عنوان مقاله:
افسردگی و خطر قلبی عروقی در بیماران مراقبت های اولیه
Depression and cardiovascular risk in primary care patients
سال انتشار: 2022
رشته: پزشکی - روانشناسی
گرایش: روانشناسی بالینی - قلب و عروق
دانلود رایگان این مقاله:
دانلود مقاله افسردگی و خطر قلبی
مشاهده سایر مقالات جدید:
2. Methods
2.1. Study design and settings Fifty-five primary care clinics in Minnesota and Wisconsin that are part of two healthcare delivery organizations (HealthPartners and Park Nicollet) participated in a larger trial of clinical decision support (CDS) to reduce cardiovascular risk in patients with serious mental illness [16]. The CDS system is a web-based tool embedded in the electronic health record (EHR) that collects relevant clinical data and uses clinical algorithms to provide clinicians evidence-based suggestions for addressing cardiovascular risk among patients with elevated risk. Study enrollment occurred between January 20, 2016 and September 19, 2018. For this study, data from all index (baseline) primary care encounters (not just those of patients with serious mental illness) at randomized clinics during the enrollment period were examined. The HealthPartners Institutional Review Board approved this study (#A13–154) with a waiver of informed consent. 2.2. Enrollment and eligibility Eligible patients had an index encounter, defined as the first encounter at a randomized primary care clinic during the enrollment period that met the following criteria: (a) Aged 18 to 75 years, inclusive, at index encounter date; (b) Not pregnant; (c) No active cancer diagnosis; and (d) Not residing in a nursing home or receiving hospice care. Patients were retained for the secondary analyses presented here if they had completed the Patient Health Questionnaire-9 (PHQ-9) in the year prior to their index encounter. The PHQ-9 is the preferred depression screening tool in the health system, and it is also used to monitor depression in those with an existing depression diagnosis. In addition, patients who requested to be excluded from research studies at their healthcare systems (less than 1% of patients) were omitted from analyses. 2.3. Data sources Much of the data collection was done by the CDS system itself, which harvested EHR data for each web service call. The CDS collected data on age, sex, race, vitals, medications, diagnoses, and orders. Data not routinely collected by the CDS (e.g., ethnicity, insurance status, PHQ-9 score) were retrieved from the EHR data repository. 2.4. Measures 2.4.1. Demographic characteristics Age, race, ethnicity, sex, and insurance type were all extracted from the EHR. Age in years was calculated on the date of the index encounter. Race was categorized as American Indian or Alaskan Native, Asian, Black or African American, Native Hawaiian or Pacific Islander, white, multiple races, other race, or unknown. Ethnicity was categorized as Hispanic or Latino/a, not Hispanic or Latino/a, or unknown. Sex was categorized as male or female. Insurance type was categorized as selfpay/uninsured, Medicare only, Medicaid only, commercial only, other only, Medicare and Medicaid, Medicare and commercial, or 2 or more insurance types.
2.5. Analysis
Data were cleaned and analyzed using SAS 9.4. Missing data were assumed to be missing at random (MAR). In an EHR data study that uses data collected as part of usual care, the absence of documentation of a laboratory test, prescription order, care process, or vital sign should not be interpreted as a missing value but rather as indicative of a care process or test that was not performed. Truly missing observations (e.g., lab test performed but not documented) are extremely rare, undetectable, and assumed to be MAR. Participants were categorized into one of three groups based on depression diagnoses (based on EHR diagnosis) and PHQ-9 scores: (1) No Depression (no depression diagnosis and most recent PHQ-9 < 10); (2) Controlled Depression (depression diagnosis and most recent PHQ-9 < 10); and (3) Current Clinically Significant Depressive Symptoms (hereafter referred to as “Current Depression”; most recent PHQ-9 ≥ 10, regardless of depression diagnosis). Patients with PHQ-9 scores ≥10 who did not have a diagnosis of depression in the EHR were included in the current depression group because they were assumed to have a high likelihood of having a depression diagnosis that had not yet been documented. Descriptive statistics were calculated to examine unadjusted differences in demographic characteristics (age, sex, race, ethnicity, and insurance coverage) and cardiovascular risk factors among the three groups. Given the large sample size, alpha was set to 0.01. General linear models were used to examine differences among the groups for continuous variables (e.g., 10-year ASCVD risk) and χ2 analyses were used to examine differences among categorical variables (e.g., smoking status). Due to significant differences among groups in demographic characteristics, models were then adjusted for age, sex, race, ethnicity, and insurance type to examine differences in cardiovascular risk. These factors were chosen because they have been previously linked to cardiovascular risk, and insurance type was used as a proxy for socioeconomic status. General linear models were used for continuous variables (ASCVD risk, BP, lipids, BMI, and A1C), and logistic regression models were used for categorical variables. Different types of logistic regression were used for different variables: binary logistic regression was used for dichotomous dependent variables (presence or absence of diagnoses including CHD, CVD, DM, and HTN), ordinal regression was used for the ordinal dependent variable (30-year lifetime risk), and multinomial regression was used for the categorical dependent variable (smoking status). For adjusted estimates, regression coefficients and adjusted marginal means or odds ratios (ORs) with 95% confidence intervals (CIs) and predicted percentages with 95% CIs were calculated based on the appropriate analysis (general linear regression or logistic regression, respectively). Adjusted marginal means and predicted percentages were calculated using observed margins for covariates. In secondary models, we examined whether the association between depression group and estimated cardiovascular risk (10-year ASCVD risk or 30-year lifetime risk) was moderated by age and sex by adding interaction terms to the adjusted models.
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
2. روش ها
2.1. طراحی و تنظیمات مطالعه پنجاه و پنج کلینیک مراقبت های اولیه در مینه سوتا و ویسکانسین که بخشی از دو سازمان ارائه مراقبت های بهداشتی (HealthPartners و Park Nicollet) هستند در یک کارآزمایی بزرگتر از پشتیبانی تصمیم گیری بالینی (CDS) برای کاهش خطر قلبی عروقی در بیماران مبتلا به بیماری روانی جدی شرکت کردند. [16]. سیستم CDS یک ابزار مبتنی بر وب است که در پرونده الکترونیک سلامت (EHR) تعبیه شده است که داده‌های بالینی مرتبط را جمع‌آوری می‌کند و از الگوریتم‌های بالینی برای ارائه پیشنهادهای مبتنی بر شواهد به پزشکان برای پرداختن به خطرات قلبی عروقی در میان بیماران با خطر بالا استفاده می‌کند. ثبت‌نام مطالعه بین 20 ژانویه 2016 و 19 سپتامبر 2018 انجام شد. برای این مطالعه، داده‌های مربوط به همه برخوردهای شاخص (پایه) مراقبت‌های اولیه (نه فقط بیماران مبتلا به بیماری روانی جدی) در کلینیک‌های تصادفی‌سازی شده در طول دوره ثبت‌نام مورد بررسی قرار گرفت. هیئت بررسی نهادی HealthPartners این مطالعه (#A13-154) را با چشم پوشی از رضایت آگاهانه تأیید کرد. 2.2. ثبت نام و واجد شرایط بودن بیماران واجد شرایط یک برخورد شاخص داشتند که به عنوان اولین برخورد در یک کلینیک مراقبت های اولیه تصادفی شده در طول دوره ثبت نام تعریف می شود که معیارهای زیر را برآورده می کرد: (الف) سن 18 تا 75 سال، شامل، در تاریخ مواجهه با شاخص. (ب) باردار نیست. (ج) عدم تشخیص سرطان فعال. و (د) عدم اقامت در خانه سالمندان یا دریافت مراقبت از آسایشگاه. اگر بیماران پرسشنامه سلامت بیمار-9 (PHQ-9) را در سال قبل از مواجهه با شاخص خود تکمیل کرده بودند، برای تجزیه و تحلیل های ثانویه ارائه شده در اینجا نگهداری می شدند. PHQ-9 ابزار ترجیحی غربالگری افسردگی در سیستم بهداشتی است و همچنین برای نظارت بر افسردگی در افرادی که دارای تشخیص افسردگی موجود هستند استفاده می شود. علاوه بر این، بیمارانی که درخواست حذف از مطالعات تحقیقاتی در سیستم های مراقبت بهداشتی خود را داشتند (کمتر از 1٪ از بیماران) از تجزیه و تحلیل حذف شدند. 2.3. منابع داده بیشتر جمع آوری داده ها توسط خود سیستم CDS انجام شد که داده های EHR را برای هر تماس سرویس وب جمع آوری می کرد. CDS داده های مربوط به سن، جنس، نژاد، موارد حیاتی، داروها، تشخیص ها و سفارشات را جمع آوری کرد. داده هایی که به طور معمول توسط CDS جمع آوری نمی شوند (به عنوان مثال، قومیت، وضعیت بیمه، نمره PHQ-9) از مخزن داده های EHR بازیابی شدند. 2.4. اقدامات 2.4.1. مشخصات دموگرافیک سن، نژاد، قومیت، جنس و نوع بیمه همگی از EHR استخراج شدند. سن بر حسب سال در تاریخ مواجهه با شاخص محاسبه شد. نژاد به عنوان سرخپوستان آمریکایی یا بومی آلاسکا، آسیایی، سیاهپوست یا آفریقایی آمریکایی، بومی هاوایی یا جزایر اقیانوس آرام، سفیدپوست، نژادهای متعدد، نژادهای دیگر یا ناشناخته طبقه بندی می شد. قومیت به عنوان اسپانیایی یا لاتینی/a، نه اسپانیایی یا لاتینی/a، یا ناشناخته طبقه بندی می شد. جنسیت به عنوان مرد یا زن طبقه بندی شد. نوع بیمه به عنوان خودپرداخت/بدون بیمه، فقط مدیکر، فقط مدیکر، فقط تجاری، فقط سایر موارد، مدیکر و مدیکر، مدیکر و تجاری، یا 2 یا چند نوع بیمه طبقه‌بندی شد.
2.5. تحلیل و بررسی
داده ها با استفاده از SAS 9.4 پاکسازی و تجزیه و تحلیل شدند. داده های گمشده به صورت تصادفی (MAR) گم شده در نظر گرفته شد. در یک مطالعه داده‌های EHR که از داده‌های جمع‌آوری‌شده به عنوان بخشی از مراقبت معمول استفاده می‌کند، فقدان مستندات مربوط به آزمایش آزمایشگاهی، دستور تجویز، فرآیند مراقبت یا علامت حیاتی نباید به عنوان یک مقدار گمشده تفسیر شود، بلکه باید به عنوان نشان‌دهنده یک فرآیند مراقبت یا آزمایشی که انجام نشد مشاهدات واقعاً گمشده (به عنوان مثال، آزمایش آزمایشگاهی انجام شده اما مستند نشده) بسیار نادر، غیرقابل تشخیص هستند و فرض می شود MAR هستند. شرکت کنندگان بر اساس تشخیص افسردگی (بر اساس تشخیص EHR) و نمرات PHQ-9 به یکی از سه گروه تقسیم شدند: (1) بدون افسردگی (بدون تشخیص افسردگی و جدیدترین PHQ-9 < 10). (2) افسردگی کنترل شده (تشخیص افسردگی و جدیدترین PHQ-9 < 10). و (3) علائم افسردگی بالینی قابل توجه فعلی (که از این به بعد "افسردگی فعلی" نامیده می شود؛ آخرین PHQ-9 ≥ 10، صرف نظر از تشخیص افسردگی). بیمارانی با نمرات PHQ-9 ≥10 که تشخیص افسردگی در EHR نداشتند، در گروه افسردگی فعلی قرار گرفتند، زیرا فرض بر این بود که احتمال بالایی برای داشتن تشخیص افسردگی که هنوز مستند نشده بود، دارند. آمار توصیفی برای بررسی تفاوت های تنظیم نشده در ویژگی های جمعیت شناختی (سن، جنس، نژاد، قومیت، و پوشش بیمه) و عوامل خطر قلبی عروقی در بین سه گروه محاسبه شد. با توجه به حجم نمونه بزرگ، آلفا روی 0.01 تنظیم شد. مدل‌های خطی عمومی برای بررسی تفاوت‌های بین گروه‌ها برای متغیرهای پیوسته (به عنوان مثال، خطر ASCVD 10 ساله) و تجزیه و تحلیل χ2 برای بررسی تفاوت‌ها بین متغیرهای طبقه‌بندی (به عنوان مثال، وضعیت سیگار کشیدن) استفاده شد. با توجه به تفاوت‌های معنی‌دار بین گروه‌ها در ویژگی‌های جمعیت‌شناختی، مدل‌ها برای سن، جنس، نژاد، قومیت و نوع بیمه برای بررسی تفاوت‌ها در خطر قلبی عروقی تنظیم شدند. این عوامل به این دلیل انتخاب شدند که قبلاً با خطرات قلبی عروقی مرتبط بودند و نوع بیمه به عنوان نماینده ای برای وضعیت اجتماعی-اقتصادی استفاده شد. مدل های خطی عمومی بودند
