公开队列发文模板:慢病 + 不良结局,PSM+IPW 稳健因果分析怎么做

点击蓝字，关注我们

慢性肾脏病在国内中老年人群里并不少见，很多肾内科医生日常重点盯着肌酐、eGFR、蛋白尿、电解质这些肾脏相关指标，管理目标大多是延缓肾功能恶化、预防尿毒症，很容易忽略一个不起眼但后果很重的问题 —— 跌倒。 对于肾病患者来说，跌倒不只是摔一下那么简单。肾病常常伴随骨代谢紊乱、肾性骨病、肌肉衰减、乏力、认知下降，一旦摔倒，骨折风险会远高于普通人，骨折之后卧床，又会带来感染、血栓、肾功能进一步下滑一连串连锁问题，致残甚至死亡风险都会明显升高。 不过之前大部分相关研究都是欧美人群的数据，咱们中国本土中老年人群里，CKD 和跌倒之间到底有没有独立关联，证据并不充分。很多混杂因素，比如年龄、基础慢病、自理能力、抑郁状态，都可能干扰结果，普通的简单回归很难把混杂因素控制干净。而 CHARLS 全国中老年队列，覆盖国内 28 个省份，样本代表性很强，正好用来回答这个临床问题，给国内社区、肾内科、老年科的跌倒预防提供本土证据。

1. 数据来源：CHARLS 中国健康与养老追踪调查，提取 2015-2016 基线、2017-2018 随访数据，纳入 45 岁以上中老年人；排除缺少跌倒信息、认知数据缺失、有卒中、肿瘤、残疾的对象，最终纳入 12658 名受试者。
2. 暴露与结局：暴露因素是自我报告医生确诊的慢性肾脏病；主要结局是随访两年内是否发生跌倒。
3. 收集协变量：年龄、性别、饮酒、疼痛、睡眠时长、既往跌倒史、移动辅助工具使用、ADL/IADL 自理能力、认知功能、抑郁（CESD-10）、高血压、血脂异常、糖尿病等。
4. 统计方案：
• 基础对比：比较 CKD 组和非 CKD 组基线特征；
• 多重方法控制混杂：多因素 logistic 回归、1:1 倾向性得分匹配 PSM、逆概率加权 IPW 三套方案互相验证；
• 缺失值用随机森林插补；同时做亚组分析、敏感性分析，检验结论稳不稳定。

1、最终队列一共 12658 人，其中 CKD 患者 821 例，占比 6.48%。CKD 组跌倒发生率 24.7%，非 CKD 组跌倒发生率 17.1%，差距很明显。

2、校正混杂后的多因素回归、IPW 加权、PSM 匹配之后，结论保持一致：CKD 人群跌倒风险显著更高，IPW 模型 OR=1.28。意思就是，在平衡了所有混杂因素之后，慢性肾脏病会让中老年人跌倒风险上升 28%。

3、亚组和敏感性分析没有推翻这个结论，说明这个关联不是偶然、不是某一类人群单独带来的，稳定性很好

4、基线特征里能看到，CKD 群体疼痛比例更高、自理能力受损、抑郁占比更高，这些都是跌倒的叠加危险因素，也是临床干预可以下手的方向。

1. CHARLS 数据库选题思路：优先选慢病 + 不良结局这类公共卫生、老年医学方向，跌倒、衰弱、认知下降、抑郁、失能，都是非常适配 CHARLS 的结局，相比单纯相关性文章，做因果推断（PSM/IPW）更容易投 Q1 期刊。
2. 观察性研究加分技巧：单模型容易被质疑混杂，多模型交叉验证（普通回归 + PSM+IPW）是性价比最高的加分手段；一定要配套敏感性分析、亚组分析，证明结论稳健。
3. 避坑提醒：这篇是基于自报的 CKD，不是实验室 eGFR 诊断，这是文章的局限，写讨论的时候主动点明这个局限，会显得严谨，审稿人不会揪着这点硬拒。
4. 选题延伸思路：在这个基础上，还可以继续往下做，比如开发 CKD 患者跌倒的预测模型，或者做剂量反应，看肾功能分期和跌倒风险的梯度关系，直接升级成下一篇文章。
5. 期刊选择参考：BMC Public Health 属于公共卫生方向友好期刊，对 CHARLS 这类国家级队列研究接受度高，适合没有湿实验、纯流行病学分析的课题。

文字

请为我点个赞再走