主要

2020年3月11日,世界卫生组织(世卫组织)COVID-19-which特征是由于严重急性呼吸系统综合症冠状病毒2 (SARS-CoV-2)——一个大流行,114年报告了118000例和4291例死亡后的国家2。截至2020年5月6日(本研究的最新的数据可用性),例达到了全球超过350万,超过240000人死于该病毒1。同一天在英国,COVID-19有206715例确诊病例,30615年COVID-19-related死亡3。

年龄和性别是行之有效的风险因素严重COVID-19结果:超过90%的COVID-19-related死亡已经超过60岁的人,在英国,60%的男性4。各种既存状况也与风险增加有关。例如,中国疾病控制和预防中心的一项研究报告的44672人(1023人死亡),心血管疾病、高血压、糖尿病、呼吸道疾病和癌症都与死亡的风险增加有关5;然而,修正与年龄的关系是不可能的。16749年英国横断面调查住院病人为COVID-19表明,死亡的风险更高的患者心脏,肺和肾脏疾病,癌症,老年痴呆症和肥胖(1.19 - -1.39小时后校正年龄和性别)6。肥胖在法国重症监护与治疗相关升级队列7(n= 124)和纽约医院表示队列8(n= 3615)。与吸烟有关的风险尚不清楚9,10,11。人们从黑人和少数民族从COVID-19风险增加的结果并不理想,原因尚不清楚12,13。

病人的治疗通常是通过电子健康记录管理,常用的研究。然而传统的电子健康记录的分析方法依赖间歇提取历史数据的小样本。评估一个快速产生新颖的死因需要一种新的方法。因此我们打算提供一个安全的分析平台主要电子健康记录供应商的数据中心内,在完整的运行,连接和pseudonymized电子健康记录NHS病人的一个非常大的人口,决定因素在英格兰与COVID-19-related死亡相关。

联想COVID-19-related死亡

总共17278392名成年人包括(无花果。1;队列描述表1)。百分之十一的人(1851868)种族记录为混合,南亚,黑色或其他(以下简称为黑人和少数族裔,BAME)。有缺失数据的身体质量指数(3751769;22%)、吸烟状态(720923;4%)、种族(4560113;26%)、血压(1715095;10%)。COVID-19-related死亡记录在相关研究人口的死亡登记数据为10926。

图1:队列的流程图。
图1

图中显示了个人的数量(n)排除在不同阶段的识别情况下主要终点。

全尺寸图像
表1中描述COVID-19死亡人数由病人特色
全尺寸表

COVID-19-related死后90天的整体累积发病率研究开始的不到0.01%在那些18-39岁,男性和女性的0.67%和0.44%,分别为80岁或以上(无花果。2)。

图2:kaplan meier COVID-19-related死亡的情节。
图2

情节展示COVID-19-related死亡以年龄和性别。

全尺寸图像

COVID-19-related死亡的患者的立场之间的关联因素和风险如表所示2和无花果。3。年龄增加与风险密切相关,年龄在80岁或以上的人拥有一个以上20-fold-increased风险相比50-59-year-olds(完全调整人力资源20.60;95%可信区间(CI) 18.70 - -22.68)。随着年龄的安装作为一个灵活的样条,观察是一个近似的对数线性关系(扩展数据图。1)。男人比女人有更高的风险(完全调整人力资源1.59 (1.53 - -1.65))。这些发现符合模式中观察到较小的研究在世界范围内和在英国14。

表2为COVID-19-related死亡风险率和95%置信区间
全尺寸表
图3:估计危险比率为每个病人从多变量Cox模型特征。
图3

风险率对数尺度上所示。误差线代表的极限风险率的95%置信区间。IMD,多个剥夺指数;我肥胖类,体重指数30 - 34.9;肥胖的二类,BMI 35 - 39.9;肥胖的第三类,BMI≥40;口服避孕药,口服皮质类固醇;参考,参照群体。所有风险比率调整民族以外的所有其他因素列出。种族之间从一个单独的模型估计这些人来说,完成种族数据是可用的,并且完全协变量调整为其他。 Totalnnon-ethnicity模型= 17278392,和12718279年的种族模型。

全尺寸图像

人们BAME组比白人种族的风险更高。当只对年龄和性别进行调整,风险比率范围从1.62 - -1.88为黑人和南亚个人和混合种族的人们,与白人相比,减少为所有包括因素(1.43 - -1.48调整后的结果更详细的类别扩展数据表所示1)。BAME种族曾被发现与风险增加有关COVID-19感染和糟糕的结果12,13,15。我们的研究结果显示,只有一小部分多余的风险是解释为一个更高的医学问题,如心血管疾病或糖尿病患病率在BAME人,或更高水平的不足。

我们发现一个一致的模式与风险增加的更大的不足,最贫困的五分位数的风险比1.79相比至少剥夺,符合最近国家统计局16。又很少的风险增加是由预先存在的疾病或解释临床因素,表明其他社会因素有一个重要的角色。

增加风险被认为与增加肥胖(完全调整人力资源1.92(1.72 - -2.13)身体质量指数(BMI;公斤米−2),超过40岁的读者),大多数并发症与COVID-19-related死亡的风险更高,包括糖尿病(更大的风险比那些最近测量糖化血红蛋白(HbA1c)水平至少58更易与摩尔−1),严重哮喘(定义为哮喘与最近使用口服类固醇)、呼吸系统疾病、慢性心脏病、肝脏疾病、中风、痴呆、其他神经系统疾病,肾功能下降(更大的风险比相关估计的肾小球滤过率较低;表皮生长因子受体),自身免疫性疾病(类风湿性关节炎、狼疮或牛皮癣)和其他免疫抑制条件(表2)。那些最近的(也就是说,在过去的五年)的历史血液学的恶性肿瘤风险至少增加2.5倍,五年后略有下降。对其他癌症,风险比率较小,风险增加相关的主要是与最近的诊断。透析或终末期肾功能衰竭的历史与风险增加有关,当添加到第二个分析(HR 3.69 (3.09 - -4.39))。这些研究结果很大程度上同意其他数据,包括英国国际严重急性呼吸道感染和新兴财团(ISARIC)研究英国住院患者COVID-19-which表示与心脏死亡的风险增加,肺和肾脏疾病、恶性肿瘤、肥胖和痴呆6——中国大型研究,尽管缺乏校正了年龄,表明,心血管疾病、高血压、糖尿病、呼吸道疾病和癌症与死亡率增加有关5。我们的研究结果显示,严重的哮喘与更高的风险显著相关,早数据表明,哮喘患者是弱势COVID-19住院或有严重的结果17,18。

事后分析吸烟和高血压

现任和前任吸烟都关联到一个更高的风险模型,只是因为年龄和性别进行调整,但在目前的吸烟完全调整模型与风险较低(0.89完全调整人力资源(0.82 - -0.97)),这与吸烟的患病率低于预期的情况相符,在先前的研究中观察到患者COVID-19在中国10、法国11和美国19。我们深入调查这事后协变量通过添加单独的年龄,性别和吸烟模型,发现风险比的变化主要是由调整慢性呼吸道疾病(HR 0.98(0.90 - -1.06)调整后)。这和其他并发症可能是吸烟的后果,强调充分调整不能解释疾病由于吸烟风险比的因素,可能会间接吸烟的影响。因此我们安装一个模型只调整人口结构因素(年龄、性别、贫困和种族),显示与积极的风险比目前的吸烟(HR 1.07 (0.98 - -1.18))。这并不支持任何假定尼古丁的保护作用9,20.,但表明,任何与当前吸烟可能增加的风险小,需要澄清随着疫情的发展和更多的数据积累。

我们类似的调查高血压风险比的变化(从1.09(1.05 - -1.14)调整年龄和性别,0.89(0.85 - -0.93),所有包括协变量),并发现糖尿病和肥胖是主要负责减少(HR 0.97(0.92 - -1.01)调整年龄、性别、糖尿病和肥胖)。考虑到强劲的血压和年龄之间的关系然后我们检查这些变量之间的交互;这种发现强有力的证据的相互作用(P< 0.001),高血压与风险更高的年龄70岁及70岁以上的风险较低(调整小时3.10(1.69 - -5.70),2.73(1.96 - -3.81),2.07(1.73 - -2.47),1.32(1.17 - -1.50),0.94(0.86 - -1.02)和0.73(0.69 - -0.78)岁18-39,40至49,50-59,60 - 69,70 - 79年和80年,分别)。逆的原因在老年人高血压和死亡率之间的联系尚不清楚,值得进一步的调查,包括脆弱的详细检查,疾病和药物暴露在这个年龄段。

模型检查和敏感性分析

平均C-statistic-a测量模型的区分能力的病人COVID-19-related死亡和那些没有经验,从0(没有能力)到1(完美的能力)是0.93。结果类似的缺失数据处理时使用完整的记录分析,或者使用多个归责(敏感性分析;扩展的数据表2)。非均衡危害主要检测模型(P< 0.001)。敏感性分析与早期的行政审查死亡率在2020年4月6日之前,不应该受到社会距离的影响政策,介绍了年底在英国没有表现出非均衡危害的证据(P= 0.83)。风险比率相似但在大小更大一些,而与增加剥夺似乎更小的(扩展数据表2)。

讨论

这安全分析平台操作在NHS病人记录超过1700万名成年人和600万名儿童被用来识别、量化和分析相关因素COVID-19-related死亡最大的断代研究这一主题进行的任何国家。大多数并发症与风险增加相关,包括心血管疾病、糖尿病、呼吸系统疾病(包括严重哮喘)、肥胖、血液学的恶性肿瘤或最近的其他癌症的历史,肾脏,肝脏和神经系统疾病,自身免疫性的条件。南亚和黑人比白人COVID-19-related死亡的风险更高,而这只有部分归因于并存病,剥夺或其他因素。强大的不足和风险之间的联系也只能部分解释了并发症或其他因素。

我们的分析提供了一个初步的关键人口特征和一系列的并存是先天的选择是COVID-19-are共同的兴趣与贫穷相关的结果。这些初步结果可用于通知预后模型的开发。我们告诫解释估计因果效应。例如,全面调整吸烟风险比不捕捉吸烟的因果效应,由于包含的并发症可能间接吸烟的任何影响COVID-19-related死亡(例如,慢性阻塞性肺疾病)。我们的研究强调了需要精心设计的分析,特别关注吸烟的因果效应COVID-19-related死亡。同样,需要分析探索背后的因果关系之间的关联观察高血压和COVID-19-related死亡。

的优点和缺点

本研究的最大的优点是它的规模和它的速度。通过构建一个安全的分析平台在定期收集临床数据存储在原地生活,我们有结果及时从当前NHS的记录大约40%的英国人口。研究大规模允许更多的精度对罕见曝光和多个因素和快速检测的重要信号。我们的平台将扩大提供更新后的分析。另一个优点是使用开放的方法:我们预先确定分析计划和共享的完整解析代码和codelists审查和重用。我们确定病人的人口统计,从完整的药物和并发症pseudonymized纵向初级护理记录,提供更多的细节比数据被记录在进入医院,并考虑到人口而不是个人出席医院的所选子集。我们审查死于其他原因,使用的数据来自英国国家统计办公室(ONS)。分析分层面积占已知地理COVID-19的发生率的差异。

这项研究也有一些重要的局限性。在我们的结果定义,包括临床疑似non-laboratory-confirmed COVID-19病例,因为测试一直没有实施,特别是在看护之家的老年患者。然而,这可能导致一些病人被错误地认定为COVID-19。此外,一些COVID-19-related死亡可能被错误归类non-COVID-19,特别是在早期阶段的流行;然而,这种错误可能会迅速减少死亡的人数增加,和一定程度的结果underascertainment-providing它无关病人characteristics-should没有偏见的风险比率。由于罕见的结果,观察到的关联将主要由病人的形象特征包括病例。我们的研究结果反映了个体的风险一旦被感染的感染和死亡的风险。我们会考虑在未来的研究中更详细的耐心的轨迹OpenSAFELY平台。

我们庞大的人口可能并不完全代表。我们包括只有17%的通用实践早些时候在伦敦许多病例COVID-19 occurred-owing实质性地理变异在电子健康记录系统的选择。电子健康记录的用户界面可以影响某些药物的处方20.,21,23,所以有可能编码系统之间变化。

初级护理记录详细的和纵向,但是可以为病人特征数据是不完整的。种族是失踪约26%的患者,但广泛代表性24;也有缺失数据在肥胖和吸烟。敏感性分析发现,我们的估计是健壮我们的假设在缺失的数据。

非均衡的危险可能是由于非常大的数字或无节制的协变量。然而,快速变化的社会行为(社会距离,屏蔽)和感染的负担的变化也可能影响病人群体不同。协变量更大的危害比看到几个早些时候在灵敏度分析与审查(社会距离和屏蔽政策后不久)介绍了符合病人更危险更符合这些政策。相比之下,与剥夺相关的风险可能会增加。进一步分析将探索更改之前和之后COVID-19周围的国家项目的实施进度。

政策含义和解释

英国的政策建议屏蔽(呆在家里,避免任何面对面接触)为组织确定的基础上是极其容易受到COVID-19预先存在的医疗条件25。我们可以评估这些条件之间的关系,从COVID-19死亡,我们证实了增加的死亡风险,支持的目标使用额外的保护措施在这些团体的人。我们已经证明,只有一小部分的风险增加了死亡COVID-19-related BAME团体和人群生活在较贫困地区可以归因于现有的疾病。改进的策略来保护人们在这些团体迫切需要26。这些可能包括的具体考虑屏蔽BAME组织指导方针和工作场所的政策。研究需要调查其他因素的相互作用,我们无法检查,包括就业、个人防护设备和相关接触感染的风险,和家庭密度。

英国异常大量的病人非常详细的纵向数据,尤其是通过初级保健,我们相信英国对国际社会有责任好好利用这个数据。OpenSAFELY demonstrates-on一个非常大的规模,可以安全地,透明和迅速。我们将进一步提高OpenSAFELY平台通知全球应对COVID-19紧急。

未来的研究

的更高风险的根本原因死亡COVID-19-related BAME个体,以及来自贫困地区的人,需要进一步调查。我们建议收集数据在职业暴露和生活条件的第一步。我们的方法意味着协会提供的统计力量与不常见因素可以强劲详细评估,随着大流行的发展,尽早。因此,我们将更新我们的发现和解决小风险组新病例出现。开源可重用代码库上OpenSAFELY支持快速、安全、协作开发的新的分析;我们正在进行加速研究各种医学治疗和人口的影响干预COVID-19感染的风险,进入重症监护病房和死亡,与其他观测分析。OpenSAFELY迅速扩展更多的NHS病人合并的记录,和新的数据来源是进步。

总之,我们产生了早期的见解与COVID-19-related死亡相关因素使用详细的初级护理记录的1700万年NHS病人,同时保持隐私,在全球卫生紧急状态。

方法

研究设计

我们进行了一项队列研究使用国家初级保健电子健康记录数据与数据COVID-19-related死亡(见“数据源”)。队列研究开始于2020年2月1日,被选为一个日期前几周首次报道COVID-19-related死亡和第二例经实验室确认后的第二天27;截至2020年5月6日。队列研究检查风险一般人群中而不是在人群中感染SARS-COV-2。因此,所有患者包括无论任何SARS-COV-2测试结果。没有进行随机化。结果评估是作为常规卫生保健的一部分,因此没有炫目的任何形式的尝试。然而,研究人员没有参与结果的评估。

数据源

我们使用惯例(GP)的病人数据记录由全科医生管理软件提供商凤凰(TPP)合作,与死亡来自国家统计局的数据。国家统计局数据包括所有死亡的信息,包括COVID-19-related死亡(定义为COVID-19 icd -代码提到任何死亡证明)和non-COVID-19死亡,这是用于审查。

数据访问、链接和使用OpenSAFELY分析,创建一个新的数据分析平台,以解决紧急问题有关的流行病学和治疗COVID-19在英格兰。OpenSAFELY提供了一个安全的软件界面,允许详细pseudonymized初级护理病人的记录已经接近实时地分析他们reside-hosted高度安全的数据中心内的电子健康记录供应商风险最小化reidentification当数据是厂外运输;其他较小的数据集都与这些数据在相同环境中使用一个匹配的笔名来源于NHS的数字。可以找到更多的信息https://opensafely.org/。

数据集与OpenSAFELY分析是基于目前约2400万注册病人(英语人口的大约40%)医生手术使用TPP SystmOne电子健康记录系统。SystmOne是一个安全的集中的电子健康记录系统,自1998年以来一直使用英文临床实践;它输入记录数据(实时)由GPs和实践人员在例行的初级保健。NHS-approved系统框架下的系统认可的惯例28,29日。数据提取TPP SystmOne曾被用于医学研究,作为ResearchOne数据集的一部分30.,31日。从这些电子健康记录的OpenSAFELY pseudonymized数据集创建结构化数据由200亿行;例如,包括诊断、药物治疗、生理参数和之前的调查pseudonymized病人(扩展数据图。21级)。所有OpenSAFELY数据处理发生在TPP的服务器;外部数据提供者安全地转移pseudoymized数据(例如COVID-19-related死于ONS)对连杆OpenSAFELY(扩展数据图。2,2级);和研究定义在GitHub上的Python开发被拉到OpenSAFELY基础设施和用于创建一个研究数据集的每一行病人(扩展数据图。2,3级)。使用合成数据统计代码的开发和研究分析使用数据集;这包括代码检查数据范围,检查生产一致性的数据列和描述性统计与预期疾病肥胖盛行程度进行比较,确保有效性,以及代码符合我们的分析模型。只有两位作者(K.B.和A.J.W.)访问OpenSAFELY运行代码;没有pseudonymized患者的立场资料被删除从TPP基础设施;只有聚合,匿名的,手动检查出版研究结果公布(扩展数据图。2,4级),所有代码进行数据管理和分析在线存档(见“代码可用性”)。

研究人口和观察期

我们的研究人群包括所有成年人(18岁以上的男性和女性)目前注册为活跃在TPP医生手术的病人在英格兰2020年2月1日。要包括在这项研究中,参与者被要求至少有一年在后续的全科医师,确保患者基线特征可以充分捕获,并记录了性别、年龄和剥夺32(见“共”)。患者从1 2020年2月,随访观察,直到第一个死的日期(是否COVID-19-related或由于其他原因)或研究结束日期,2020年5月6日。这一分析,ONS死亡数据可用2020年5月11日,但是我们使用了一个审查日期,以便早些时候延迟报告可用数据的最后几天。

结果

结果是COVID-19-related死亡;这是来自国家统计局确定死亡证明数据的COVID相关icd - 10编码U071或U072出席记录。

协变量

特点包括:健康状况在英国上市指导“较高风险”组33;其他常见的条件,可能会导致免疫缺陷本身或通过药物(癌症和常见的自身免疫性条件);和新兴的风险因素之间的严重结果COVID-19情况下(如高血压)。

年龄、性别、体重指数(公斤米−2)和吸烟状态都包括在内。分类,年龄段是:18-39,40至49,50-59,60 - 69、70 - 79和80 +年。BMI是确定重量测量在过去的10年中,局限于那些病人在16岁时照的。肥胖是使用类别分组来自世卫组织分类指数:没有证据表明肥胖、体重指数< 30;我肥胖类,体重指数30 - 34.9;肥胖的二类,BMI 35 - 39.9;和肥胖的第三类,BMI 40 +。吸烟状态分为电流——,前,和不吸烟者。

以下并发症也认为:哮喘、慢性呼吸道疾病,慢性心脏疾病、糖尿病、慢性肝病、慢性神经系统疾病,常见的自身免疫性疾病(类风湿性关节炎、系统性红斑狼疮或牛皮癣),实体器官移植,无脾,其他免疫抑制疾病,癌症,减少肾脏功能的证据,和高血压或高血压的诊断。

疾病分组之后国家指导感染流感的风险34,因此“慢性呼吸道疾病(哮喘)”包括慢性阻塞性肺疾病、fibrosing肺病、支气管扩张或囊性纤维化;和慢性心脏疾病包括慢性心脏衰竭、缺血性心脏病、严重的阀或先天性心脏病可能需要终身随访。慢性神经条件分为与可能的心血管疾病病因学(中风、短暂性缺血性发作、痴呆)呼吸功能损害可能和条件,如运动神经元疾病、重症肌无力、多发性硬化、帕金森病、脑瘫、四肢瘫痪或偏瘫和进步的小脑疾病。无脾包括脾切除术或脾功能障碍,包括镰状细胞病。其他免疫抑制条件包括人类免疫缺陷病毒(HIV)或一个条件诱导永久免疫缺陷诊断,或再生障碍性贫血或临时免疫缺陷记录在去年。血液学的恶性肿瘤被认为是独立于其他癌症,以反映与血液学的恶性肿瘤及其相关的免疫抑制治疗。肾脏功能从最近的血清肌酐测定,确定可用的地方,是转换成使用慢性肾脏疾病流行病学合作的表皮生长因子受体(CKD-EPI)方程35,减少肾脏功能分为eGFR 30 min - 59.9或< 30毫升−1每1.73米2。肾透析的历史或终末期肾功能衰竭是次要分析分别探讨。高血压被定义为前一个编码的诊断高血压或最近的记录显示收缩压≥140毫米汞柱或舒张压≥90毫米汞柱。

哮喘是由使用口服糖皮质激素作为一个分组的严重性。糖尿病是分组根据最近的糖化血红蛋白测量在过去15个月(糖化血红蛋白< 58更易与摩尔−1;糖化血红蛋白≥58更易与摩尔−1;或没有最近的测量可用)。癌症被诊断以来第一个分组(在去年;1 - 4.9年;超过5年前)。

共被视为潜在的上游因素剥夺和种族。剥夺指数测量的多个剥夺(IMD,在昆泰,值越高表明更大的不足),以较低的超级输出来自病人的邮政编码区域水平高度的精度。种族分为白色、黑色、南亚、混合或其他。在敏感性分析中,更详细的分组种族的探索。可持续性和转换关系(STP NHS行政区)患者的惯例是作为一个额外的调整全国地理感染率的变化。

协变量对所有的信息可从初级护理记录通过搜索TPP SystmOne记录特定的编码数据。TPP SystmOne允许用户使用SNOMED-CT临床术语,使用一个GP的子集SNOMED-CT代码。这个子集映射到本地阅读版本3 (CTV3)临床SystmOne建立编码系统。药物进入或规定的格式符合药品和设备的NHS字典(dm + d)36当地英国snom的扩展库。Codelists为特定的基础条件和药品从各种各样的来源被编译。这些包括英国国家规定(BNF)代码从OpenPrescribing.net,发表codelists哮喘37,38,39、免疫抑制40,41,42、牛皮癣43系统性红斑狼疮,44、类风湿性关节炎45,46和癌症47,48和读代码2列出专门来描述群体流感感染的风险增加18。读代码添加了2列出了snom代码和交叉检查对NHS质量和结果框架(QOF)寄存器,然后翻译成CTV3人工管理。决定每个codelist记录,最后列出了至少两位作者综述了。详细信息编译和每个个体来源codelist是可用的https://codelists.opensafely.org/和可用的列表是检验和重用的更广泛的研究团体。

统计分析

病人数据流程图(图中所示。1)。kaplan meier失败函数估计以年龄和性别。对于每个病人特点,Cox比例风险模型拟合,与天在研究时间尺度,分层的地理区域(STP)和性别与年龄调整的模拟使用限制三次样条函数。违反比例风险假设被测试探讨了零斜率的缩放Schoenfeld剩余工资。所有病人的特征,包括年龄(再次描述为一个花键)、性别、体重指数、吸烟、IMD五分位数,然后上面列出的并发症是包含在一个多变量Cox比例风险模型,通过STP分层。风险从年龄和性别比例调整和完全调整模型报告95%置信区间。模型也进行了技术改造,改用年龄组安装作为一个分类变量在年龄组获得风险比率。

在主要的分析中,那些失踪的BMI被假定为非肥胖和失踪被假定为不吸烟者吸烟信息假设肥胖和吸烟可能会被记录,如果存在。敏感性分析是运行那些完整的BMI和吸烟数据。种族是省略了从主多变量模型由于数据被丢失26%的个体;风险比种族也因此获得一个单独的模型完成种族个体的数据。风险比其他病人特点,调整的种族,也从这个模型和敏感性分析中提出了允许评估估计是否扭曲了种族的主要模型。我们进行了一次额外的灵敏度分析使用population-calibrated归责方法处理丢失的种族49,50边际的比例,每个种族组在每个英格兰的九个广泛的地理区域(东部,东米德兰兹、伦敦、北东、北西、南东,南西,西米德兰兹郡、约克郡和亨伯河)从年度人口调查(APS)的数据(汇集2014 - 2016)51。五个估算数据集创建估计风险比率结合使用鲁宾的规则。

计算C-statistic作为衡量模型的歧视。由于计算时间,这是估计的随机抽样5000名患者和没有结果和计算C-statistic使用随机样本,重复10次,平均C-statistic。应用于占抽样权重56。

所有P价值观是双面的。

信息治理和道德

英国国民健康保险制度是数据控制器;TPP是数据处理器;和关键人员在OpenSAFELY代表英国国民健康保险制度。这个实现的OpenSAFELY TPP环境中托管,对ISO 27001认证信息安全标准和NHS搞笑工具兼容52,53;病人数据已经pseudonymized使用行业标准加密散列技术分析和联系;所有pseudonymized链接到OpenSAFELY加密数据传输;访问平台是通过一个虚拟专用网(VPN)连接,局限于一小群研究人员,他们的特定的机器和IP地址;研究者与NHS英格兰举行合同,只访问平台启动数据库查询和统计模型;所有数据库活动记录;总统计输出,只有离开后的平台环境最佳实践等匿名化的结果统计披露控制低细胞计数54。OpenSAFELY研究平台的数据保护原则坚持2018年英国数据保护法案和欧盟数据保护监管(GDPR) 2016。2020年3月,国务卿健康和社会保健使用权力在英国健康服务(控制患者信息)条例2002 (COPI)要求组织过程保密患者信息对保护公众健康的目的,向公众提供医疗服务和监控和管理COVID-19爆发和事件的暴露55。这些链接提供法律基础病人OpenSAFELY平台上的数据集。全科医生,初级保健数据了,必须分享相关的健康信息,以支持公共卫生应对流感大流行,并已通知OpenSAFELY分析平台。本研究经卫生研究机构(REC参考20./ LO / 0651)和伦敦卫生和热带医学学院(LSHTM)伦理委员会(参考21863)。没有进一步的道德或研究治理所需的批准是牛津大学但是综述了批准文件的副本和记录。担保人:伞齿轮和L.S.

病人和公众参与

患者没有正式参与开发这一特定的研究设计。我们已经开发出一种公开的网站(https://opensafely.org/),允许任何病人或公众成员联系我们关于这个研究或更广泛的OpenSAFELY项目。这反馈将用于提炼和优化我们的OpenSAFELY活动。

报告总结

进一步研究信息设计是可用的自然研究报告摘要与本文有关。