《Clinical Drug Investigation》：Change in Adherence to Oral Antidiabetic Medications Before and After Prostate Cancer Diagnosis: A Group-Based Trajectory Modeling Approach
编辑推荐：
背景：癌症诊断会影响降糖药依从性，但针对前列腺癌合并2型糖尿病(Type 2 Diabetes Mellitus, T2DM)患者的研究有限。研究人员探讨了前列腺癌诊断前一年及后一年口服降糖药(Oral Antidiabetic Medications, OA
背景：癌症诊断会影响降糖药依从性，但针对前列腺癌合并2型糖尿病(Type 2 Diabetes Mellitus, T2DM)患者的研究有限。研究人员探讨了前列腺癌诊断前一年及后一年口服降糖药(Oral Antidiabetic Medications, OAMs)的依从性轨迹，并识别其危险因素。
方法：本研究为回顾性队列研究，采用2011–2021年MarketScan商业保险及Medicare补充数据库，纳入新确诊前列腺癌且患T2DM并有持续参保记录的患者。研究人员应用基于Beta分布的群组轨迹建模(Group-Based Trajectory Modeling, GBTM)评估前列腺癌诊断前后的依从性模式。模型协变量包括诊断前一年的年龄、总用药种数、降糖药种数、Charlson合并症指数(Charlson Comorbidity Index, CCI)、费用、保险类型及糖尿病并发症情况；诊断后模型还纳入转移及癌症治疗情况。
结果：研究共纳入7864例患者（平均年龄74.5±7.1岁）。诊断前识别出3条依从性轨迹：持续高依从、平稳下降、持续低依从。诊断后出现第4条轨迹——中度下降。超过半数(61.2%)患者在诊断后改变了依从模式。诊断前持续高依从者中57.8%转为较低依从轨迹；而平稳下降者和持续低依从者分别有58.5%和57.6%在诊断后转为更高依从轨迹。高依从性的预测因素包括年龄较大、降糖药种数较少、CCI较低及诊断前有糖尿病并发症；诊断后降糖药种数较少和有糖尿病并发症仍可预测高依从性。
结论：前列腺癌诊断后口服降糖药依从模式发生显著变化，需针对性干预以支持并促进该人群的糖尿病有效管理。
《Clinical Drug Investigation》刊载的此项研究，探讨前列腺癌诊断前后合并2型糖尿病（Type 2 Diabetes Mellitus, T2DM）患者口服降糖药（Oral Antidiabetic Medications, OAMs）用药依从性的动态变化及影响因素。
研究背景
既往研究表明癌症诊断可能影响慢性病的用药依从性，但多数聚焦于乳腺癌或血液系统肿瘤，前列腺癌合并T2DM人群口服降糖药依从性轨迹的变化尚缺乏专门研究。此外，传统依从性评价指标如服药覆盖比例（Proportion of Days Covered, PDC）仅提供静态汇总值，无法揭示随时间演变的异质性依从模式。因此，研究人员采用基于Beta分布的群组轨迹建模（Group-Based Trajectory Modeling, GBTM）方法，旨在明确前列腺癌诊断前、后各一年内口服降糖药的依从性轨迹分型，并分析影响轨迹归属的危险因素。
主要关键技术方法
研究人员利用2011–2021年Merative MarketScan商业保险及Medicare补充数据库构建回顾性队列，纳入新诊断前列腺癌且确诊T2DM、持续参保≥36个月（诊断前18个月+诊断后18个月）、有口服降糖药处方索赔且无1型糖尿病或注射降糖药使用史的患者。以月度为时间单位计算PDC，分别用Beta分布GBTM拟合诊断前（-12至-1月）与诊断后（第7至18月，排除诊断初期6个月以测协变量）的12个月依从性轨迹；采用多分类Logistic回归分析轨迹组成员的影响因素，协变量含年龄、总药数、口服降糖药种数、Charlson合并症指数（CCI）、自付费用、保险类型、有无糖尿病并发症，诊断后追加是否转移、是否接受雄激素剥夺治疗（Androgen Deprivation Therapy, ADT）及其他癌症治疗（前列腺切除术/放疗/化疗）；以贝叶斯信息准则（Bayesian Information Criterion, BIC）、平均后验概率（Average Posterior Probability, AvePP≥0.7）及正确分类优势比（Odds of Correct Classification, OCC≥5）确定最佳轨迹数目，并行未调整模型与二分类Logit-GBTM敏感性分析。
研究结果
3.1 患者特征（Patient Characteristics）
研究最终纳入7864例，平均年龄74.5岁，96%为Medicare参保者。诊断后CCI均值由3.80升至7.30，总用药种数由10.90增至11.60，多种合并症（心衰、周围血管病、脑血管病、慢性肾病）患病率约翻倍；整体月均PDC由诊断前68.80降至诊断后64.29（p<0.001），但仍低于80%传统依从阈值。
3.2 依从性轨迹（Adherence Trajectories）
诊断前经调整Beta-GBTM识别出3条轨迹：持续高依从（Consistently High Adherence, 41.09%，平均PDC=96.70%）、平稳下降（Steady Decliners, 50.42%，平均PDC=56.23%）、持续低依从（Consistently Low Adherence, 8.49%，平均PDC=8.90%）。诊断后出现第4条轨迹——中度下降（Moderate Decliners, 31.71%，平均PDC=73.41%），其余三组成分调整为持续高依从30.71%（PDC=97.34%）、平稳下降29.76%（PDC=36.14%）、持续低依从7.82%（PDC=4.69%）。总体61.2%患者诊断后发生轨迹变迁：原高依从者中57.8%降级；原平稳下降者58.5%、原低依从者57.6%升级至更高依从轨迹。
3.3 轨迹组成员预测因子（Predictors of Group Membership）
以持续低依从组为参照，诊断前进入持续高依从组的显著预测因素为年龄较大（估计值=0.03, p<0.001）、口服降糖药种数少（估计值=-0.37, p<0.001）、CCI低（估计值=-0.18, p<0.001）及患有糖尿病并发症（估计值=0.87, p<0.001）。诊断后进入高依从组的显著预测因素为口服降糖药种数少（估计值=-0.49, p<0.001）、总药数少（估计值=-0.03, p=0.004）、有糖尿病并发症（估计值=0.41, p=0.008）及接受过其他癌症治疗（估计值=0.37, p=0.03）；年龄与CCI在诊断后模型中不再具显著性。
3.4 未调整模型（Unadjusted Model）及3.5 敏感性分析（Sensitivity Analysis）
未调整GBTM与调整后模式相似，60.07%患者轨迹改变，高→低降级率56.58%，低→高升级率53.53%。以PDC≥80%二分类的Logit-GBTM亦识别出诊断前3条、诊断后4条轨迹，58.21%发生变迁，高依从预测因素同样包括高龄、药少、CCI低及Medicare覆盖，验证了主模型稳健性。
讨论与结论翻译
本研究表明，前列腺癌诊断前后口服降糖药依从性存在异质性动态变化——约三成原为低/降依从的患者因确诊后健康意识增强、就医频次增加及家庭支持而改善依从，同时逾四分之一原高依从者因癌症诊疗压力及优先级重排出现依从下滑；传统PDC均值的小幅下降掩盖了个体层面的双向大幅波动，凸显GBTM在捕捉依从模式演变上的优势。影响高依从的因素在诊断前后有所差异，提示需结合患者基线特征进行个体化用药管理。局限性包括数据库缺临床生化指标、人群主要为商业保险参保者、基于发药而非实际服药、连续参保要求可能致选择偏倚及轨迹数目判定的主观性等。综上，前列腺癌诊断后口服降糖药依从模式发生实质性改变，应开展针对性干预（如全面药物治疗管理Medication Therapy Management, MTM、肿瘤科与全科团队协调随访）以维持最佳依从性并减少并发症。
结论原文翻译：
前列腺癌诊断后口服降糖药依从模式发生实质性变化。应采取个体化、及时的后续措施，包括全面的药物治疗管理、治疗转换期的主动随访以及肿瘤科与初级保健之间的协调合作，以帮助维持最佳依从性并减轻远期并发症风险。
