PLoS ONE: Geografisk Analyse af Urolog Density og prostatakræft Dødeligheden i Det Forenede States

Abstrakt

Kontekst

Finansiel og demografiske pres i USA kræver en forståelse af den mest effektive fordeling af læger til maksimere befolkning niveau sundhedsmæssige fordele. Før arbejde har antaget et konstant negativt forhold mellem læge udbud og dødelighed resultater i hele USA og har ikke behandlet regional variation.

Metoder

I denne økologiske analyse, geografisk vægtet regression blev anvendt til at identificere rumligt varierende relationer mellem lokal urolog tæthed og prostatakræft dødelighed på amtsniveau. Data fra 1.492 amter i 30 østlige og sydlige stater fra 2006-2010 blev analyseret.

Resultater

De almindelige mindste kvadraters (OLS) regression viste, at i gennemsnit øget urolog tæthed af en urolog per 100.000 mennesker resulterede i et forventet fald i prostatakræft dødelighed af -0.499 dødsfald per 100.000 mænd (95% CI -0,709 til -0,289, p-værdi 0,001), eller en 1,5% fald. Geografisk vægtet regression viste, at tilsætning af en urolog per 100.000 mennesker i amter i de sydlige Mississippi-floden stater Arkansas, Mississippi, og Louisiana, samt dele af Illinois, Indiana, og Wisconsin er forbundet med fald på 0,411-0,916 i prostata kræft dødelighed per 100.000 mænd (1,6-3,6%). I modsætning hertil blev urolog tæthed ikke signifikant associeret med prostata tilstand dødelighed i den nye England-regionen.

Konklusioner

Styrken af ​​sammenhæng mellem urolog tæthed og prostatakræft dødelighed varierede regionalt. Disse områder med det største potentiale for effekter kunne være målrettet for at øge udbuddet af urologer, da det er forbundet med den største forudsagt forbedring i dødelighed prostatakræft

Henvisning:. Yao N, Foltz SM, Odisho AY, Wheeler DC (2015) Geografisk analyse af Urolog Density og prostatakræft Dødeligheden i USA. PLoS ONE 10 (6): e0131578. doi: 10,1371 /journal.pone.0131578

Redaktør: Tina Hernandez-Boussard, Stanford University School of Medicine, UNITED STATES

Modtaget: Februar 13, 2015; Accepteret: 3 juni 2015; Udgivet: 25 juni 2015

Copyright: © 2015 Yao et al. Dette er en åben adgang artiklen distribueres under betingelserne i Creative Commons Attribution License, som tillader ubegrænset brug, distribution og reproduktion i ethvert medie, forudsat den oprindelige forfatter og kilde krediteres

Data Tilgængelighed: Data forskning er offentligt tilgængelige på følgende hjemmesider: https://seer.cancer.gov/mortality/https://ahrf.hrsa.gov/https://www.census.gov/geo/maps-data/data/tiger~~number=plural. html

Finansiering:. Dr. Yao blev støttet under et stipendium fra National Cancer Institute (2R25CA093423). De finansieringskilder havde ingen rolle i studie design, indsamling og analyse af data, beslutning om at offentliggøre, eller forberedelse af manuskriptet

Konkurrerende interesser:.. Forfatterne har erklæret, at der ikke findes konkurrerende interesser

Introduktion

Usikkerhed omkring gennemførelsen og virkningerne af den Patient Beskyttelse og økonomisk overkommelig pleje Act har yderligere næring debatten om sammensætningen og fordelingen af ​​lægen arbejdsstyrken. Den grånende af den amerikanske befolkning, stigende forekomst af kroniske sygdomme, og bedre adgang til omsorg har ført til bekymring med hensyn til tilstrækkeligheden af ​​lægen arbejdsstyrken, både i den primære og speciale pleje. [1-4] Finansiel og demografiske pres kræver en forståelse af den mest effektive fordeling af læger til at maksimere befolkningen niveau sundhedsmæssige fordele.

Når vurderes på nationalt plan, øget praktiserende læge tæthed har været forbundet med forbedrede kræft dødelighed. [5] Andre undersøgelser har beskrevet et forhold mellem speciallæge udbud og kræft dødelighed. [6-10] tilstedeværelsen af ​​en urolog i et amt har været forbundet med lavere urologiske kræft dødelighed og tilstedeværelsen af ​​kolorektal og generelle kirurger har været forbundet med lavere colorectal dødelighed af kræft. [7,8 ] Forskere har også fundet lavere melanom dødelighed i områder, der betjenes af dermatologer. [9,11] Men nogle arbejde i andre sundhedspleje områder fundet modstridende og inkonsistente resultater vedrørende deltagelse af læge udbud og kræft resultater. [12,13] Disse undersøgelser antage, at forholdet mellem resultaterne læge tæthed og kræft er konstant gennem hele undersøgelsen området, og har ikke målt regional variation af forholdet mellem læge udbud og kræft dødelighed i statistiske resultater. [7,8,14] Analyser af regression residualer afslører ofte, at denne antagelse er ikke nødvendigvis sandt (S1 og S2 fig). [15,16] det er usandsynligt, at en enhed af stigningen i kræft specialist tæthed i en høj læge tæthed region som Greater Boston-området ville have samme effekt på kræft dødelighed som i en lav læge tæthed region som West Virginia.

for at imødegå disse begrænsninger i den eksisterende litteratur og bygge videre på tidligere arbejde, [7] brugte vi geografisk vægtet regression (GWR) at undersøge forholdet mellem læge tæthed og kræft dødelighed. GWR modeller rumlig variation i forholdet mellem resultatet variabel og de forklarende variable. [15] Arbejde på amtsniveau, søgte vi at bestemme, om øget urolog tæthed var forbundet med lavere dødelighed prostatakræft, og hvis dette forhold varierede blandt amter i USA Stater.

Study data og metoder

data

County-niveau data foranstaltninger af sundhedsmæssige ressourcer blev opnået fra området Resource File (ARF) administreres af de amerikanske sundhedsmyndigheder ressourcer Services Administration. [17] ARF offentliggør antallet af læger med speciale per amt, baseret på American Medical Association Physician Masterfile. Læge (urolog, stråling onkolog, og praktiserende læge) densitet blev defineret som antallet af læger i hver gruppe per 100.000 indbyggere i hvert amt, vægtet ved hjælp af data fra 2006 og 2010. Desuden amt sundhedsfaglig mangel område status og socio økonomiske indikatorer (de procentsatser for befolkningen over 65, ikke-hvide, og over 25 med en studentereksamen, og indkomst per indbygger) blev der indvindes af ARF. Breddegrad og længdegrad hvert amt geografiske tyngdepunkt blev opnået fra amt og Equivalent kort (Census 2000) produceret af Geografi Division i US Census Bureau. [18]

County-niveau prostatacancer dødelighed blev opnået fra Surveillance, Epidemiology, og End Results (SEER) program af National Cancer Institute (NCI). [19] Fem år aggregerede dødelighed, som har vist sig at være pålidelige over tid og rum, blev anvendt. [20- 23] satserne, der var aldersbetinget justeres af den direkte metode ved hjælp femårige aldersgrupper, med den amerikanske Census standard befolkning som reference 2000. Data fra amter med færre end ti dødsfald undertrykkes af NCI (27% af østlige og sydlige amter). Amter med nul indberettede dødsfald blev inkluderet. County-niveau prostatacancer incidensrater blev opnået fra NCI State Cancer Profiler hjemmeside. [24] Priser repræsenterer den gennemsnitlige forekomst fra 2006-2010, og omfatter mænd i alle aldre og etniciteter. Incidensrater blev rapporteret som antal tilfælde per 100.000 mennesker og var aldersbetinget tilpasset US standard befolkning 2000. For at beskytte patientens identitet, er data fra amter med færre end seksten sager undertrykt af NCI (4% af østlige og sydlige amter). Amter med nul rapporterede tilfælde er inkluderet. Da dette er et amt-niveau sekundær dataanalyse, informeret samtykke eller institutionel Review Board gennemgang var ikke påkrævet.

vestlige stater blev ekskluderet fra rumlige analyser på grund af manglende data. 56% af de vestlige amter manglede enten dødelighed eller forekomsten data, ikke herunder Alaska, Washington, Kansas, eller Minnesota, som var helt manglende dødelighed data. Af de 30 østlige og sydlige stater inkluderet for analyse blev data fra 1492 ud af 2069 (72%) amter inkluderet. Data fra de resterende 577 amter (mange i det vestlige Texas) manglede, fordi for få prostatakræft tilfælde eller dødsfald blev rapporteret. Data fra Ohio og Virginia er ikke offentligt tilgængelige på grund af statens regler. S3 Fig visualiserer manglende data problem i centrale stater.

Analyse

Den geografiske fordeling af prostatakræft dødelighed i hele studiet regionen blev kortlagt for at bestemme, om geografiske grupperinger (dvs. klynger) var tydelig . Rumlig autokorrelation i dødeligheden blev vurderet ved hjælp af Moran er jeg i GeoDA softwarepakken med en vægt matrix baseret på seks nærmeste naboer. [25] permutation tests blev anvendt til at angive den statistiske signifikans af Moran I.

regressionsanalyser var udføres i

R

(version 3.0.2) ved hjælp af

GWmodel

pakke. [26] en almindelig mindste kvadraters (OLS) regressionsmodel blev oprettet som en baseline sammenligningsgrundlag for GWR-modeller. Vi inkluderede kovariater som diskuteret i vores forudgående arbejde, [7], herunder urologer per 100.000 mennesker, primære pleje læger per 100.000 mennesker, prostatakræft incidens pr 100.000 mænd, hospitalssenge per 100.000 mennesker, amt klassifikation som en Health Professionals Mangel Area (HPSA) , hovedstadsområdet klassifikation i Rural-Urban Continuum kode ordningen fra 2003, de procentsatser af befolkningen over 65 år, ikke-hvide, over 25 år uden en studentereksamen, og per capita indkomst. Vi har tilføjet en indikator for et amt, der har mindst én stråling onkolog og behandles praktiserende læge og urolog massefylde som kontinuerte variable. [7]

Den rumlige mønster af restprodukter i OLS-modellen er blevet undersøgt og afslørede, at forholdet mellem resultater læge tæthed og kræft kan ikke holde overalt i undersøgelsesområdet (S1 og S2 fig). [15,16] Vi udførte en GWR at opnå lokale koefficient skøn og justerede omtrentlige p-værdier baseret på Benjamani-Yekutieli falsk opdagelse sats (FDR) metode (se S1 File). [27,28] Rækken af ​​GWR koefficient skøn blev tabelform og urolog tæthed koefficient skøn blev kortlagt.

En anden følsomhedsanalyse hjælp sundhedsvæsen område som enheden analysen var planlagt, men ikke gennemført, fordi de fleste af vores data er kun tilgængelige på amtsniveau og kunne ikke let sammenlægges i sundhedsvæsenets områder på grund af de manglende data i amter med mindre befolkningsstørrelse. Vi forventer dog, at resultaterne ville være væsentlige svarer i analysen af ​​sundhedsvæsenets områder, fordi GWR generelt ikke lider modificerbare areal enhed problem. [15]

kollinearitet diagnostik

kollinearitet er fundet at være særligt problematisk i GWR modeller og detaljerede kollinearitet diagnostik og udvælgelsesprocedurer model findes i S1 File. [29] Diagnostiske værktøjer fra R-pakken

gwrr

blev brugt til at undersøge problemer med kollinearitet i GWR-modeller. [30] Baseret på de diagnostiske tests, blev variabel for procentdel af befolkningen under 65 uden sygeforsikring undladt at nå frem til den endelige GWR model (se S1 File). I betragtning mere end 90% af prostata kræftdødsfald blandt mænd i alderen 65 år eller ældre, og den mediane alder af døden er 80, de fleste af prostata kræft overlevende er Medicare modtagere. [31]

Undersøgelse Resultater

Beskrivende statistik

i undersøgelsen prøve den gennemsnitlige county-niveau aldersjusterede prostatakræft incidensraten var 141.20 tilfælde per 100.000 mænd og den gennemsnitlige county-niveau aldersjusterede prostatakræft dødeligheden var 25,55 per 100.000 mænd (S1 tabel). Disse satser skal ikke fortolkes som nationale eller regionale gennemsnit, fordi amter med for få dødsfald eller tilfælde blev udelukket før beregning. De dødelighed viste positiv rumlig autokorrelation (Moran s I = 0,30, p-værdi 0,001), hvilket indikerer betydelig klyngedannelse. Amterne med de højeste observerede prostata kræft dødelighed var placeret i den sydlige (figur 1). Fordelingen urolog tæthed var højre skæv, med en median på 1,33 og gennemsnit af 2,10 urologer per 100.000 mennesker. Årsagerne til denne skævhed omfatter mange amter deler den mindste værdi af nul og nogle amter har unormalt høje værdier (S4 Fig). Omkring 43% af disse amter med fuldstændige data havde en urolog tæthed på nul, med de fleste af dem placeret uden nordøst. 40% af amter havde mindst én stråling onkolog. Den praktiserende læge tæthed var 56,67 per 100.000 mennesker. 46% af amterne blev klassificeret som hovedstadsområdet

Bemærk:. 1. amter mærket “mangler” har ufuldstændige prostatakræft dødelighed eller forekomsten af ​​data. 2. Quintiles blev beregnet ved hjælp af kun amter med ikke-nul værdier.

Lineær regression

I multivariat lineær regression, fandt vi en samlet negativ sammenhæng mellem prostatakræft dødelighed og øget urolog tæthed (tabel 1). Stigende urolog tæthed med en urolog per 100.000 mennesker, holder andre variabler konstant, resulterede i en forventet nedgang i prostatakræft dødelighed af -0.499 dødsfald per 100.000 mænd (95% CI -0,709 til -0,289, p-værdi 0,001), eller en 1,5% fald. Tilstedeværelsen af ​​en yderligere strålingsonkolog var ikke forbundet med en ændring i dødelighed. Øget forekomst var forbundet med øget dødelighed af prostatacancer, som var et højere niveau af ikke-hvide amt befolkning og klassificering som HPSA. Øget medianindkomsten, højere uddannelsesniveauer i amtet, og hovedstadsområdet status blev forbundet med nedsat dødelighed prostatakræft. Notatet antallet af hospitalssenge, og procentdel af befolkningen over 65 år ikke var forbundet med en ændring i dødelighed af prostatacancer.

Geografisk vægtet regression

Tabel 2 opsummerer de estimerede regressionskoefficienter fra hvert amt fra GWR model. Godhed-of-fit statistikker viste, at GWR modellen bedre repræsenteret data end OLS modellen. Retningen af ​​foreninger i GWR var stort set de samme som i OLS model baseret på en sammenligning af de gennemsnitlige og mediane koefficient skøn i GWR modellen og koefficienten skøn i OLS modellen.

Figur 2 kortlægger resultaterne fra GWR model, der viser den forudsagte ændring i dødeligheden af ​​prostatacancer for en enkelt enhed stigning i urolog tæthed per 100.000 mennesker, der besidder samtlige andre kovarianter konstant, uden at der er lokale justerede p-værdier. Dette viser betydelig rumlig variation i forudsagt ændring i prostatakræft dødelighed. Regionen med den største forudsagte fald i dødeligheden prostatakræft består af amter i de sydlige Mississippi-floden stater Arkansas, Mississippi, og Louisiana, samt dele af Illinois, Indiana, og Wisconsin. Det betyder, at i disse amter, alt andet lige, er en én-enhed stigning i urolog densitet (én urolog per 100.000 mænd) i forbindelse med en med lavere dødelighed prostatakræft end i amter med koefficienter tættere på nul. Kun én amt ud af 1492 havde en anslået urolog tæthed koefficient, der var større end nul. Nogle amter havde to eller flere koefficienter med høj (større end 0,5) varians nedbrydning proportioner (VDPs, S5 Fig), hvilket tyder på et problem med kollinearitet i GWR modellen i disse regioner

Bemærk:. 1. Amter del af [-0.373,0.034] kvintil med koefficient estimater større end nul, er vist med rødt. Amter hos samme kvintil med negative koefficient estimater er vist i letteste blå.

Når begrænsende visualisering af den forventede ændring i prostata kræft dødelighed til amter med justerede omtrentlige p-værdier under 0,05 (figur 3) , et mindre antal amter havde statistisk signifikante forudsagte fald i dødeligheden med øget urolog tæthed. Derfor er der større tillid til en sand negativ relation mellem urolog tæthed og prostatakræft dødelighed hos disse områder. Tilføjelsen af ​​en urolog per 100.000 mennesker i disse områder er forbundet med fald på 0,411-0,916 i dødeligheden prostatakræft per 100.000 mænd (1,6-3,6%)

Bemærk:. Quintiles se koefficient skøn fra alle amter, uanset af signifikansniveau.

Begrænsninger

Selvom GWR tillader modellering af rumligt varierende regression effekter, det skal bruges med forsigtighed. GWR er en sonderende metode og giver ikke nøjagtig statistisk inferens på regression relationer. Koefficient estimater af amter havde nul urologer ikke let bruges til at forklare dødeligheden af ​​kræft. Modellen kan være ustabile og følsomme over for sættet af kovariater anvendes som input, især når variable er korreleret. Derfor model udvælgelse og diagnose er en særlig vigtig del af analysen, når der anvendes GWR. Desuden kan de rumlige mønstre af parameterestimaterne skyldes model misspecification. [15] I denne undersøgelse variabel valg var baseret på diagnostiske procedurer og tidligere forskning i dødeligheden af ​​kræft. Som en økologisk analyse, vores undersøgelse ikke indeholdt kovarianteffekter og resultatmål værdier for enkeltpersoner, og derfor kan vi ikke bruge vores resultater til at drage slutninger om de enkelte patienter. Mens de anvendte data i denne undersøgelse er vedligeholdt af føderale agenturer og er af høj kvalitet, prøveudtagning fejl i dataindsamlingen design kan være et problem.

Diskussion

Samlet set øget urolog tæthed var forbundet med nedsat prostatakræft dødelighed i OLS-modellen, hvilket er i overensstemmelse med tidligere resultater. Men vores sonderende rumlig analyse afslørede et komplekst forhold mellem prostatakræft dødelighed og urolog forsyning. Den GWR analyse bekræftede resultaterne fra OLS-modellen i form af koefficienten tegn for meget af undersøgelsen regionen, men også vist, at styrke og selvtillid af sammenhængen mellem urolog tæthed og prostatakræft dødeligheden varierer undersøgelsen regionen, med stærkere negative virkninger fundet i det sydlige Mississippi River-regionen samt dele af Illinois, Indiana, og Wisconsin. Ud over stærke negative associationer, disse områder havde også højere prostata kræft dødelighed og relativt lav urolog tæthed. Som følge heraf kunne disse områder målrettes til forøgelse af levering af urologer, som det er tilknyttet det største forudsagte forbedringer i dødelighed prostatakræft.

Mekanismerne bag det rumligt ikke-stationær associering mellem urolog tæthed og prostatacancer dødelighed kan ikke blive behandlet i denne undersøgelse, men vi tilbyder nogle potentielle forklaringer på dette fænomen. Urolog udbud kan have en aftagende marginal effekt på prostatakræft dødelighed. Det er ikke rationelt at forvente, at en én enhed stigning i urolog udbuddet i en høj tæthed region ville have den samme virkning som i en lav tæthed region som den sydlige Mississippi River-regionen. Lignende resultater blev rapporteret i tidligere arbejde, når urolog densitet blev inddelt i 4 kategorier, kun viser en statistisk signifikant ændring i prostata kræft dødelighed når stigende urologist tæthed over nul, uden supplerende virkning efter at. [7] individuelle patienter faktorer, såsom den sygdom egenskaber (f.eks, tumor stadie, tumorstørrelse, receptor status og komorbiditet) og socioøkonomisk status (fx forsikringsdækning, husstandsindkomst, uddannelsesniveau, og race /etnicitet), kan også være en faktor i den ikke-stationære forhold mellem urolog tæthed og prostatakræft dødelighed. Dette kan føre til fremtidig forskning ved hjælp af multilevel modellering for at inkorporere både enkelte patient og kontekstuelle variabler i analysen. Men det er vanskeligt at erhverve individuelle niveau data for ikke-SEER regioner.

Før arbejde forsøger at associere kræft dødelighed med læge tæthed bruger lineære eller logistisk regression, som ikke tegner sig for rumlige ikke-stationære effekter . [7,32,33] Vi vedtog en geografisk vægtet regression tilgang til at supplere en global regressionsmodel for at undersøge rumlig manglende stationaritet i forholdet mellem lægen udbud og kræft dødelighed. Vi replikerede resultaterne af tidligere undersøgelser ved hjælp af forskellige data tyder negativ sammenhæng mellem specialiserede udbud og kræft dødelighed og derudover bidrager vi nye materielle indsigter ved at undersøge betydningen af ​​plads. Den forbedrede ydeevne GWR, som giver en lokal model af variablerne ved at montere en regressionsligning til hver observation i datasættet, over OLS regression model blev demonstreret ved model fit foranstaltninger. GWR giver kræft pleje forskere en sonderende værktøj supplement til OLS regression model til at undersøge, hvordan forholdet mellem variabler varierer undersøgelsen regionen.

Denne undersøgelse har flere konsekvenser for kræftbehandling forskning. Først, den ikke-stationære associering mellem urolog tæthed og prostatacancer antyder regional variation af en økologisk forhold. Da den endelige GWR koefficienten kortet (figur 3) antyder, kan virkningen af ​​urologi forsyning være vigtigere i visse områder end andre i USA, som opfordrer til sted-specifikke eller placere følsomme former for analyse. [34,35] Denne undersøgelse kaster også lys over, hvor at fokusere og ændre kræft pleje politikker ved at afsløre ikke-stationære foreninger. Eksplicit, vores resultater giver et empirisk grundlag for lokalt skræddersyet politik dannelse, som kan forbedre effektiviteten af ​​kræft pleje.

Fremtidig forskning søger at undersøge de potentielle konsekvenser af læge udbud på kvaliteten af ​​kræftbehandling vil have gavn af at indarbejde rumlige heterogenitet med hensyn til kræft pleje dynamik. Yderligere arbejde er også behov for at forstå effekten af ​​lægen udbud på kræftbehandling på den enkelte patients niveau. Endelig tidsseriedata om alle forårsage dødelighed, sundhedspleje ressourcer og socio-demografiske faktorer på amtsplan kan forbedre prædiktiv evne. Nuværende kræft dødelighed /forekomst data er for knappe på county-niveau til at udføre rumlige panel dataanalyse.

Konklusioner

Stigende urolog tæthed var forbundet med nedsat prostatakræft dødelighed og styrken af ​​denne sammenslutning varierede i hele studiet regionen, med større effekter og større tillid til de sydlige Mississippi-floden stater Arkansas, Mississippi, og Louisiana, samt dele af Illinois, Indiana, og Wisconsin.

Støtte Information

S1 fig. Rester fra OLS modellen

doi:. 10,1371 /journal.pone.0131578.s001

(PDF)

S2 Fig. Lokale Indikatorer for Spatial Association af restprodukter fra OLS Model

doi:. 10,1371 /journal.pone.0131578.s002

(PDF)

S3 Fig. Amter med komplet prostatakræft forekomst /dødelighed data

doi:. 10,1371 /journal.pone.0131578.s003

(PDF)

S4 Fig. Urolog tæthed ved amt i undersøgelsen regionen:. 2006-2010

doi: 10,1371 /journal.pone.0131578.s004

(PDF)

S5 Fig. GWR kollinearitet diagnostik

doi:. 10,1371 /journal.pone.0131578.s005

(PDF)

S1 fil. GWR og FDR metoder

doi:. 10,1371 /journal.pone.0131578.s006

(PDF)

S1 tabel. Beskrivende statistik af Outcome og forklarende variable (n = 1492 amter)

doi:. 10,1371 /journal.pone.0131578.s007

(PDF)

Tak

Dr. Yao blev støttet under et stipendium fra National Cancer Institute (2R25CA093423).