DONNE: 186 * creatininemia^(-1.154) * age_years^(-0.203) * 0.742,
UOMINI: 186 * creatininemia^(-1.154) * age_years^(-0.203) * 1
In pratica alle donne aggiunge un coefficente correttivo di 0,742.
Successivamente abbiamo diviso in classi secondo questo schema:
kidney_disease_class =
kidney_gfr < 30 ~ “Severe”,
kidney_gfr < 60 ~ “Moderate”,
kidney_gfr < 90 ~ “Mild”,
kidney_gfr > 90 ~ “Normal”
Questa la distribuzione dei soggetti nelle diverse classi
## x <categorical>
## # total N=1042 valid N=1042 mean=2.07 sd=0.80
##
## Value | N | Raw % | Valid % | Cum. %
## -----------------------------------------
## Normal | 287 | 27.54 | 27.54 | 27.54
## Mild | 407 | 39.06 | 39.06 | 66.60
## Moderate | 338 | 32.44 | 32.44 | 99.04
## Severe | 10 | 0.96 | 0.96 | 100.00
## <NA> | 0 | 0.00 | <NA> | <NA>Per effettuare una regressione logistica univariata tra gfr e altre variabili potenzialmente associate le classi di gfr sono state così suddivise per rendere la variabile dicotomica:
Normal + Mild = Low
Moderate + Severe = High
Questa la tabella della regressione logistica univariata
Characteristic | OR1 | 95% CI1 | p-value |
|---|---|---|---|
age_years | 1.04 | 1.03, 1.05 | <0.001 |
sex | |||
FEMALE | — | — | |
MALE | 0.32 | 0.22, 0.45 | <0.001 |
date_of_hiv_diagnosis | 1.00 | 1.00, 1.00 | 0.14 |
art_treatment_regimen | |||
ABC/3TC/DTG | — | — | |
ABC/3TC/LPV/r | 0.00 | >0.9 | |
AZT/3TC/ATV/r | 0.17 | 0.01, 4.97 | 0.2 |
AZT/3TC/DTG | 0.00 | >0.9 | |
AZT/3TC/LPV/r | 0.00 | 0.00, 0.00 | >0.9 |
TDF/3TC/ATV/r | 0.50 | 0.02, 14.4 | 0.6 |
TDF/3TC/DTG | 0.52 | 0.02, 13.1 | 0.6 |
TDF/3TC/LPV/r | 0.20 | 0.00, 7.96 | 0.4 |
bmi | 1.05 | 1.02, 1.07 | <0.001 |
tobacco_consumption | |||
NO | — | — | |
YES | 0.63 | 0.36, 1.06 | 0.093 |
alcohol_consumption | |||
NO | — | — | |
YES | 0.61 | 0.41, 0.90 | 0.015 |
diabetes_pos | |||
FALSE | — | — | |
TRUE | 1.82 | 0.72, 4.55 | 0.2 |
dislipidemia_pos | |||
FALSE | — | — | |
TRUE | 2.28 | 1.68, 3.09 | <0.001 |
underweight_pos | |||
FALSE | — | — | |
TRUE | 0.68 | 0.46, 0.98 | 0.041 |
overweight_pos | |||
FALSE | — | — | |
TRUE | 1.37 | 0.88, 2.10 | 0.2 |
hypertension_pos | |||
FALSE | — | — | |
TRUE | 1.58 | 1.15, 2.15 | 0.004 |
ncd_pos | |||
FALSE | — | — | |
TRUE | 1.54 | 1.19, 2.00 | 0.001 |
infectious_pos | |||
FALSE | — | — | |
TRUE | 1.04 | 0.64, 1.64 | 0.9 |
time_hiv_diagnosis | |||
> 12 months | — | — | |
6-12 months | 1.00 | 0.35, 2.60 | >0.9 |
< 6 months | 1.12 | 0.47, 2.52 | 0.8 |
1OR = Odds Ratio, CI = Confidence Interval | |||
Al momento risultano significativamente associate ad alti valori di gfr le seguenti variabili:
età,
bmi,
dislipidemia,
ipertensione e
ncd_pos (vuol dire che hanno almeno una delle NCDs che abbiamo investigato nello studio)
Risultano, invece, fattori protettivi (eGFR più basso):
sesso maschile,
underweight.
Successivamente, solo per le variabili continue (età, numero di giorni dalla diagnosi di HIV e bmi) è stata effettuata una regressione lineare univariata rispetto ai valori numerici di gfr senza dividerlo in classi.
Characteristic | N | Beta | 95% CI1 | p-value |
|---|---|---|---|---|
age_years | 1,042 | -0.80 | -1.0, -0.56 | <0.001 |
date_of_hiv_diagnosis | 1,035 | 0.00 | 0.00, 0.00 | 0.005 |
bmi | 1,040 | -1.1 | -1.8, -0.54 | <0.001 |
blood_pressure_systolic_mm_hg | 1,038 | -0.20 | -0.35, -0.05 | 0.008 |
blood_pressure_dyastolic_mm_hg | 1,038 | -0.20 | -0.43, 0.03 | 0.090 |
got | 1,041 | -0.11 | -0.25, 0.02 | 0.11 |
gpt | 1,041 | -0.02 | -0.19, 0.16 | 0.9 |
blood_sugar_result | 1,037 | -1.9 | -3.1, -0.61 | 0.004 |
hb | 1,041 | -1.4 | -2.8, -0.07 | 0.039 |
cholesterol_total | 1,041 | -0.19 | -0.24, -0.14 | <0.001 |
trigliceridemia | 1,042 | -0.01 | -0.01, 0.00 | 0.077 |
1CI = Confidence Interval | ||||
Inserendo nella regressione lineare anche le altre variabili continue presenti nel dataset risulata che il gfr diminuisca all’aumentare: dell’età, del bmi, della pressione sistolica, del blood sugar, dell’hb e del colosterolo totale.
Per vedere quale variabile è indipendentemente associata all’aumento del gfr è stata eseguita una regressione lineare multivariabile:
| Characteristic | exp(Beta) | 95% CI1 | p-value |
|---|---|---|---|
| age_years | 0.53 | 0.41, 0.69 | <0.001 |
| date_of_hiv_diagnosis | 1.00 | 1.00, 1.00 | 0.6 |
| bmi | 0.40 | 0.22, 0.74 | 0.003 |
| blood_pressure_systolic_mm_hg | 1.05 | 0.86, 1.28 | 0.6 |
| blood_pressure_dyastolic_mm_hg | 0.99 | 0.73, 1.34 | >0.9 |
| got | 0.82 | 0.70, 0.97 | 0.024 |
| gpt | 1.10 | 0.89, 1.36 | 0.4 |
| blood_sugar_result | 0.74 | 0.21, 2.61 | 0.6 |
| hb | 0.50 | 0.13, 1.95 | 0.3 |
| cholesterol_total | 0.85 | 0.81, 0.89 | <0.001 |
| trigliceridemia | 1.00 | 0.99, 1.00 | 0.5 |
| 1 CI = Confidence Interval | |||
Da quest’analisi risultano associati all’aumento del gfr età, bmi, got e colesterolo totale.
L’associazione negativa con alcune di queste covariate (età, bmi e colesterolo totale) potrebbe essere spiegata dalla presenza di variabili confondenti, dalla multicollinearità o dalla presenza di interazione tra le variabili, tutti effetti che scompaiono poi nell’analisi multivabiabile che “aggiusta” eventuali distorsioni.
Abbiamo eseguito un’analisi multivariabile con le variabili da voi indicate e quelle risultate significative nell’univariata.
Nella multivariabile ho eliminato la dislipidemia e inserito il colesterolo totale e i trigliceridi (come da voi indicato):
| Characteristic | OR1 | 95% CI1 | p-value |
|---|---|---|---|
| bmi | 1.01 | 0.97, 1.05 | 0.5 |
| age_years | 1.04 | 1.03, 1.06 | <0.001 |
| cholesterol_total | 1.01 | 1.01, 1.01 | <0.001 |
| trigliceridemia | 1.00 | 1.00, 1.00 | 0.2 |
| hypertension_pos | |||
| FALSE | — | — | |
| TRUE | 1.19 | 0.76, 1.85 | 0.4 |
| ncd_pos | |||
| FALSE | — | — | |
| TRUE | 0.92 | 0.58, 1.46 | 0.7 |
| sex | |||
| FEMALE | — | — | |
| MALE | 0.22 | 0.14, 0.34 | <0.001 |
| alcohol_consumption | |||
| NO | — | — | |
| YES | 1.04 | 0.65, 1.66 | 0.9 |
| underweight_pos | |||
| FALSE | — | — | |
| TRUE | 1.03 | 0.55, 1.94 | >0.9 |
| 1 OR = Odds Ratio, CI = Confidence Interval | |||
Dopo questa correzione il danno renale risulta associato al colesterolo totale (oltre che all’età e al sesso maschile come fattore protettivo).