过敏性疾病是全球性的公共卫生问题，影响着数亿人的生活质量。随着大数据时代的到来，利用公共数据库进行过敏性疾病研究已成为重要的研究手段。这些数据库包含了大规模的人群健康信息、临床数据和生物标志物数据，为过敏性疾病的流行病学研究、风险因素分析、疾病预测模型构建等提供了宝贵资源。本篇文章带你一起探讨公共数据库在过敏性疾病研究中的应用潜力。
过敏性疾病可以挖掘的主要数据库
NHANES（美国国家健康与营养调查）
NHANES数据库包含丰富的过敏相关数据，包括过敏原特异性IgE检测结果、哮喘诊断信息、过敏性鼻炎症状问卷、食物过敏史等。研究者可以利用这些数据分析过敏性疾病的患病率趋势、与营养状况的关系、环境暴露因素的影响等。往期我们也对NHANES数据库做过详细拆解，感兴趣的朋友可以点击链接进行学习。☞NHANES数据库及适用科室详解
MIMIC（重症监护医学信息数据库）
虽然MIMIC主要关注ICU患者，但其中包含大量过敏相关的临床信息，如药物过敏记录、过敏性休克病例、严重哮喘发作的治疗数据等。可以分析重症过敏反应的临床特征、治疗方案效果、预后因素等。数据库中的用药记录、实验室检查、生命体征监测等信息为研究提供了全面的临床数据支持。往期我们也对MIMIC数据库做过详细拆解，感兴趣的朋友可以点击链接进行学习。☞MIMIC数据库及适用科室详解
UK Biobank（英国生物样本库）
UK Biobank包含50万参与者的健康数据，其中有详细的过敏性疾病信息，包括哮喘、过敏性鼻炎、湿疹等的诊断记录。数据库还包含基因组数据、环境暴露信息、生活方式因素等，适合进行过敏性疾病的遗传学研究、基因-环境交互作用分析、疾病风险预测模型开发等。往期我们也对UKB数据库做过详细拆解，感兴趣的朋友可以点击链接进行学习。☞UKB数据库及适用科室详解
CHARLS（中国健康与养老追踪调查）
CHARLS虽然主要关注中老年人群，但也包含过敏相关信息，如哮喘病史、慢性呼吸道疾病等。这个数据库的优势在于提供了中国人群的纵向追踪数据，可以研究过敏性疾病在中国老年人群中的流行特征、与其他慢性病的共病关系、社会经济因素的影响等。往期我们也对CHARLS数据库做过详细拆解，感兴趣的朋友可以点击链接进行学习。☞CHARLS数据库及适用科室详解
过敏性疾病方向可以做哪些方向的研究？
方向一：特应性皮炎炎症筛查指标研究（NHANES）
标题：A Cost-Effective Screening Inflammation Indicator for Atopic Dermatitis Suitable for Primary Care and Self-Assessment
研究内容和结果：该研究采用两阶段设计，先在上海皮肤病医院的临床样本中构建并探索血常规衍生的特应性炎症指数AII，再在NHANES 2005至2006人群中进行外部验证与性能对比。临床阶段纳入AD、银屑病、慢性荨麻疹与健康对照，以Williams标准判定AD，用EASI分层严重度，基于血细胞计数与比例计算既有炎症指标与新指标AII，通过中位数比较、Mann Whitney检验、卡方或Fisher检验，并以多变量回归校正年龄与性别，采用限制性立方样条考察AII与嗜酸细胞、总IgE及病情严重度的函数关系。NHANES阶段按皮肤学三问界定AD，使用复杂抽样权重与survey包开展加权描述与推断，以加权logistic回归评估AII与AD的关联，同时纳入嗜酸细胞与IgE比较，校正年龄、性别、种族、受教育程度、贫困收入比、BMI、可替宁与哮喘史等协变量，连续变量按连续形式建模，结合样条与亚组交互检验非线性与一致性，以ROC评估区分度，并通过排除用药与慢病等敏感性分析验证稳健性。
方向二：哮喘重症患者死亡风险（MIMIC-IV）
标题：Predicting 30-day in-hospital mortality in ICU asthma patients: a retrospective machine learning study with external validation
研究内容和结果：该研究面向典型的过敏性气道疾病，即哮喘，作者利用公共重症数据库MIMIC IV进行建模与验证，目标是预测ICU哮喘患者30天院内死亡风险，以支持早期分层管理与临床决策。作者在MIMIC IV v2.2中纳入4385例首次ICU入科的成人哮喘患者，提取入ICU后24小时内的临床变量，通过LASSO与Boruta进行特征筛选，训练七种机器学习模型，并以ROC、校准曲线、决策曲线进行评估，同时在MIMIC IV v3.1中做时序外部验证。最终的XGBoost模型包含12个特征，重要变量包括年龄、呼吸频率、红细胞分布宽度、尿量、阴离子间隙等，内部验证AUROC约0.83，外部验证约0.80，在区分度与临床净获益上均优于SOFA、OASIS、LODS等通用重症评分，并提供可解释性SHAP分析与在线工具。结论为，基于公共数据库的哮喘特异模型具有良好稳健性与可解释性，有望用于ICU场景的实时风险评估与辅助决策。
方向三：环境暴露与哮喘预后的流行病学研究
标题：Impact of solid fuel use on asthma prognosis and consistent peak expiratory flow changes: Evidence from China
研究内容和结果：该研究基于中国健康与养老追踪调查数据（CHARLS, n=12,025），采用横断面与纵向相结合的设计，以家庭固体燃料使用为主要暴露，结局包括哮喘患病、峰值呼气流量（PEF）水平与变化、以及哮喘患者的全因死亡。方法上使用逻辑回归与线性回归评估横断面关联，对哮喘患者采用Cox比例风险模型评估死亡风险，并以线性混合效应模型评估PEF随访变化。结果显示，固体燃料使用与更高的哮喘风险及更低的PEF显著相关（P＜0.001），且在年龄、性别与吸烟分层中方向一致。与使用清洁燃料且无哮喘者相比，经常使用固体燃料的哮喘患者全因死亡风险更高（HR=1.63, 95%CI 1.33到2.00）。研究强调推广清洁燃料有助于降低哮喘相关风险并改善预后。
方向四：呼吸肌功能与慢性肺部疾病关联研究
标题：Influence of probable respiratory sarcopenia on chronic lung diseases: a population-based cohort study of community-dwelling Chinese older adults
研究内容和结果：前瞻性人群研究使用中国健康与养老追踪调查数据，纳入2011年横断面样本6614人和随访7年的纵向样本5630人，按低呼吸肌力与四肢骨骼肌量减少共存来界定可能的呼吸性肌少症，结局为慢性肺部疾病的患病与发病，范围包括哮喘、慢性支气管炎、肺气肿和肺源性心脏病。多变量模型显示，横断面中可能的呼吸性肌少症与慢性肺病患病更高相关，校正后比值比为2.18，95%置信区间为1.84到2.58，同时低肌量与低呼吸肌力本身也分别相关。纵向随访中，可能的呼吸性肌少症与慢性肺病新发风险升高相关，风险比为1.49，95%置信区间为1.26到1.77，低肌量与低呼吸肌力同样相关。研究提示，应尽早识别并干预呼吸肌少表型，以减轻中老年人群慢性肺病负担。
方向五：体弱状态与慢性肺部疾病的多国队列研究
标题：Association between frailty transitions and chronic lung disease incidence: findings from four national cohort studies
研究内容和结果：基于四个国家级前瞻性队列，即CHARLS、ELSA、HRS和SHARE，该研究用Rockwood Frailty Index评估体弱状态及其变化，采用Cox比例风险模型分析体弱转归与慢性肺病新发的关系。慢性肺病按自报医师诊断界定（慢性支气管炎、肺气肿、肺源性心脏病），随访至2019到2021年，体弱变化分析共纳入38,122名参与者。结果显示，与始终保持稳健相比，从稳健进展为预体弱或体弱者的慢性肺病发生风险更高（各队列HR 1.58到1.85），而由预体弱或体弱恢复为稳健者风险更低（HR 0.57 到 0.71），结论提示体弱是可变的, 干预体弱可能有助于降低慢性肺病发生风险。
总结
上述五个研究方向充分证明了公共数据库完全可以用于过敏性疾病研究。从NHANES数据库的特应性皮炎筛查指标开发，到MIMIC数据库的哮喘重症预测模型构建，再到CHARLS等队列的环境暴露、呼吸肌功能和体弱状态研究，这些实例展示了公共数据库在过敏性疾病研究中的广泛应用价值。研究者可以利用这些大规模、高质量的公共数据资源，开展疾病筛查、风险预测、病因探索和预后评估等多层次研究，为过敏性疾病的防治提供循证依据。
评论列表