Diabetes and Tuberculosis: harmonization of population-based datasets

几十年来，医学界经常将两种截然不同的疾病视为住在不同房间里的病症。一边是非传染性疾病，如糖尿病这类随时间缓慢发展的慢性疾病，通常与生活方式和遗传有关；另一边是传染病，如结核病，由在人与人之间传播的细菌引起。尽管医生和研究人员早已知道这两种状况经常出现在同一个人身上，但将它们作为一个整体进行研究却出人意料地困难。大多数大型公共卫生研究旨在只观察等式的一侧。一项大规模调查可能会追踪数千人以了解心脏病和糖尿病，但它往往缺乏特定的问题来查明谁也曾接触过结核病。相反，专注于传染病的研究可能缺乏深入的长期健康数据，无法理解糖尿病在其中扮演的角色。这种分离导致了我们对这两种疾病如何相互作用的理解出现了空白，使得保护那些同时面临这两种威胁的最脆弱人群变得更加困难。

埃默里大学（Emory University）的一个研究小组现在为这一差距架起了一座桥梁。他们并没有去招募成千上万的新志愿者或开始一项全新的医学试验。相反，他们采取了一种不同的方法：他们去寻找已经存在的数据。他们找到了来自美国的四个主要的、成熟的健康信息库——有些是追踪多年的人群数据，有些则是对国家健康状况在特定时间的快照。这些数据集最初是为了研究心脏病、代谢和一般营养而创建的。研究人员意识到，如果他们能够仔细清洗并重新组织这些庞大的信息堆，他们就能从这些“隐藏在众目睽睽之下”的数据中提取出关于糖尿病和结核病的特定细节。他们的目标是创建一个单一的、可用的资源，供其他科学家研究这两种疾病之间的联系，而无需从头开始。

该团队使用了四个不同的信息源。其中三个是基于人群的研究，这意味着它们从广泛的人群中收集数据，以代表更广泛的公众。一个是针对年轻人、已持续运行数十年的长期研究；另一个专门针对美国多个城市的西班牙裔和拉丁裔社区；第三个是全国性的健康调查，通过访谈和检查来自全国各地的人员来进行。第四个来源则有所不同；它是一个庞大的研究项目，将志愿者直接与其电子病历连接起来，使研究人员能够看到医院和诊所中诊断发生的实际日期和细节。研究人员花了数月时间审查每个来源的问卷和医疗代码。他们必须将不同的提问方式转化为一种统一且一致的语言。例如，一个研究可能会询问一个人是否曾被告知患有糖尿病，而另一个研究可能会查看血液检测结果。团队制定了一套规则，以确保在每个数据集中“糖尿病”的含义完全相同，并且“结核病”无论是在自我报告的回答中还是在医生的文件代码中，都能使用相同的标准进行识别。

一旦数据经过清洗和合并，结果就揭示了这两种状况之间隐藏的重叠。在包括数万人规模的三个基于人群的研究中，研究人员识别出了116名符合同时患有糖尿病和结核病标准的独特个体。这些不仅仅是随机的数字，它们代表了来自不同背景、年龄和地区的真实个体。数据显示，在某些群体中，例如那项针对年轻人的长期研究，随着参与者年龄的增长，同时患有这两种疾病的人数也在增加。在捕捉国家快照的全国性调查中，研究人员在20世纪90年代末和2011年都发现了病例，这表明这种共存现象并非新现象，而是一种持续存在的现象。分析还提供了关于这些人的详细情况，包括他们的年龄、性别和背景，从而为受这种双重负担影响的人口统计特征提供了更清晰的图景。

源自电子病历的第四个数据集提供了另一种形式的洞察，因为它能够追踪诊断的确切时间。在这里，研究人员发现了484名同时患有这两种疾病的独特个体。这个较大的样本量使他们能够观察事件的先后顺序。他们发现，对于许多人来说，糖尿病是在结核病之前被诊断出来的，这表明代谢性疾病可能使他们更容易受到感染。对于其他人来说，顺序则相反，即结核病先于糖尿病出现。还有一些病例中，两种诊断被记录在同一时间。这种观察时间线的能力至关重要，因为它有助于科学家理解哪种疾病可能是另一种疾病的诱因，或者它们是否仅仅是因为共同的风险因素而同时发生。研究人员指出，虽然在人口调查中的双病患者人数相对较少，但事实证明，在并非专门为此设计的数据库中能够找到他们，本身就是一项显著的成就。

这项工作不仅提供了一份数字清单，还为未来提供了一个工具包。研究人员发布了详细的指南和计算机代码，解释了他们是如何寻找和组织这些信息的。这意味着其他科学家不必再花费数年时间独自摸索如何处理这些复杂的数据库。他们可以使用这些工具来提出新的问题，例如是否某些类型的糖尿病会带来更高的结核病风险，或者同时患有这两种疾病的人与仅患有其中一种疾病的人相比，其长期预后有何不同。研究人员承认，他们的工作存在局限性。他们使用的数据集最初并不是为了研究结核病而建立的，因此一些细节（例如感染具体影响了身体的哪个部位）是缺失的。他们还指出，由于数据依赖于自我报告或医疗代码，如果人们忘记了诊断或诊断从未被记录，可能会遗漏一些病例。然而，他们认为，对于像结核病这样严重的疾病，在他们检查的医疗系统中，不太可能出现完全未被记录的情况。

通过将这些零散的数据整合在一起，该团队证明了现有的用于研究慢性疾病的庞大资源可以被重新利用，以应对传染病带来的挑战。他们表明，研究非传染性疾病与传染病之间的障碍并不是一堵墙，而是一扇可以通过正确的钥匙打开的门。这种新的基础设施允许研究人员在无需等待启动新的、昂贵的实验的情况下向前推进。它提供了一种快速测试想法并生成关于糖尿病与结核病如何相互作用的证据的方法，从而可能带来更好的预防和护理策略。最终目标是将这两个研究领域整合起来，确保那些同时遭受这两种疾病折磨的人被作为一个整体来理解和治疗，而不是被视为两个独立的问题。