年龄数据,并被纳入这些分析。在50岁至65岁以下的中年人中,种族和民族与RFS相关(global P =0.04);非西班牙裔黑人受试者的RFS比非西班牙裔白人受试者差(HR, 1.37;95% CI, 1.03-1.83;5年RFS, 84.6% vs 89.1%)(图3)。在年轻(年龄<50岁)和老年(年龄65岁)患者中,种族和民族与RFS无显著相关(global P = 0.07和global P = 0.09)。年轻和年长的西班牙裔参与者的RFS都比非西班牙裔白人参与者差(年轻:HR, 1.52;95% CI, 1.09-2.10;5年RFS分别为82.6%和85.9%;老年人:HR 2.00;95% CI, 1.13-3.54;5年RFS分别为78.0%和87.9%)。种族和民族与年轻参与者的OS显著相关(global P = 0.008)。特别是年轻的非西班牙裔黑人(HR, 1.34;95% CI, 1.041.71;5年OS, 86.6% vs 92.0%)和西班牙裔(HR, 1.62;95% CI, 1.16-2.29;5年OS 86.2% vs 92.0%)参与者的OS比年轻的非西班牙裔白人参与者差。在50岁及以上的参与者中,没有观察到种族和民族与OS之间的显著关联。Kaplan-Meier估计的按种族和民族划分的年龄RFS和OS见附录1中的图3和图4。
当进一步分析由亚型和年龄共同定义的亚组时,种族和民族与HR+/ERBB2 - bc的老年参与者的RFS相关(global P = 0.002)。在年龄≥65岁的HR+/ERBB2 -肿瘤患者(n = 696)中,西班牙裔患者(n = 23)发生RFS事件的风险是非西班牙裔白人患者(n = 537)的6倍以上(HR, 6.30;95% CI, 2.41-16.50)。尽管全球测试对于年龄小于50岁的RFS HR+/ERBB2 -的参与者没有统计学意义(P = 0.06)(n = 1288),但非西班牙裔黑人参与者(n = 103)的RFS明显更差(HR, 1.98;95% CI, 1.15-3.42)。非西班牙裔黑人参与者的OS与非西班牙裔白人参与者相比明显更差(HR, 1.86;95% CI, 1.08-3.18)。
4.按种族和民族划分BMI类别的生存率
我们还研究了BMI类别中种族和民族群体之间的生存差异。在所有9479名参与者中,9352名(98.7%)有可用的BMI数据,并纳入了这些分析。对于体重过轻和肥胖的参与者,种族和民族在全球测试中与RFS或OS没有显著相关。然而,在超重的参与者中,种族和民族与RFS显著相关(global P =0.02),西班牙裔参与者的RFS比非西班牙裔白人参与者更差(HR, 1.81;95% CI, 1.23-2.68;5年RFS, 83.7% vs 87.3%)(图4)。对于那些体重健康的人来说,种族和民族与RFS之间的关联不显著,尽管种族和民族与OS之间存在显著关联(global P = 0.01):非西班牙裔黑人和西班牙裔参与者的OS都比非西班牙裔白人参与者差(非西班牙裔黑人:HR, 1.58;95% CI, 1.07-2.36;5年OS: 85.7% vs 91.5%;西班牙裔:HR, 1.97;95% CI, 1.16-3.32;5年OS, 85.0% vs 91.5%)。按种族和民族划分BMI类别的RFS和OS的Kaplan-Meier估计见附录1的图5和图6。
对BMI和亚型共同定义的亚组分析显示,在HR+/ERBB2−BC和超重的患者(n = 1054)中,非西班牙裔黑人(n = 69)的RFS明显差于非西班牙裔白人(n = 858)(HR, 2.12;95% CI, 1.09-4.12),尽管种族和民族的整体检验不显著(global P =0.08)。这种关联在OS中没有统计学意义。在其他由BMI和亚型定义的亚组中,种族和民族与RFS或OS没有显著关联。
设计与统计学方法
一、研究设计
P(Population)参与者:截至2021年11月12日的4项随机辅助化疗试验参与者的生存数据。
E(exposure)暴露因素:肿瘤亚型、年龄和BMI。
O(outcome)结局:无复发生存期(RFS)和总生存期(OS)。
S(Study design)研究类型:随机对照试验。
二、统计方法
1.中位随访采用反向Kaplan-Meier法估计。采用χ2检验比较不同种族和族裔群体的基线特征所有结果均为多变量分析。Cox比例风险模型用于估计种族和民族与RFS或OS之间的多变量校正风险比(HRs)和95%CI。多变量模型包括种族和民族、肿瘤亚型、BMI、年龄、分期和治疗组(如果变量不是被评估的亚组)。缺少亚型或分期数据的参与者分别不包括在控制亚型或分期的多变量分析中。
2.亚组分析:我们还对年龄层和BMI层进行了单独的分析。BMI数据缺失的参与者未被纳入BMI层内的分析。没有参与者的年龄数据缺失。P值仅用于全局检验,而不用于变量的不同水平与参考组的比较。我们给出了点估计值和95% CI,将变量的每个水平与参照组进行比较。
分析结果也用森林图表示。Kaplan-Meier估计用于估计特定时间点的生存,并生成生存曲线。预先设定的显著性水平为0.05。联盟统计与数据管理中心利用SAS 9.3版本(SAS Institute)对2021年11月12日冻结的研究数据库进行了统计分析。
小结
该文章设计及统计分析并不复杂,使用了回归分析常见的方法KM曲线及Cox回归。
作为一个探索性的观察性研究,这篇文章是把亚组分析放到了重要的位置,分别做了肿瘤亚型 、年龄、BMI的亚组,而且各亚组分析的结果也都放在了文章的主体部分。
一个专门做公共数据库的公众号,关注我们