Menopause in the All of Us Research Program: A Descriptive Summary of Electronic Health Record and Survey Response across Sociodemographic Characteristics

Dit onderzoek beschrijft de kenmerken van menopauze-gerelateerde gegevens in het All of Us Research Program, waarbij wordt geconstateerd dat vragenlijsten aanzienlijk meer menopauze-observaties vastleggen dan EHR-diagnosecodes en dat de leeftijdsverdeling over het algemeen overeenkomt met verwachtingen, hoewel er enige discrepanties zijn tussen de databronnen en sociodemografische groepen.

De kern

Titel: De Grote Vrouwen-Gezondheidskaart: Wat we leren over de overgang in de 'All of Us'-database

Stel je voor dat de All of Us-onderzoeksprogramma een gigantische bibliotheek is. In plaats van boeken, bevat deze bibliotheek de gezondheidsverhalen van bijna een half miljoen Amerikanen. Deze auteurs hebben zich in deze bibliotheek verdiept in één specifiek hoofdstuk: de overgang (menopauze).

Hier is wat ze hebben ontdekt, vertaald in simpele taal met een paar creatieve vergelijkingen.

1. Het Grote Verschil: De Formele Versie vs. Het Eigen Verhaal

De onderzoekers keken naar twee soorten bronnen in de bibliotheek:

• De EHR (Elektronisch Gezondheidsdossier): Dit is als het officiële administratiekantoor. Hier staan de medische diagnoses die artsen hebben ingevoerd.
• De Enquête: Dit is als een openhartig gesprek met de vrouw zelf, waar ze vertelt hoe ze zich voelt en wat er in haar lichaam gebeurt.

De verrassing:
Het bleek dat de enquête zeven keer meer verhalen over de overgang bevatte dan het administratiekantoor!

• De analogie: Stel je voor dat je op een feestje bent. In het officiële gastenboek (de EHR) staat misschien alleen geschreven dat "er iemand is". Maar als je de gasten zelf vraagt (de enquête), vertellen ze je dat ze net hun 50e verjaardag hebben gevierd, dat ze last hebben van hitteopwellingen en dat ze een belangrijke levensfase hebben bereikt.
• Conclusie: Veel vrouwen zijn in het medische systeem niet als "in de overgang" geregistreerd, terwijl ze dat in werkelijkheid wel zijn. De artsen schrijven het vaak niet op, tenzij het direct te maken heeft met een medicijn of een operatie.

2. De Leeftijd: Een Piek op de 65-jarige

Als je kijkt naar de leeftijd waarop vrouwen in de enquête zeggen dat ze in de overgang zijn, zie je een mooi, natuurlijk patroon: de meeste vrouwen zijn ergens tussen de 40 en 60 jaar. Dit klopt met wat we biologisch weten.

Maar toen ze keken naar de officiële medische dossiers, zagen ze iets vreemds: er was een enorme piek bij vrouwen van 65 jaar.

• De analogie: Het is alsof je een foto maakt van een menigte mensen en plotseling zie je dat iedereen die op de foto staat precies 65 jaar oud is. Dat is natuurlijk niet waar.
• De oorzaak: Waarschijnlijk komt dit omdat vrouwen op hun 65e vaak overstappen op Medicare (een Amerikaans zorgverzekeringssysteem voor ouderen). Op dat moment worden hun medische gegevens misschien beter geregistreerd of gecontroleerd, waardoor de overgang plotseling "opduikt" in de administratie, terwijl het al jaren geleden is gebeurd.

3. De Puzzelstukjes: Genen, Verhalen en Medische Kaarten

De onderzoekers probeerden ook te kijken of ze de drie belangrijkste puzzelstukjes konden samenvoegen:

1. Medische dossiers (EHR)
2. Eigen verhalen (Enquête)
3. Genetische data (DNA)

Het resultaat:

• Bijna iedereen had een eigen verhaal (enquête).
• Iedereen had DNA-data.
• Maar slechts een klein groepje (ongeveer 9%) had alle drie de stukjes: een medische diagnose, een eigen verhaal én DNA-data.
• De les: Als je wilt onderzoeken hoe genen de overgang beïnvloeden, moet je heel goed opletten. Je kunt niet alleen kijken naar de medische dossiers, want daar mis je bijna iedereen. Je moet de "verhalen" van de vrouwen gebruiken om je onderzoek te bouwen.

4. Waarom is dit belangrijk?

Stel je voor dat je een huis wilt bouwen (een medisch onderzoek) om te begrijpen hoe de overgang het risico op hartziektes of botontkalking vergroot.

• Als je alleen kijkt naar de medische dossiers, heb je te weinig bouwstenen en mis je veel details. Je huis wordt klein en onvolledig.
• Als je kijkt naar de verhalen van de vrouwen, heb je een overvloed aan bouwstenen. Je kunt een groot, stevig huis bouwen dat de echte wereld beter weergeeft.

Samenvatting in één zin

Deze studie zegt ons: Luister naar de vrouwen zelf. Hun verhalen over de overgang zijn veel rijker en vollediger dan wat er in de medische administratie staat, en dat is cruciaal om betere gezondheidszorg en onderzoek te ontwikkelen voor iedereen, ongeacht hun achtergrond.

De onderzoekers hopen dat deze bevindingen helpen om in de toekomst de medische dossiers beter te laten aansluiten bij de werkelijkheid, zodat niemand meer "onzichtbaar" is in de gezondheidszorg.

Technische samenvatting

Probleemstelling

De overgang naar de menopauze is een kritieke fysiologische fase met aanzienlijke gevolgen voor gezondheidsuitkomsten, zoals cardiovasculaire en metabole ziekten. Ondanks het klinische belang wordt de menopausestatus in grote cohortstudies vaak onvoldoende of inconsistent gemeten.

• Data-kwaliteit: Elektronische Gezondheidsrecords (EHR) missen vaak complete documentatie van de menopauze, terwijl survey-data (zelfrapportage) wel beschikbaar is maar niet altijd gekoppeld kan worden aan klinische data.
• Gevolgen: Het ontbreken van nauwkeurige menopauze-data beperkt de mogelijkheid om symptoomvariatie, behandelingsrespons en gezondheidsrisico's gerelateerd aan de menopauzeovergang te beoordelen.
• Doel: Er is behoefte aan een grondige karakterisering van de beschikbare menopauze-data in de All of Us Research Program (AoURP) dataset om toekomstige onderzoeksontwerpen, steekproefstrategieën en power-berekeningen te kunnen onderbouwen.

Methodologie

De auteurs voerden een beschrijvende analyse uit op de All of Us Research Program (AoURP) dataset (versie 8, met aanvullende analyses op versie 7).

• Populatie: Ongeveer 396.000 deelnemers met een vrouwelijke sekse (gebaseerd op geboortesex).
• Data-modi:
  1. EHR-data: Gebruik van gestructureerde diagnosecodes (SNOMED CT) voor menopauze en gerelateerde aandoeningen (bijv. ovariumfalen, vasomotorische stoornissen). De oudste datum van voorkomen werd gebruikt om de leeftijd te bepalen.
  2. Survey-data: Data uit de "Women's Health Questionnaire" binnen de "Overall Health survey". Vragen betroffen het stoppen van de menstruatie (permanente stop, reden: natuurlijk, chirurgie, medicatie), en geschiedenis van hysterectomie of ovariectomie.
  3. Genomische data: Kruisverificatie met short-read whole-genome sequencing (srWGS) data.
  4. Sociodemografische variabelen: Leeftijd, ras, etniciteit, opleidingsniveau en inkomen.
• Analyse:
  • Berekening van beschrijvende statistieken (steekproefomvang, mediaan, interkwartielafstand) voor leeftijd en menopauze-status.
  • Analyse van de overlap (intersectie) tussen EHR, survey en genomische data.
  • Vergelijking van leeftijdsdistributies tussen de verschillende databronnen en sociodemografische groepen.
  • Toepassing van privacyregels: steekproefgroottes ≤ 20 werden verduisterd en groottes > 20 afgerond op veelvouden van 5.

Belangrijkste Bijdragen

1. Eerste uitgebreide karakterisering: Dit is een van de eerste studies die de omvang en kwaliteit van menopauze-data in een groot, divers, Amerikaans precisiegeneeskundecohort (AoURP) kwantificeert.
2. Validatie van data-bronnen: Het onderzoek vergelijkt systematisch de volledigheid van EHR-diagnoses versus zelfgerapporteerde survey-data.
3. Identificatie van bias: Het onderzoek blootlegt systematische onderregistratie in EHR's en mogelijke recall-bias in survey-data bij oudere leeftijdsgroepen.
4. Richtlijnen voor onderzoekers: De studie biedt concrete richtlijnen voor het definiëren van fenotypes en het plannen van studies met AoURP-data, met name voor onderzoek naar genoom-omgevingsinteracties bij de menopauze.

Resultaten

• Onderschatting in EHR: Survey-data registreerde ongeveer 7 keer meer menopauze-observaties (193.000) dan gestructureerde EHR-diagnoses (28.000).
  • Bijna alle vrouwen (99%) met een EHR-diagnose van menopauze rapporteerden dit ook in de survey.
  • EHR-codes waren geconcentreerd na de leeftijd van 45, met een opvallende piek op 65 jaar, wat wijst op een rapportage-artefact (mogelijk gerelateerd aan Medicare-dekking).
• Leeftijdsdistributie:
  • Survey-data toonde een verwachte verdeling: deelnemers <40 jaar rapporteerden voornamelijk pre-menopauze, en >60 jaar post-menopauze.
  • Een kleine subset (~4% van vrouwen >70 jaar) rapporteerde echter geen menopauze, wat wijst op antwoord- of recall-bias.
• Onderzoek naar oorzaak van EHR-tekort: De onderregistratie in EHR's bleek niet afhankelijk te zijn van het type menopauze (natuurlijk vs. chirurgisch). Dit suggereert dat het een systematisch probleem is van documentatie in de klinische praktijk, en niet van een discrepantie tussen databronnen.
• Symptoomregistratie: Symptomen zoals vasomotorische klachten (bijv. hot flashes) waren bijna afwezig in de gestructureerde EHR-data (<20 observaties), wat een grote lacune in de data-documentatie aangeeft.
• Sociodemografische verschillen: Er waren slechts geringe verschillen in de leeftijdsdistributie van de menopauze tussen verschillende ras- en etniciteitsgroepen. Waargenomen verschillen leken voornamelijk te worden gedreven door de onderliggende leeftijdsverdeling van de totale steekproef per groep, en niet door specifieke menopauze-effecten.
• Genomische intersectie: Ongeveer 9% van de vrouwen met genomische data had ook EHR-data over menopauze, terwijl 99% survey-data had. Dit betekent dat voor geïntegreerde analyses (EHR + Survey + Genomica) de steekproefomvang aanzienlijk kleiner is dan voor survey-alleen analyses.

Betekenis en Conclusie

Deze studie is van fundamenteel belang voor het gebruik van de AoURP-dataset in menopauze-onderzoek:

• Data-strategie: Onderzoekers moeten zich realiseren dat EHR-data alleen onvoldoende is om de menopauze-populatie te identificeren; survey-data is essentieel voor voldoende statistische power.
• Fenotype-definitie: Voor nauwkeurige analyses moet men rekening houden met de onderregistratie in EHR's en de mogelijke bias in survey-data bij zeer oude deelnemers.
• Toekomstig onderzoek: De studie legt de basis voor toekomstige studies die de link onderzoeken tussen menopauze, genetica en gezondheidsuitkomsten (zoals cardiovasculaire ziekten). Het benadrukt de noodzaak om de leeftijd van de menopauze (in plaats van alleen de observatiedatum) beter te documenteren in zowel EHR's als surveys.
• Gezondheidsequity: Door de diversiteit van de AoURP-populatie te benutten, kan men beter begrijpen hoe sociodemografische factoren de menopauze-ervaring en gerelateerde gezondheidsrisico's beïnvloeden, wat bijdraagt aan meer rechtvaardige gezondheidszorg.

Kortom, dit werk fungeert als een noodzakelijke "roadmap" voor onderzoekers die de complexiteit van menopauze-data in grote biobanken willen navigeren.