145名参与者随机加入LEAD研究中的假处理组(77%为女性,基数51-89岁)。研究眼中检测到51位基底参与者(35%)(见
补充表S4通过接触状态对参与者特征)十二位参赛者(8%)失联并受审查,N=6.12%并有确定异常)受跟踪者共384年,有25双目研究在学习期间向晚AMD发展(n=6.6%无/疑色异常N=19,37%有确定异常性,结果发生率为6.5/100人年,95%CI4.4,9.6中值生存时间无法报告,因为在学习期间只有17%的目光进步到晚AMD
性别、年龄和吸烟状况基准假设预测时间晚入AMD并选为模型共变先验人类基准色素异常状态估计值为8.86(95%CI3.48和22.59)与非色异常相相比,向晚AMD递增率提高8.9倍(见
图4)日志图评估
图3表示没有重大违反比例风险假设
P级= 0.978色异常状态,0.301至0.767同差值)
研究后探索aFT模型,以研究是否可以获取更合用观察数据第一,泛泛伽马模型适配模型参数统计测试隐含出一种比较离奇模型可提供足够适配性(即测试+++0对日志数,+++++++++++++++++++++++++++++++++++++++++++++++++++++++++
补充表S7)在每个模型中(包括Cox模型),Weibull模型提供了最佳适配性,Akaike信息标准和Bayesian信息标准(见数值
补充表S8)微博模型生成的色调共变HR估计为9.39(95%CI3.67和24.00)。大于以上Cox模型估计值然而,在较小效果大小的情况下,估计Cox模型和Weibull模型相似指数时间度系数
e类
-1.35值为0.26(95%CI0.13/0.53),据理解,与非色异常者相比,色素异常者晚入AMD时间下降74%形状参数大于一,表示从基准时间向晚AMD进化的危险增加模型估计,50%无色异常参赛者需要13.7年才能向晚AMD进程(中值生存时间,95%CI3.1,24.3年),而50%有色异常参赛者只需3.9年才能向前进程(95%CI2.5,5.3)。
包括友眼后,仿冒处理组290眼中的88次检测到色异常(30%)。31双眼(35%)在研究结束前向晚AMD进发,而202双眼中12双目(6%)无色异常微博模型估计色素异常经调整HR为8.73(95%CI4.13和18.46)
25项研究开发晚AMD中20项(80%)富学型和5项(20%)新流AMD事件自由或新流异常增速估计色异常者比非色异常者高15倍以上(调整后HR15.2695%CI4.3154.04)。相形之下,调整子分配HR对新流amd为1.52,95%CI0.269.01