《ESMO Real World Data and Digital Oncology》：QResearch primary care records linked to national hospital and cancer registry data: a validation study
编辑推荐：
背景：基于人群的基层医疗电子健康记录与肿瘤学相关数据集进行关联，能够对癌症诊疗与结局开展详细分析。QResearch是一个大型基层医疗数据库，包含英格兰部分全科诊所的纵向健康记录，并与国家医院、癌症登记、治疗及死亡数据相关联。然而，该基层医疗-医院-登记关联数
背景：基于人群的基层医疗电子健康记录与肿瘤学相关数据集进行关联，能够对癌症诊疗与结局开展详细分析。QResearch是一个大型基层医疗数据库，包含英格兰部分全科诊所的纵向健康记录，并与国家医院、癌症登记、治疗及死亡数据相关联。然而，该基层医疗-医院-登记关联数据在多大程度上能准确反映全国癌症人群及癌症治疗模式，尚未得到验证。
材料与方法：本验证研究纳入2013—2020年间在QResearch贡献诊所登记、且新诊断乳腺、前列腺、结直肠、黑色素瘤、肾、胰腺或胃食管癌的成人（≥18岁）。将人口学特征及接受系统抗癌治疗（SACT）或放疗（RT）的比例与国家统计数据进行比对。研究人员在缺乏癌症登记数据的情况下，评估了通过其他来源可识别的癌症患者的确定性与代表性。
结果：2013—2020年间，QResearch关联数据集捕获了七个癌症部位全国癌症登记数的14.6%（n = 196 565/1 348 243）。性别、年龄和分期分布与国家数据高度吻合，地区差异反映了参与诊所的地理分布。接受SACT和RT的比例与国家估算一致，差异通常在2%以内。无需登记数据即可识别的病例占93.8%，这些病例在人口学和临床上仍具有代表性，对整体队列特征影响极小。
结论：QResearch关联数据集为人群肿瘤学研究提供了一个具有全国代表性且全面的平台。其整合了详细的基层医疗信息（包括合并症、药物和生活方式因素），有助于评估不同人群的治疗预测因素和结局。
论文解读：研究背景、现存问题与研究动因
在肿瘤学领域，基于大规模常规健康数据的关联分析已极大推动了癌症发病率、治疗模式及结局的研究。单一来源的数据往往存在局限：行政登记数据缺乏合并症、用药和生活方式等关键信息，而基层医疗电子健康记录（EHR）虽然包含这些内容，却难以独立提供完整的肿瘤分期、治疗细节和生存结局。英格兰拥有全球领先的国家癌症登记体系，如国家疾病登记服务（NDRS）和国家癌症登记数据集（NCRD），能够近乎完整地覆盖几乎所有国家医疗服务体系（NHS）肿瘤患者。然而，将基层医疗数据与医院、登记和治疗数据关联后，该综合数据集是否能够准确代表全国癌症人群及其治疗模式，此前缺乏系统性验证。QResearch是全球最大的基层医疗EHR数据库之一，覆盖超过1500家英格兰全科诊所，并已与医院事件统计（HES）、NCRD、SACT数据集及死亡登记等国家级数据实现个体水平链接。尽管该关联数据已用于多项癌症风险预测和预后模型研究，但其与国家癌症统计的一致性从未被正式评估。此外，癌症登记数据发布存在时间滞后，而QResearch、HES等数据更新更及时。因此，在缺少NCRD的情况下，评估通过其他来源识别癌症病例的完整性和代表性，对于确保纵向人群研究的有效性至关重要。
研究人员开展的研究与结论
研究人员开展了一项回顾性、基于人群的验证研究，利用QResearch基层医疗数据与二级医疗及癌症登记数据，评估该关联数据集在七种常见癌症（乳腺、前列腺、结直肠、黑色素瘤、肾、胰腺、胃食管癌）中的人口学代表性和治疗比例的代表性。研究覆盖2013—2020年，共识别出678102条癌症记录，经排除后最终分别纳入不同分析：207351例用于评估无NCRD时的癌症确定性，196565例用于人口学比较，175032例用于治疗比例分析。结果显示，该关联数据集捕获了全国七种癌症登记病例的14.6%，且捕获比例从2013年的11.9%上升至2020年的17.2%，反映了QResearch参与诊所的扩张。性别、年龄、分期、种族和社会剥夺指数分布均与国家统计高度一致。SACT和RT治疗比例与国家估算值接近，差异通常在2%以内。无需依赖NCRD即可识别的病例占93.8%，若仅限首次癌症则为96.0%。仅存在于NCRD的病例（6.2%）多为老年、早期癌症，接受SACT或RT的比例较低，但排除这些病例对整体队列特征几乎无影响。研究结论认为，QResearch关联数据集为英格兰人群肿瘤学研究提供了强有力且具有全国代表性的平台，支持其用于高质量的真实世界癌症研究。该论文发表于《ESMO Real World Data and Digital Oncology》。
主要关键技术方法
该研究使用了以下关键技术方法：①数据关联——通过假名化的NHS号码进行确定性个体水平链接，整合QResearch基层医疗记录、HES住院和门诊数据、NCRD肿瘤登记、SACT数据集及民事死亡登记；②队列构建——纳入2013—2020年诊断的七种癌症患者，严格对齐NDRS的ICD-10编码定义，应用与NDRS相同的治疗归属窗口（诊断前1个月至后18个月）；③治疗识别——从SACT数据集（排除双膦酸盐和口服激素等支持治疗）、HES OPCS-4化疗/放疗代码及NCRD治疗标志等多来源识别SACT和RT；④统计分析——采用描述性统计计算比例及95%置信区间（CI），将关联数据集与NDRS公布的癌症登记统计、快速癌症登记仪表板（RCRD）和治疗仪表板进行比较，并开展来源贡献分析和仅NCRD病例特征分析。
研究结果
人口学代表性：与NDRS国家统计相比，关联数据集中性别和年龄分布高度一致（男性53.0%对52.5%；<50岁8.8%对9.4%，50—59岁14.7%对14.8%，60—69岁25.1%对25.7%，70—79岁29.6%对28.8%，≥80岁21.8%对21.3%）。2019—2020年子集中，分期、种族和贫困指数分布也显示良好一致性。地区分布反映了参与诊所的地理覆盖，伦敦、西北和东南地区捕获比例较高，但所有九个英格兰地区均有代表，地区聚类未对人口学特征产生实质性影响。
SACT治疗比例：关联数据集中的SACT治疗比例与国家统计在各癌种间高度吻合，绝对差异通常保持在±3个百分点以内，乳腺、前列腺和肾癌的一致性最佳，食管癌和直肠癌偏差稍大。时间趋势反映了SACT数据集完整性的逐步提高；2017年之前，HES和NCRD数据对SACT捕获贡献较大，补偿了早期SACT数据集提交的不完整性。
RT治疗比例：RT治疗比例与NDRS国家统计在所有癌种中均接近，总体差异通常≤2个百分点。前列腺癌差异最大，关联队列的RT比例略高约+2个百分点。来源贡献分析显示，仅依赖HES OPCS代码会明显低估RT，多来源捕捉对于准确识别RT至关重要。
无NCRD时癌症病例的确定性与代表性：2013—2020年间，207351条癌症记录中，194442条（93.8%）可通过QResearch、医院或死亡登记识别，无需NCRD；仅12909条（6.2%）为NCRD独有。当限制为首次癌症时，96.0%的病例可无需登记链接即可识别，NCRD独有病例占4.0%。NCRD独有病例更多见于老年人、更早期疾病，黑色素瘤和肾癌比例较高，前列腺癌比例较低，接受SACT或RT的可能性显著降低。性别、种族和贫困分布与可其他来源识别的病例大致相似。排除NCRD独有病例后，整体队列的癌种构成、分期分布和治疗比例几乎没有变化，首次癌症敏感性分析结果一致。
讨论与结论总结
讨论部分指出，该研究证实了从关联EHR来源推导的治疗指标的准确性。食管癌和直肠癌中SACT的轻微过度捕获反映了在常规数据中识别复杂多模式方案的挑战；而仅依赖医院手术编码会显著低估RT，因为许多RT以门诊或日间病例形式提供，强调多来源治疗数据的重要性。早期SACT数据集提交不完整，HES数据为早期年份的治疗起始提供了补充信息；基层医疗记录还能捕获部分口服抗癌治疗（如内分泌治疗），这是QResearch关联资源的一项额外优势。研究结果与此前文献一致，即基层医疗与登记来源对常见癌症的诊断一致性较高（阳性预测值>90%），但基层医疗记录的完整性因癌种而异。该研究的优势在于利用英格兰最大的基层医疗-医院-登记关联资源之一，严格对齐国家方法学，并进行了来源贡献和NCRD独有病例分析。局限性包括仅覆盖七种常见癌症、种族和分期比较仅限于2019—2020年快速登记数据、非登记来源多为患者水平而非肿瘤水平、需排除18个月内多原发癌患者、且未验证手术切除比例。研究结论为：QResearch关联癌症数据集为英格兰人群肿瘤学研究提供了可靠且具有全国代表性的平台；人口学特征和治疗模式与国家统计高度一致，多来源链接支持SACT和RT的捕获；无需NCRD即可识别的癌症病例仍高度具有代表性，支持该数据集用于高质量的真实世界癌症研究。
