精准医学中的健康不平等:基因组研究中少数族裔与土著少数群体代表性的系统综述

《European Journal of Human Genetics》:Health inequalities in precision medicine: A systematic review

【字体: 大 中 小 】 时间:2026年10月08日 来源:European Journal of Human Genetics 4.6

编辑推荐:

  精准医学(precision medicine)旨在通过基于个体遗传变异提供个性化治疗来革新医疗保健。研究人员开展了一项系统综述(systematic review),以探讨精准医学中的民族不平等,重点关注英国或其他具有相似医疗体系的高收入国家中任何医疗环境下

  
精准医学(precision medicine)旨在通过基于个体遗传变异提供个性化治疗来革新医疗保健。研究人员开展了一项系统综述(systematic review),以探讨精准医学中的民族不平等,重点关注英国或其他具有相似医疗体系的高收入国家中任何医疗环境下基因组研究报告中少数族裔或土著少数群体的代表性。检索了七个电子数据库(MEDLINE、EMBASE、PsycINFO、CINAHL、ProQuest Central、ASSIA和Scopus),检索时间自建库至2022年10月。两名作者独立筛选论文、提取数据并评估质量。本综述纳入137项研究,并进行了叙述性综合(narrative synthesis)。该综述纳入全基因组关联研究(genome-wide association studies, GWAS)及多基因风险评分(polygenic risk scores, PRS)相关研究,并一致发现这些研究未能报告或未充分报告某些少数族裔或土著少数群体的基因组结果。其下游影响削弱了该研究改善高收入国家多民族人群基因组服务的价值。通过有针对性地从这些代表性不足的社区招募参与者,可改善这一状况。综述注册:2022年11月在国际系统综述前瞻性注册库(International Prospective Register of Systematic Reviews, PROSPERO)注册;ID:CRD42022371245。
Introduction
精准医学(precision medicine)通过个体基因、环境和生活方式差异定制疾病预防与治疗,拒绝“一刀切”模式。基因组技术进步使早期疾病检测和个性化治疗成为可能,例如利用基因型信息判断卡马西平严重副作用,并通过基因组分析改善癌症结局。然而,精准医学尤其基因组学可能加剧某些少数族裔的健康不平等,这些群体常难以获得精准医学服务且在研究中的代表性不足。英国“Genome UK: the future of healthcare”10年战略未直接考虑如何解决健康不平等。为理解不平等,需要区分种族(race)、族裔(ethnicity)和祖先(ancestry):race是基于肤色等身体特征的社会建构,无遗传基础;ethnicity涉及社会和文化身份;ancestry指遗传谱系。基因组研究中这些术语有时被互换使用,可能导致误解。

Aim
探讨精准医学中的族裔不平等,重点为英国或其他具有相似医疗体系的高收入国家中基因组研究报告对少数族裔或土著少数群体的代表性。

Methods
开展系统综述,方案注册于PROSPERO(CRD42022371245),并获得诺丁汉大学医学与健康科学学院伦理委员会批准(FMHS 32-0722)。

Inclusion criteria
Participants/population:医疗服务使用者。Phenomenon of interest:精准医学(定义为基因组或遗传研究,聚焦基因组进展和大数据分析在诊断、治疗及预测或预防保健中的开发与应用)且涉及至少一个少数族裔或土著少数群体。Exposure:至少一个少数族裔群体,可为聚合或分解群体;族裔可自我报告或由他人依据公认分类、出生地、国籍或迁移状态判定。Comparator:如有,为非少数族裔群体。Outcomes:遗传数据库中的代表性、多基因风险评分(PRS)中的代表性或类似风险测量。Context:英国或其他具有相似医疗体系的高收入国家的任何医疗环境,包括初级、二级和三级护理。Study design:所有全文定量研究设计,包括但不限于随机对照试验(randomised control trials, RCTs)、比较或非比较观察性研究、荟萃分析和混合方法研究;定性研究被排除于分析之外。

Search strategy
考虑英文发表和未发表研究。检索MEDLINE、EMBASE、PsycINFO、CINAHL、ProQuest Central、ASSIA和Scopus,自建库至2022年10月;无语言或出版日期限制;使用医学主题词(MeSH)和关键文本词组合。

Study selection and data extraction
两名作者独立筛选标题、摘要和全文,分歧通过共识或第三名作者解决。两名作者独立提取数据,使用预试数据提取表,分歧由研究团队讨论达成共识。提取内容包括研究设计、目的、数据库性质、少数族裔识别方式、分析纳入方式、参与者总数和少数族裔数量、社会经济剥夺信息、分析报告情况、讨论解释及局限性说明。使用Cochrane Equity Methods Group和Cochrane Public Health Review Group开发的PROGRESS-Plus框架提取影响健康公平的特征。

Data synthesis
进行叙述性综合(narrative synthesis),描述研究特征和方法、纳入的少数族裔或土著少数群体、以及其在结果、分析、讨论和结论中的纳入方式。

Results
Study inclusion
共识别10,984条题录,去重后筛选9,125条标题和摘要,1,482篇全文评估,排除1,345篇,原因包括人群不合格(n=617)、会议摘要(n=221)、结局不合格(n=152)、研究设计不合格(n=68)、综述(n=52)、重复(n=9)或无法获取全文(n=1)。最终137项研究纳入。

Studies characteristics
137项定量研究,包括2项干预性研究、5项荟萃分析、19项病例对照研究、48项队列研究、2项横断面研究和61项分析基因组数据库的观察性研究。涉及多个医学专业疾病或健康状况。参与者总数范围为17至3,902,748。约50%(69项)使用英国生物样本库(UK Biobank, UKBB),22%(30项)将其他数据库与UKBB结合,28%(38项)使用其他数据库。其他数据库包括100,000 Genomes Project、Biobank Japan、Trans-Omics for Precision Medicine(TOPMed)项目、Million Veteran Program(MVP)以及来自孟加拉国、印度、乌干达、韩国、芬兰、中国、土耳其和伊朗的队列。另识别4项定性研究,但其主题未与定量分析对齐,结果在讨论中总结。多数研究通过自我报告族裔识别少数族裔,或联合遗传数据主成分分析;一项研究仅用基因组数据推断祖先。

Descriptive overview of the methodology and findings of the included studies
所有数据库或数据源均报告纳入少数族裔或土著少数群体,但35项研究未将其纳入主分析。61项研究使用回归分析,18项使用全基因组关联分析(GWAS),12项使用荟萃分析,7项使用卡方检验,7项使用跨族裔验证。

Sample sizes and proportion of studies reporting ethnic minorities or indigenous minority groups
94.9%(n=123)报告总参与者数,88.3%(n=121)报告特定少数族裔或土著少数群体招募数。121项中7项(5%)仅以“非高加索人”或“非欧洲人”数据表明少数族裔参与,未说明具体族裔背景。UKBB来源研究的平均队列规模为313,992,平均7.2%为少数族裔;UKBB联合其他数据库的平均队列为273,399,平均7%;其他数据库平均队列为70,979,平均4.6%为少数族裔。

Demographic characteristics of ethnic minorities or indigenous minority group participants
79项(57.7%)报告少数族裔参与者人口学数据。常见参数包括年龄(20.4%,n=28)、性别(16.8%,n=23)和身体质量指数(BMI)(9.5%,n=13)。16.8%(n=23)报告研究特定人口学数据,如产次、教育水平、体力活动、饮食和收入状况。

Analysis of ethnic minorities or indigenous minority group participants in included studies
120项(87.6%)在结果部分文本中纳入少数族裔。其中100项(73.0%)对少数族裔参与者的基因组数据进行统计分析,20项(14.6%)仅在人口学数据中识别少数族裔,未进一步统计分析。

Inclusion of ethnic minorities or indigenous minority groups in the discussion of included studies
96项(略高于70%)在讨论部分考虑少数族裔参与者,但广度和深度不一。60项(43.8%)在讨论中将缺乏少数族裔参与列为研究局限;43项(31.4%)在结论部分强调少数族裔参与基因组研究的重要性。

Discussion
Principal findings
一致证据表明少数族裔在基因组和相关大型人群数据库中代表性不足。本综述进一步显示,当发表中提及少数族裔参与者时,信息常限于基本描述;因多数研究使用UKBB,这些信息在多项研究中相同。对纳入少数族裔的基因组分析也较表面,结果和讨论中很少解释。约一半发表未将缺乏少数族裔代表性视为局限。

Additional findings and related literature
仅17%(n=23)报告少数族裔参与者特定人口学数据,如产次、教育、体力活动、饮食和收入,这对评估交叉性及其与遗传特征关系关键。族裔数据在分析中通常作为多变量和机器学习分析的协变量,而非识别少数族裔与“欧洲”群体间临床有意义的差异。近期研究有针对性采样和分析少数族裔数据,可改善临床诊断,但需足够样本量以避免低统计效能。GWAS和相关PRS研究继续聚焦欧洲人群,导致PRS对非欧洲人群准确性较低;合并不同族裔PRS可提高预测准确性。代表性挑战包括数据收集方法差异、个人信息使用担忧、历史剥削和种族歧视导致的不信任、社会经济障碍和系统性不平等。需要与族群合作建立信任并增加参与。

Strengths and limitations of the review
本系统综述纳入大量不同方法学研究,提供关于少数族裔或土著少数群体在基因组数据库及其研究报告中代表性不足的稳健证据。局限性包括:检索于2022年进行,后于2026年6月2日在Medline重跑,识别4,549篇符合条件论文,但未在短时间内重做筛选和提取,而是完成前向引文搜索,识别420篇标题和摘要,26篇全文,最终8项研究纳入讨论。多数纳入研究数据来自UKBB,或单独或联合其他数据库,因此一些参与者出现在多项研究中,但这不影响评价单个发表如何纳入少数族裔数据的目标。原计划混合方法综述,但定量研究远多于少量无关定性研究,故仅聚焦定量研究;4项定性研究部分发现已在讨论中报告。

Clinical & research implications
在基因组分析中纳入少数族裔可确保结论可推广,改善表型预测和诊断,同时解决精准医学和基因组医疗可及性中的健康不平等。研究文化必须采用包容性招募方法、过程和报告。需要明确计划,利用既有沟通渠道和公众参与模型接触少数族裔群体。一些基因组研究使用基因组数据库衍生的祖先数据作为族裔替代,类似商业基因组祖先检测,不能识别个体社会文化身份即自我报告族裔;遗传祖先不应替代种族和族裔,但可提供遗传易感性信息。建议对少数族裔群体进行过度采样,改善族裔编码和患者级数据质量。开发风险预测模型如多基因评分(polygenic scores, PGS)时纳入族裔至关重要。研究审批委员会应专门询问申请如何纳入少数族裔参与者。建议制定包容性研究官方指南或政策,类似美国2022年National Institute for Health Clinical Diversity Act;应制定国家平等、多样性和包容性(Equality Diversity and Inclusion, EDI)框架,在将证据实施到实践前批判性评估发表。

Conclusion
本系统综述强调,使用基因组数据集的研究报告中少数族裔群体广泛代表性不足,目前研究聚焦欧洲人群,即使队列中少数样本来自少数族裔或土著少数群体。若多样社区未在研究中代表,存在误解研究结果临床相关性的危险,并会削弱将PGS整合到英国及其他类似高收入国家多族裔人群常见慢性病风险评估中的价值。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号