No.1
Author
本文的作者是莫琳·卡纳万。莫琳博士自2017年以来一直是耶鲁大学癌症结果、公共政策和有效性研究中心（COPPER） 的流行病学家。此外，她还是耶鲁癌症中心的癌症护理创新实验室（CaCIL）团队的一员，评估癌症护理的质量指标。
莫琳的曾经在宾夕法尼亚州立大学活得生物学学士学位，在新泽西医科和牙科大学公共卫生学院获得了公共卫生硕士学位，并在耶鲁大学获得的博士学位。
除癌症相关的研究之外，她的研究兴趣还包括健康管理、就业和临终关怀等多个方面。
No.2
Background
Systemic Anticancer therapy (SACT)
在2018年的《英国医学公报》中，有一篇名为《全身抗癌治疗在疾病缓解中的评价》的研究，认为“姑息性化疗在改善被诊断患有无法治愈的恶性肿瘤患者的生活质量和数量方面的作用正在不断发展。酪氨酸激酶抑制剂、单克隆抗体和免疫疗法等新药的出现，以及姑息性化疗，统称为全身抗癌疗法（SACT）。”
而本研究则认为，在生命末期(EOL)使用全身抗癌治疗(SACT)与较高的住院率、重症监护病房使用率、较晚过渡到临终关怀、较差的生活质量和较高的费用相关。
Oficial Recommendation——NQF 0210
美国临床肿瘤学会(ASCO)和国家质量论坛(NQF)认可了一项质量指标——NQF 0210，即生命最后14天内接受化疗的癌症死亡患者百分比，旨在改善生命末期护理。该指标被定义为生命最后14天内接受化疗的患者数量/死于癌症的患者数量，目前已被广泛应用于癌症质量报告和基于价值的护理计划，最近已扩展到包括所有类型的全身治疗，包括靶向治疗、免疫治疗、和口服治疗。
对于NQF 0210这一项质量指标，这张图片展示了一个概念性假设，探讨基于NQF 0210衡量指标（在患者去世前14天内接受抗癌治疗的比例）与患者生存率之间的关系。
图片左侧根据NQF 0210的衡量标准，将医疗实践分为两类：
1. NQF 0210评分较低的医疗实践（图表显示较少的患者在生命终末期接受抗癌治疗）。
2. NQF 0210评分较高的医疗实践（图表显示更多的患者在生命终末期接受抗癌治疗）。
图片右侧对这些医疗实践中的晚期癌症患者进行生存评估，可能得出两种结果：
可能结果1：
• 生存结果相同：患者生存率与NQF 0210评分高低无关，就意味着医疗实践的NQF 0210得分并没有影响患者的生存时间。
可能结果2：
• 生存结果不同：NQF 0210评分较高的医疗实践，患者的生存时间更长，则意味着在NQF 0210评分较高的实践中，更多患者接受抗癌治疗，生存率更好。
该图的核心问题在于，NQF 0210衡量标准是否能够作为评估晚期癌症患者护理质量的有效指标。如果更多患者在生命终末期接受抗癌治疗会导致更好的生存率，则NQF 0210分数较高的实践应当表现出更好的生存结果。这一假设正在通过分析不同医疗实践的NQF 0210评分与患者生存结果的关系来检验。
No.3
Methods
Data Source：Flatiron
本研究使用全国性的Flatiron Health电子健康记录数据库，该数据库来自约280个美国癌症诊所(约800个护理点)。Flatiron Health数据库是一个纵向数据库，包含未识别的患者级结构化和非结构化数据，通过技术支持的抽象进行管理。数据库中的大多数患者来自社区肿瘤机构;然而，相对的社区/学术比例可能因研究队列而异。
Population
本研究评估了实践级NQF 0210治疗率与总体生存率（OS）之间的关系。分析了在6种不同实体瘤中的所有患者的总生存期，包括18岁及以上的成人患者，这些患者被定义为晚期实体瘤，确诊为转移性疾病的乳腺癌、结直肠癌、肾细胞癌或胰腺癌，或非小细胞肺癌或尿路上皮癌的晚期疾病，时间范围为2015年1月1日至2019年12月31日。纳入的实践必须在2015年1月1日或之前开始运营。排除了那些有多重癌症诊断的患者，或从指数诊断（晚期或转移性）到首次临床访问（若未接受治疗）或药物订单之间超过90天的患者，以及在2015年1月1日至2020年1月30日期间死者少于30人的实践。
Variables and End Points
Primaryvariable：研究的核心自变量是“实践级风险标准化的14天整体EOL SACT治疗率”（称为NQF 0210）。
Secondaryanalysis：除了14天内的SACT治疗率，研究还考察了30天整体EOL SACT治疗率，并将其作为次要自变量进行分析。
Quartile：14天和30天内的SACT治疗率被分为五个分位数（五分位数），最低的五分位数（Q1）被用作参考组进行比较。
Primary outcome ：主要关注的结果是从指数诊断（晚期或转移性癌症）到死亡或审查日期（患者最后确认活动）的总体生存率（OS）。这意味着研究比较了不同治疗率水平下患者的生存时间。
Statistical Analysis
研究首先总结了所有患者的基本特征，并按照实践级别的NQF 0210五分位数进行分类，以了解不同治疗率水平下的患者基线情况。
主要分析：为了评估NQF 0210治疗率与总体生存率（OS）之间的关系，研究使用了多变量Cox比例风险模型。所有生存模型都考虑了患者和实践级别的多个协变量，比如年龄、性别、种族、诊断年份、疾病分期等等。这些因素都是通过电子健康记录获得的，并且与患者生存率有关。
研究估算了各五分位数的生存曲线，并计算了与最低五分位数（Q1）相比的风险比及其95%置信区间。这有助于比较不同治疗水平下的生存率差异。
统计校正：由于进行了多个比较，研究使用了Bonferroni校正来控制整体显著性水平，确保结果的可靠性。
No.4
Cox proportional-hazards model
Cox比例风险模型是一种用于分析时间到事件数据（如生存时间）的统计模型。它可以帮助研究者了解各种因素如何影响事件发生的风险。这种模型能够同时考虑多种因素对生存率的影响。主要是通过假设不同组的风险比（风险率的比值）在整个研究期间是恒定的，也就是说风险比不随时间变化。同时模型不要求数据符合特定的分布（如正态分布），而是利用风险比来比较不同组的生存情况。
No.5
Results
研究分析了78,446名患者，这些患者的平均年龄为67.3岁，大部分患者是女性（52.5%），种族主要是白人（67.5%），且大多数患者在初次诊断时为IV期疾病。根据NQF 0210治疗质量指标，诊所被分为五个等级（五分位数）。这些诊所的数量在不同癌症类型中有所不同，范围从27到29个。在最高五分位数（Q5）的诊所中接受治疗的患者，相比于最低五分位数（Q1）的诊所，通常年龄较大，更有可能被归类为其他种族或种族不明，并且更可能拥有商业健康计划。
table2中体现了中位生存期的信息，具体而言，乳腺癌患者的中位生存期比较长。例如，Q1的中位生存期是39.1个月（IQR为35.5到45.4个月），而Q5的中位生存期是33.2个月（IQR为29.5到37.1个月）。相对而言，胰腺癌患者的生存期较短。例如，Q1的中位生存期是7.6个月（IQR为7.0到8.2个月），而Q5的中位生存期是5.1个月（IQR为4.1到5.9个月）。
图中显示，在30天末期治疗中，不同的五分位数曲线展示了类似的生存期模式和差异。
No.6
Conclusion
研究显示，尽管在NQF 0210的最高五分位数中没有观察到生存期的改善，肿瘤医生在面对非常晚期的疾病时可能需要重新考虑是否继续提供治疗。特别是，对于晚期患者，肿瘤医生应当更注重与患者进行开放和诚实的沟通，讨论预后情况，从而帮助患者做出关于如何以及在哪里度过余生的知情决定。
结论部分提出了通过改善沟通和支付政策来优化末期护理质量，并希望通过减少无效治疗和增强家庭支持服务来实现更好的患者结局。
No.7
Strengths and Limitations
这项研究的主要特点和局限性可以结合起来更全面地理解：
优势：
1.研究是首次探讨NQF 0210绩效与六种常见实体瘤类型的疾病特异性生存期（OS）之间的关系。这使得研究在癌症治疗效果评估中具有创新性。
2.专注于转移性或晚期癌症患者，避免了早期疾病可能导致的误分类问题，确保了分析的准确性。
3.使用Flatiron Health数据库的数据，考虑了口服药物的影响，这在原始的NQF 0210指标中没有涵盖。虽然更新版本预计会包括这些药物，但该研究已将其纳入分析，增强了研究的全面性。
4.本演技更新了治疗方法，除了细胞毒性化疗，还纳入了靶向治疗和检查点抑制剂，这反映了它们在末期癌症治疗中的日益重要性。
局限性：
1. 未涵盖决策因素：研究未考虑医生与患者之间的沟通以及患者的个体偏好。这些因素对治疗决策有重要影响，因此可能限制了研究结果的全面性。
2. 样本量问题：研究结果中未观察到最高和最低NQF 0210五分位数之间的生存差异，可能是由于样本量不足，这可能影响了结果的可靠性。
3. 临终关怀数据有限：在Flatiron Health数据库中，仅有转移性胰腺癌患者的数据能够反映临终关怀转诊率，且转诊率在最高和最低NQF 0210五分位数之间有所不同，表明可能存在系统性偏差。
No.8
Inspirations
对于这篇论文，我也有一些感悟：
首先就是本研究采用的数据库是Flatiron，强调了使用大规模电子健康记录数据库进行数据分析的重要性。通过数据驱动的方法，我们能够更客观地评估医疗实践和治疗效果，而不是仅依赖个体病例的经验。因此，数据库的质量对于研究是至关重要的。
其次，论文展示了从不同角度（如不同治疗时间、治疗类型、实践水平）评估医疗干预的复杂性。这种整体视角帮助我们理解治疗效果的不一致性，以及如何更全面地考虑患者的实际情况。
第三是现实与理想的差距：尽管数据分析提供了宝贵的见解，但论文也提醒我们，理论与实践之间存在差距。比如，通过阅读文献，大家也可以看出，文中很多的数据分析结果都是无显著差异的，我们的一些研究工作中也有可能出现这种情况，但是阴性的结果并不说明研究无意义。即使研究的实践结果与我们前期的预测有一定差距，我们也要在研究中要尊重客观事实，并在应用研究结果时保持谨慎。
No.9
Literature comparison
本研究以及同一作者进行的《Systemic Anticancer Therapy at the End of Life-Changes in Usage Pattern in the Immunotherapy Era》研究主题相似，这两篇文章都是关于“生命末期的全身抗癌治疗”的研究。
《Systemic Anticancer Therapy at the End of Life-Changes in Usage Pattern in the Immunotherapy Era》聚焦于末期癌症患者的系统性抗癌治疗（SACT），分析了2015至2019年期间SACT的使用模式，特别是化疗和免疫疗法的变化。研究发现，尽管整体SACT使用率在死亡前30天和14天没有显著变化，但化疗的使用率显著下降，而免疫疗法的使用率却明显上升，这表明新疗法的引入可能影响了姑息治疗的整合。
相较之下，《Systemic Anticancer Therapy and Overall Survival in Patients with Very Advanced Solid Tumors》评估了在更广泛的转移性癌症患者群体中，高NQF 0210治疗率是否与生存期改善相关。研究结果显示，尽管将实践分为不同的NQF 0210组，但并未发现高治疗率与生存期之间有统计学显著的差异。这表明，尽管存在针对末期化疗的质量指标，但高治疗率未必能改善患者的生存状况，强调了识别无效治疗和提升护理沟通的重要性。
Questions
1.在方法中，作者提到”对于二次分析，我们将实践级风险标准化的30天整体EOLSACT率作为主要自变量。死亡14天内（NQF0210）和死亡30天内的SACT率被归类为五分位数，最低的五分位数（Q1）作为每种疾病类型的参考组。”这句话怎么理解呢？
答：将实践级的30天整体EOL SACT治疗率作为分析的关键变量。将死亡14天内（NQF 0210）和死亡30天内的SACT治疗率分成五个等级（五分位数），以便进行比较。在这五个等级中，Q1代表治疗率最低的实践级别，其他四个五分位数的治疗率则与Q1进行比较。
2.如果患者在2015年1月1日至2020年1月30日期间被诊断为多种癌症、指数诊断（晚期或转移性）与首次临床访视（如果未给予治疗）或医嘱之间的间隔超过90天，或在死亡人数少于30人的诊所就诊，则将其排除在外。这项研究中排除标准这样设定的原因是什么?
答：确保数据的一致性、可比性和质量。
1.多个癌症诊断的患者：不同的癌症可能会有不同的治疗方案、预后和生存率。
2.初次确诊与首次就诊/药物处方时间超过90天的患者：患者在诊断和治疗之间存在异常延迟，无法及时获得适当的治疗，从而导致更差的生存率。
3.在少于30例死亡患者的机构接受治疗的患者：死亡患者数较少意味着该机构的样本量不足。
3.在statistical analysis中为什么”Because multiple tests were conducted for this analysis, we applied a Bonferroni correction to maintain an overall level of significance of α = .05. The individual α levels for each comparisonwere .008.”这里在多次检验后需要用bonferroni校正维持α等于0.05的显著水平，文章涉及到很多的cox回归检验，这里的目的和作用是什么?
答：在统计分析中，Bonferroni校正的目的是控制由于进行多次统计检验而增加的假阳性风险。
目的和作用：控制整体假阳性率并提高结果可靠性。
4.为什么研究选择了这几种癌症？
答：这6种肿瘤并不是所有实体瘤的全部，而是研究中选择的6种具体类型。这些癌症类型（尿路上皮癌、乳腺癌、结直肠癌、非小细胞肺癌、胰腺癌和肾细胞癌）被选中是因为它们具有重要的临床意义或在该数据集中具有足够的样本量。不同癌症类型的治疗模式和生存预后差异明显，研究这些差异可以帮助了解和改进不同癌症的治疗策略。选择多种癌症类型可以提供一个较全面的视角，帮助研究者更好地理解系统抗癌治疗在不同癌症类型中的应用和效果。
References
[1]C M Usborne, A P Mullard, A review of systemic anticancer therapy in disease palliation, British Medical Bulletin, Volume 125, Issue 1, March 2018, Pages 43–53, https://doi.org/10.1093/bmb/ldx045
[2]Quality ID #453 (NQF 0210): Percentage of Patients Who Died From Cancer Receiving Chemotherapy in the Last 14 Days of Life. Centers for Medicare & Medicaid Services. Accessed April 19, 2024. https://qpp.cms.gov/docs/QPP_quality_measure_specifications/CQM-Measures/2019_Measure_453_MIPSCQM.pdf
[3]Caffrey M. Learning from the Oncology Care Model to move APMs forward. Am J Manag Care.2020;26(3).
[4]Patient-centered oncology payment: a community-based oncology medical home model. American Society of Clinical Oncology. Accessed April 19, 2024. https://chqpr.org/downloads/PCOP_APM.pdf
[5]Canavan, M. E., Wang, X., Ascha, M. S., Miksad, R. A., Calip, G. S., Gross, C. P., & Adelson, K. B. (2022). Systemic Anticancer Therapy at the End of Life-Changes in Usage Pattern in the Immunotherapy Era. JAMA oncology, 8(12), 1847–1849. https://doi.org/10.1001/jamaoncol.2022.4666
