作为年龄、检测阈值与乳腺X线筛查频率(ATHENA-M)研究的一部分,构建并质量评价一个新的英国乳腺筛查链接数据集
研究将1988年1月1日至2018年3月31日英格兰79个NHS乳腺筛查中心的常规筛查记录与癌症登记及国家死亡数据链接,构建ATHENA-M数据集并评价其质量。研究结论认为该数据集是迄今最完整的英格兰乳腺筛查记录与结局数据集。
要点
- 1997年后基于NHS唯一标识符的链接成功,核心筛查变量完整性>99%,主要癌症结局完整性>95%。
- 1997年前因链接问题结局数据不完整,有效性降低。
核心结论
- ATHENA-M项目创建了一个大型、高质量且具有代表性的数据集,涵盖1997年至2018年英格兰个体女性的筛查轨迹与结局。
- 1997年之前的数据质量较低。
研究设计与样本
- 研究链接了1988年1月1日至2018年3月31日英格兰全部79个NHS乳腺筛查中心的常规筛查记录(邀请、参加、检测结果)与癌症登记(癌症特征和治疗)及国家死亡数据。
- 数据质量采用可比性、有效性、及时性和完整性四个维度进行评价。
- 筛查记录从79个英格兰乳腺筛查中心中的76个提取,3个因软件问题无法提取。
- 1997年引入女性通用标识符(NHS号码)后数据链接成功。
诊断标准与关键数值
- 数据完整性:核心筛查变量>99%,主要癌症结局>95%。
- 癌症指示与筛查后记录措施不一致的比例为641/38185530(0.002%),筛查日期与乳腺X线摄影日期一致的比例为38164605/38169905(99.986%)。
- 271380次检出癌症的筛查预约中,1602次(0.59%)似乎未决定召回女性进行检测癌症所需的检查。
临床应用与阅片要点
- 该数据集可用于评价和优化筛查。
- 数据质量评价框架基于可比性、有效性、及时性和完整性四个维度,并针对筛查项目技术及流程变化、行政流程修改、癌症分类变化和受邀人群异质性给予特别关注。
局限性
- 3/79个英格兰乳腺筛查中心因软件问题无法提取数据。
- 1997年之前因链接问题结局数据不完整,降低了有效性。
- 1997年前癌症登记中分级、病变大小等信息缺失严重,例如DCIS分级缺失3651/3942(92.6%),浸润癌分级缺失9257/22902(40.4%)。
- 种族数据非常稀疏,仅少数中心在项目后期收集。
- 1997年前淋巴结受累、受体状态和浸润性肿瘤数字分期信息很少报告。
全文中译13 节 · 点击展开
引言
通过筛查规划收集的数据可支持以下研究:乳腺癌流行病学,1,2 筛查规划的有效性,3,4 因技术或流程导致的癌症预防实践差异,5–7 成本效益,8–10 潜在偏倚,11 AI在筛查图像分析中应用的适宜性,12 以及风险分层的潜力和实施。13,14
已有若干国家发表了关于各自乳腺筛查观察性数据库的描述,包括美国、15–17 丹麦18 和韩国。19,20 然而,据我们所知,迄今为止尚无出版物报告常规乳腺筛查数据的数据质量。现有研究关注的是乳腺筛查规划的质量和审计,而非筛查数据本身。21,22 其他癌症筛查也是如此。23,24
使英格兰筛查数据集特别具有吸引力的三个特征是数据量(多达1300万女性长达30年的随访)、覆盖大部分符合条件的人群,以及在国民健康服务体系框架下相对同质的组织结构。不太系统化的方法存在偏倚风险,例如与可及性异质性相关的失真,25,26 这在医疗服务提供与较高社会经济地位相关联的国家中自然存在。斯堪的纳维亚国家在医疗服务可及性方面相对同质,并有保持优良记录的传统,但这些数据集较小且人群种族多样性较低,限制了普遍性和可迁移性。要实现英格兰数据集特征所蕴含的承诺,关键在于其质量以及数据库中83个独立部分的成功链接,包括79个筛查中心数据集和4个关于癌症结局、邀请记录、社会经济背景和死亡率的数据集。
2009年,Bray和Parkin发表了关于在癌症登记处处理数据质量的实践方面和技术的指南,考虑了可比性、有效性、及时性和完整性。27,28 该框架已被用于评估瑞典乳腺癌登记处29 以及更广泛意义上的英国、30 冰岛、31 芬兰、32 挪威、13,33 保加利亚、34 乌克兰35 和新加坡36 的癌症登记处。其他检验癌症登记数据质量的研究仅关注完整性,37–40 或关注完整性和时效性。41 英国政府最近在Bray和Parkin框架基础上提出了一个数据质量框架(政府指南,2020年12月),42 但这是首次将此类框架应用于乳腺癌筛查数据。观察性健康研究的数据质量评估因误分类、偏倚以及由此观察到的潜在不可重复性风险而受到关注;例如,在电子健康记录的使用、实用性临床试验中的真实世界证据以及英国生物样本库等数据存储库中。43–46
本文的第一个目标是描述通过合并来自不同来源的83个现有数据集来构建ATHENA-M数据集的过程。通过对个体女性轨迹的全面链接,我们为未来提高筛查项目质量和有效性的研究提供了丰富的资源。本文的第二个目标是从数据质量的角度评估ATHENA-M数据集,以确保研究结果的可重复性。我们建立了一个基于数据质量4个常见支柱的框架,以及针对癌症筛查复合纵向数据存储库量身定制的具体质量检查。
方法
ATHENA-M是一个独特的复合数据集,由以下来源创建:79个独立乳腺筛查中心的国家乳腺筛查服务(NBSS)存储库、国家邀请系统Breast Screening Select、通过英国公共卫生部死亡与出生信息系统(PHE-MBIS)获取的国家统计局死亡数据、国家癌症登记与分析服务(NCRAS),以及基于邮编推导的多重剥夺指数(IMD)——更多信息见表1。
人群:纳入标准
在ATHENA-M中,我们纳入了1988年1月1日至2018年3月31日期间,基于首次预约日期,在英国47至73岁之间被邀请参加至少一次乳腺筛查预约的所有女性。我们排除了没有附带日期信息的筛查邀请的女性,以及预约不属于标准乳腺筛查项目的女性(例如因症状自行就诊的女性)。选择退出将其数据保存在国家疾病登记服务(NDRS)登记册中的女性,其退出选择已应用于癌症登记数据。根据国家数据选择退出政策,该选择退出未应用于筛查数据,因为未与英国公共卫生部(PHE)以外的任何组织共享保密患者信息(详见补充表C2;当时国家数据选择退出率为5.3%)。
人群:英国从最初推广至今的筛查方案
针对50-64岁女性的国家乳腺筛查规划于1988年在部分选定地区开始推广,并从1990年起扩展至覆盖整个英格兰。每位女性每3年受邀参加一次筛查。该规划运行的变化包括:筛查 eligible 年龄范围的扩大、更多引入第二阅片者在乳腺X线摄影图像上寻找癌症征象、行政系统的统一、技术变革,以及对乳腺癌分类的一些修改。47受邀人群的扩大可能影响癌症患病率,医学诊断的改进可能影响癌症的检出和观察到的特征。例如,数字乳腺X线摄影推广等技术发展提高了导管原位癌(DCIS)的诊断率48,这也可能对同期观察到的所报告DCIS分级分类变化(低级别减少、高级别增多)起到了一定作用,49–51而更准确的淋巴结分期可能导致检出更多较小尺寸的转移灶。同样,审计和质量保证流程以及关键绩效指标的演变推动了实践的变化。52,53本研究最值得注意的修改在图1中可视化展示,并在补充材料中详细描述。
数据来源与预处理
ATHENA-M数据集利用了若干先验独立的数据存储库,这些存储库各有其自身历史,需要加以表征和预处理。表1总结了这些数据来源,更多细节见补充表B1。
数据链接
图2显示了用于数据集之间链接的变量。数据集之间的链接主要基于(假名化的)NHS号码,这是所有NHS服务中用于每位女性的唯一标识符,于1997年全面普及(图5)。
属于同一女性但使用不同中心的记录可以匹配,但在不同中心工作的同一胶片阅片者的记录无法链接。必要时应使用的评分系统详情及记录匹配计数见补充表B3.2-5。虽然癌症登记处与NBSS之间针对每位女性的链接可以利用NHS号码,但没有标识符将一位女性的癌症记录与筛查记录链接起来,且在数据提取时,癌症登记处不包含关于癌症是否为筛查检出的可靠数据。对于筛查检出癌症的NBSS episode,如果癌症登记处中的诊断日期在“筛查日期”或“取样日期”前7天至后100天之间,则癌症登记处的数据将链接至该episode。癌症登记处中其余559 443例癌症被归类为非筛查检出癌症。
ATHENA-M数据集的质量评估
癌症登记数据质量的核心支柱是可比较性、有效性、及时性和完整性。27,28 已提出一系列与这些概念相关的通用数据质量指标,覆盖广泛的观察性健康研究55,扩展了为电子健康记录开发的现有框架。我们采用这些框架来评估关于癌症结局及其之前筛查历程的复合数据的质量。表2展示了针对ATHENA-M数据集架构定制的数据质量支柱,并列出了我们用于评估的主要标准。我们特别关注筛查计划的技术和流程变更、行政流程的修改、癌症分类的变化以及受邀人群的异质性。将缺失分为粗略缺失和限定缺失以处理无应答、退出和其他特定原因55,特别适合处理因 attrition 和链接失败而发生的缺失。
数据质量评估是可重复结果的基础,在癌症登记中有着悠久的传统,最初基于前3个支柱。56 及时性被加入是因为缺乏及时性就无法估计准确的趋势。完整性是最容易进行表面评估的,但其对统计推断的潜在影响取决于缺失值是否遵循任何系统模式。在后一种情况下,缺失值的出现在相对较高的水平上是可以容忍的,但如果一个变量中缺失值的出现与其他变量相关联,这将严重影响结论。已有大量文献定义了随机缺失与系统缺失的不同概念、其原因、检测策略以及补救措施,范围从随机缺失情况下的插补技术到涉及缺失模式知识的基于模型的方法。57 在实践中,优化数据质量可能涉及权衡,例如及时数据与数据完整和准确程度之间的权衡。表2总结了如何评估数据质量的4个支柱,给出了概念性解释以及用于得出“结果”部分所列发现的技术标准。
完整性在4个层面进行评估。首先是有多少中心贡献了数据,其次是NBSS数据集中的缺失数据,第三是缺失的 linkage 及与之相关的,第四是癌症和死亡信息的缺失数据。在对完整性评估的更广泛理解中,我们还包括筛查预约的接受问题。虽然这更多是由女性选择而非技术或行政原因驱动,但女性选择不参加的高比例预约可能会像其他类型的缺失数据一样,对数据集的可使用性造成类似限制。
可比性通过将NBSS数据与另外2个数据源进行基准比较来评估。首先,我们将NBSS数据中的筛查、召回和癌症数量与NHS乳腺筛查项目中央回报数据集(或KC62数据)进行比较。作为强制性要求,英格兰的筛查中心每年提交NHS乳腺筛查项目中央回报数据集(KC62)58,其中包含有关流程和结果的信息。这些数据用于监测管理、实现癌症诊断目标的进展以及每个中心的筛查女性数量。59中心在为KC62运行标准提取之前会在NBSS中检查数据完整性,这些提取结果又由区域质量保证团队检查,最终由国家数据分析团队检查。为了调查缺失程度,我们按中心每年比较了2004年4月至2018年3月(含)期间NBSS与KC62记录中的筛查女性数量。具体而言,为使记录具有可比性,NBSS数据集中的筛查 episode 数量按财政年度(4月至3月)和筛查预约发出时的筛查服务进行分组。2004年4月至2018年3月期间使用50-64岁年龄范围。KC62包括其他预约类型,例如自我转介,这些被排除在我们的分析之外,因此虽然我们可能预期存在一致的系统性差异,但这种比较能够识别数据提取或传输中的任何重大问题。其次,我们将NBSS数据中女性的年龄与ONS数据中2001-2018年有ONS数据可用的相关年龄范围(50-70岁)进行比较。作为一项全人群筛查项目,其在年龄分布方面应与国家统计数据相似。
数据集的有效性根据用于判断是否检出癌症及检出日期的不同测量方法之间的一致性,以及通过逻辑一致性来评估,即每一次筛查发现的癌症都应以召回决定为前提。
及时性通过量化伦理及其他审批以及数据提取和 linkage 所需时间来评估。时间过程剖面用于研究队列水平上筛查 episode 数量的模式。与完整性情况一样,我们通过纳入由女性选择驱动的及时性方面,对数据质量采取略为更广泛的理解。具体而言,我们评估总体筛查接受率以及第二次筛查预约的参加情况。
结果
排除
初始数据集包含13 260 132名女性的记录,共计53 471 265次筛查事件。作为数据准备工作的一部分,其中276 353名女性的全部或部分记录通过追踪服务从无效或旧式NHS号码转换为有效的10位NHS号码,但该服务并非对所有记录都有效。60 筛查数据集(NBSS-episode)经过了排除步骤(图3),其中一些步骤也影响了NBSS-women数据集。前4项排除涉及重复条目(N = 8 451,0.02%)、随后重拍的 technical 不合格乳腺X线摄影(N = 411 979,0.77%)以及每次筛查预约的其他多重条目(N = 60 999,0.11%)。接下来的4项排除涉及被归类为未受邀的预约日期(例如,因中心取消)、缺失日期信息、日期超出研究期间范围(N = 258 023,0.48%),以及筛查时年龄在标准范围之外的女性预约(小于47岁或大于73岁,N = 375 892,0.70%)。三个特定中心存在数据收集问题,详见补充材料(C部分)。仅有这些中心数据的女性其所有筛查预约均被移除(N = 596 379,1.12%),但这些中心的345 578次筛查预约被保留在数据集中,适用于同时也使用其他中心的女性,以便为这些女性提供更完整的筛查记录。补充表C2显示,被排除的3个中心与其他中心特征非常相似,确保其移除对本数据集得出的结论影响非常有限。最终数据集包含13 094 122名女性的记录和51 759 542次筛查预约邀请,其中38 319 093次(74.0%)被参加,产生38 185 530次筛查(占邀请的73.8%);2 271 367名(17%)女性未参加任何事件。初始数据集不包含非例行预约,因为它们未被记录为NBSS的一部分。然而,同时考虑BS Select记录显示,绝大多数(95.1%)筛查预约确为例行预约(排除后的NBSS记录)。其次是自我转诊(3.8%)和全科医生转诊(0.7%),补充表C3中详列了年度细分数据。
1997年1月1日至2018年3月31日期间,共有11 262 730名女性被提供筛查,其中9 371 973人在该时间段内至少参加了一次预约,随访共计1.39亿人年(每名纳入女性的中位随访时间为12.4人年),期间发生73 810例乳腺癌死亡和1 111 139例全因死亡。同一时间段内,共有238 922次筛查检出并经临床确认癌症,涉及236 468名女性。
完整性(支柱1)
筛查中心方面的完整性受到被排除于分析的3个中心的影响,如“排除”部分所述。然而,被排除中心与纳入中心在筛查结局方面无极端差异(见补充表C2)。
除最初几年外,年龄信息几乎完整。虽然IMD几乎完整(根据补充表C2,所有时间段缺失率最高为1.9%),但族裔数据非常稀疏(仅由少数中心在项目后期阶段收集)。
每次筛查预约都应包含活检信息、影像阅片者召回决定和最终召回决定等数据。表3上半部分列出了这些变量缺失的记录百分比。在38 185 530次筛查预约中,仅7218次(0.02%)缺少第一阅片者关于召回进一步检查的决定,另有676 785次(1.77%)没有有效的阅片者标识符。第二阅片者的决定在7 336 330次(19.21%)预约中缺失,但这反映了第二阅片者的逐步引入。最终召回决定仅在129 843次预约中缺失(0.34%)。图4显示了1997年之后所有足够大的中心在中心层面上这些变量的缺失情况。这些中心中阅片者和最终召回决定以及活检信息的缺失率通常低于1%,除少数离群值外甚至低于0.05%。
数据完整性的一个主要驱动因素是 linkage 的准确性。1988年,用于记录 linkage 的 NHS 号码仅在7438/13 019名女性(57.1%)中可获得,即使在使用了追踪服务之后也是如此;然而到1997年,缺失率已很低,208 240/209 319名女性(99.5%)可获得 NHS 号码(图5上部)。1988年,检出癌症但无法 linkage 到癌症登记记录、因而缺少癌症特征数据项的筛查为59/153(38.6%)。1996年之后强制使用 NHS 号码,这一比例为9000/238 922(3.8%)(图5下部)。作为 linkage 缺失的直接后果,总体上14 613条记录(5.4%)缺少癌症类型(DCIS 或浸润性)(表3)。
对于进一步的癌症特征,缺失既是无效数据 linkage 的产物,也是癌症登记本身数据缺失的产物,后者在1997年之前相当严重(图5)。例如,1997年之前,3651/3942例DCIS(92.6%)和9257/22 902例浸润性癌症(40.4%)缺少分级信息,而在1997年及以后的时间段,DCIS降至15 461/45 266(34.2%),浸润性癌症降至8144/184 656(4.4%)。DCIS的病灶大小信息缺失从2881/3942(73.1%)降至30 105/45 266(66.5%),浸润性癌症从9257/22 902(40.4%)降至8144/184 656(4.4%)。没有数据可解释DCIS数据缺失率高于浸润性癌症数据的原因,但我们知道浸润性癌症特征被用于质量保证和临床管理决策,这可能提高了报告的完整性。1997年之前,关于浸润性肿瘤的淋巴结受累、受体状态和数值分期的信息几乎完全未报告。癌症登记变量缺失情况的进一步详情列于补充表C1。
补充表C4按未参加邀请的次数显示了筛查数据集中女性的分布。大多数女性(53.7%)参加了所有被邀请的预约,而32.5%未参加1或2次,仅13.8%未参加>2次。
可比性(第二支柱)
在国家卫生系统框架下创建的NBSS记录的使用,使程序、变量名称及其含义达到了高度一致性。这与癌症登记处所用编码的同等标准化水平相匹配。详情可在补充材料的相应章节中找到。这些数据库的成功链接使得筛查规划所覆盖的整个地理区域内的数据具有无可比拟的可比性。
将提取的NBSS数据与KC62数据进行基准比较显示,后者在筛查、召回和癌症数量上总体略高(图6)。这一差异大多可归因于自我转诊或由全科医生转诊进行筛查的女性,而非作为标准召集-召回系统的一部分,因为这些女性被纳入KC62数据但未被纳入筛查数据。KC62数据记录的每年筛查数平均比NBSS数据多90 663次,召回多5857次,癌症女性多773例。KC62的筛查、召回和癌症数量最多分别超出NBSS计数7.8%、11.9%和9.6%。该系统性差异随时间保持一致,并与预期差异相符,因为ATHENA-M数据集排除了自我转诊预约类型,而后者被纳入KC62。
将NBSS数据中的女性与2001-2018年ONS数据中的女性进行比较显示,自2006年起,ONS数据和NBSS筛查队列中女性的中位年龄均为59岁(IQR 54-64)。2006年之前,NBSS中的女性略年轻,最多相差2岁(2001年中位数56岁[IQR 53-60] vs 58岁[IQR 54-64])。
有效性(支柱3)
NBSS的癌症指标(筛查后是否检出癌症)与NBSS记录的筛查后所采取行动在641/38 185 530例(0.002%)中不一致。筛查日期与乳腺X线摄影日期在38 164 605/38 169 905例(99.986%)中相同。在271 380次检出癌症的筛查预约中,有1602次(0.59%)似乎未决定召回该女性进行检出癌症所需的检查。这在逻辑上不一致,但在实践中可能很少发生,当女性在同一时间段内同时接受筛查和有症状服务时,或在技术性召回后遵循非典型路径时。
总体而言,有效性担忧较低,且所有评估指标随时间有所改善。
及时性(支柱4)
ATHENA-M数据集于2018年截尾,并于2022年向研究人员发布。获得NHS伦理批准的过程耗时4个月,从全部79个乳腺筛查中心提取数据的过程耗时9个月,将数据链接至其他数据集的过程耗时11个月,数据发布批准又耗时2年,部分受到COVID-19大流行和医疗结构重组的影响。这些延迟构成了及时性的一些局限性。在检测和治疗不断变化的背景下,如果需要对接受20年筛查的队列进行长期结局随访,则进一步实现及时性具有挑战性。
按首次邀请年份分组的女性队列的筛查轮次模式见图7。前2个队列因样本量小未见明显模式。所有7次筛查邀请的完整筛查史仅适用于1998年及更早接受初次筛查者,因其覆盖时间跨度超过20年。此后筛查技术、癌症患病率和治疗有效性已发生显著变化,限制了结果对现代筛查的外推性。模式显示为三年周期,伴有一些延迟及多年来参与率的下降。在预期时间范围内参加第二次筛查预约的女性比例最初<60%,但在1990年代迅速上升,至1997年后的十年间稳定在约78%-80%,此后略有上升并维持在80%-82%水平(补充表C5和补充图C6)。
讨论与结论
ATHENA-M数据集的创建涉及3个阶段:获取和预处理5个原始数据源;基于假名化NHS号码和评分系统进行链接;排除极少数中心以及其他中心中冗余或异常的个体事件记录。ATHENA-M的总体数据质量非常好。筛查流程核心变量(如出席情况和阅片者决定)的完整性极佳。年龄和IMD评分也近乎完整。癌症类型(导管原位癌(DCIS)或浸润性癌)在约5%的病例中缺失,但1997年之前进一步癌症详细信息的缺失率非常高,此后有中度改善。族裔信息仅在少数中心零星收集。数据技术完整性相对较高在很大程度上反映了女性对筛查规划的高参与水平(表现为超过86.2%的女性参加了所提供筛查预约中除最多2次以外的所有预约)。值得注意的是,还存在未知的缺失数据,例如若一名女性从英格兰移居他国,我们将无记录;但我们预计此类数量非常少。
将ATHENA-M与2004年起强制上报的KC62记录进行比较,显示筛查、召回和癌症数量 consistently 较小,但差异随时间保持一致,可解释为缺失的非常规病例。以ONS数据作为基准,2000年代早期在年龄上存在小幅差异,但自2006年起无明显差异。数轮排除和数据清洗确保了记录的有效性和唯一性。筛查流程变量的有效性通过筛查预约时的发现、相应措施及相关日期之间的极低不一致性得到确认。阅片者信息在2005年之前有少量无效值,但此后近乎完美,这与自动化数据录入的引入相吻合。及时性受限于数据发布流程的延迟以及数据集本身的性质(干预持续长达20年)。更广泛意义上的及时性(以在预期时间间隔内参加第二次筛查预约来衡量)最初较低,但迅速上升并在1997年前后趋于稳定(自1997年以来所有年份均在78%至82%之间)。
ATHENA-M是一个大型复合数据集,涉及来自2个层级的女性记录、代表有资格接受乳腺癌筛查的英国人群的中心和筛查批次。该数据为纵向数据,随访时间长,尤其是较早的记录,并且得益于在相同中心使用相同的NBSS系统以及标准化的分类数据收集,其中大量数据是自动化的。一个弱点是仅偶尔纳入族裔信息,使其不适合解决围绕族裔作用的研究问题。另一个局限性是癌症详细信息(分级、大小等)的缺失率很高,尤其是在研究期间的早期阶段。这可能导致有偏倚的结论和混杂。
Lehman等人提出了一个具有类似目标的美国数据集。17该数据集使用了强大的SEER平台和数据库,61但仅覆盖特定地理区域7年的数据,可能不能代表整个国家的人口。他们没有针对所有符合条件女性的全人群召回系统来系统性地邀请所有符合条件女性,因此也可能无法推广至该地理区域内的所有女性。一个瑞典数据集纳入了符合筛查条件的女性,并链接至乳腺癌(来自瑞典癌症登记处)和乳腺癌死亡(来自国家死因登记处),用于评估瑞典乳腺癌筛查规划中的乳腺癌死亡率。62该瑞典筛查数据集的一个优势是高参与率,这一点很少有数据能与之匹敌,但该人群的相对同质性也带来了局限性。
ATHENA-M适合承担癌症筛查评估和研究的参考数据集角色。对于大多数目标,我们建议排除1997年之前的时期,因为当时没有通用唯一标识符来确保与包括癌症检出和死亡率在内的结局的完整链接。与IMD相关的结论也需要谨慎得出。虽然IMD数据相当完整,但它基于女性最近的邮政编码,可能并不总能最好地反映该女性的社会经济地位(例如,可能不是最新的,不能反映她一生中大部分时间居住的地方)。
从数据成熟度的角度,我们为该项目以及其他全人群癌症筛查背景下的未来数据收集确定了一组建议:
开发标准化的定制数据录入格式,具有用户友好的界面,允许频繁监测以确保和改善数据质量;
由临床工作人员以预定义类别即时录入数据的系统,以用户友好的下拉列表呈现,无需需要文书人员的流程,并在可能的情况下对这些字段(如图像元数据、乳腺密度、曝光因素、设备、压迫、读片者标识符、读片时间)实现全自动化数据收集;
统一与筛查过程和结局相关的定义,以便在各中心、筛查记录、癌症登记处以及初级和二级保健的电子健康记录中使用;
引入唯一读片者标识符,以便将同一读片者在中心内和跨中心查看的所有筛查图像进行链接;
使用唯一标识符作为合适的替代指标,以确保筛查记录与癌症登记处之间在女性层面以及女性内部癌症事件层面的完整链接
提高癌症登记数据的完整性;
与准确的族裔信息进行数据链接或收集准确的族裔信息;
改善数据共享和对研究人员及医疗服务提供者的可及性,同时维持伦理和数据治理标准,并确保充分的语境化,以避免在人工智能背景下提出的担忧63;
建立机制,以及时整合技术创新、方案修改或纳入额外变量(例如,个体风险因素)。
筛查项目与结局数据之间的数据链接具有巨大的潜在益处,可用于研究、质量评估和服务改进,并为前瞻性研究的数据收集提供支撑。在这项基于全英格兰数据的回顾性研究中,我们证明了这种链接在大规模上是可行的。使用针对筛查流程和结局数据定制的数据质量评估框架,我们发现ATHENA-M的总体质量水平较高。这项工作还可为如何为其他纵向筛查项目构建类似数据集提供指导。
补充材料
引用
- Brettschneider J, Morrison B, Jenkinson D, et al. Development and quality appraisal of a new English breast screening linked data set as part of the age, test threshold, and frequency of mammography screening (ATHENA-M) study. Br J Radiol. 2024. PMID: 38263823. doi:10.1093/bjr/tqad023
- 全文:PMC11027252(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11027252/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。