Summary
عندما تكون التجارب العشوائية غير مجديه ، فان مصدر بيانات الرعاية الصحية الشاملة مثل مستودع بيانات النظام الصحي العسكري يوفر بديلا جذابا للتحليلات الاستعاديه. ويساعد إدماج بيانات الوفاات من مؤشر الوفاات الوطني وموازنة الاختلافات بين المجموعات التي تستخدم ترجيح الميل علي تقليل التحيز المتاصل في التصاميم الرجعية.
Abstract
عندما تكون التجارب العشوائية غير مجديه ، فان الدراسات الاستعاديه باستخدام البيانات الكبيرة توفر بديلا فعالا ومجديا من حيث التكلفة ، علي الرغم من انها معرضه لخطر التحيز في اختيار العلاج. يحدث التحيز اختيار العلاج في دراسة غير معشاه عندما يستند اختيار العلاج علي خصائص ما قبل العلاج التي ترتبط أيضا مع النتيجة. هذه الخصائص السابقة للمعالجة ، أو مربكه ، يمكن ان تؤثر علي تقييم تاثير العلاج علي النتيجة. وتقلل درجات الميل من هذا التحيز من خلال موازنة المربكة المعروفة بين مجموعات العلاج. وهناك عدد قليل من النهج لأداء التحليلات درجه الميل ، بما في ذلك تقسيمها من قبل درجه الميل ، ومطابقه الميل ، والاحتمال العكسي لترجيح العلاج (IPTW). الوصف هنا هو استخدام IPTW لتحقيق التوازن بين الامراض المصاحبة الاساسيه في مجموعه من المرضي داخل مستودع بيانات النظام الصحي العسكري الأمريكي (المقاوم للادويه البيولوجية). وتعد المجموعة مصدر بيانات أمثل نسبيا ، حيث انها توفر مجموعه متكاملة من المعلومات التي تكاد تكون كامله عن خدمات المرضي الداخليين والمرضي الخارجيين متاحه للمستفيدين المؤهلين. ويرد أدناه بيان باستخدام الادويه المدرة للادويه التي تستكمل بمعلومات من الرقم القياسي للوفيات الوطنية لتوفير معطيات قويه عن الوفاات. كما تقدم اقتراحات لاستخدام البيانات الاداريه. وأخيرا ، يشترك البروتوكول في رمز SAS لاستخدام IPTW لموازنة المربكة المعروفة ورسم داله الحدوث التراكمية لنتيجة الفائدة.
Introduction
التجارب العشوائية ، التي تسيطر عليها الغفل هي اقوي تصميم دراسة لقياس فعاليه العلاج ، ولكنها ليست دائما ممكنة بسبب متطلبات التكلفة والوقت أو عدم وجود توازن بين مجموعات العلاج1. في هذه الحالات ، غالبا ما يوفر تصميم المجموعة الاستعاديه باستخدام بيانات اداريه واسعه النطاق ("البيانات الكبيرة") بديلا كفء وفعال من حيث التكلفة ، علي الرغم من ان عدم وجود العشوائية يدخل التحيز اختيار العلاج2. يحدث التحيز في اختيار العلاج في الدراسات غير المعشاه عندما يعتمد قرار العلاج علي خصائص ما قبل المعالجة المرتبطة بنتيجة الفائدة. وتعرف هذه الخصائص بالعوامل المحيرة.
لان الميل عشرات تقليل هذا التحيز عن طريق موازنة مربكه المعروفة بين مجموعات العلاج ، فقد أصبحت شعبيه متزايدة3. وقد استخدمت درجات الميل لمقارنه النهج الجراحية4 والنظم الطبية5. وفي الاونه الاخيره ، استخدمنا تحليل الميل للبيانات من مستودع بيانات النظام الصحي العسكري في الولايات المتحدة لتقييم تاثير الحالات في الوقاية الاوليه من نتائج القلب والاوعيه الدموية استنادا إلى وجود وشده الشريان التاجي الكالسيوم6.
وتحتوي المجموعة علي معلومات شامله عن المطالبات الاداريه والطبية من خدمات المرضي الداخليين والخارجيين المقدمة للخدمة العسكرية والمتقاعدين وغيرهم من المستفيدين من الرعاية الصحية في وزاره الدفاع ومن يعولونهم. وتشمل قاعده البيانات الخدمات المقدمة في جميع انحاء العالم في مرافق المعالجة العسكرية الامريكيه أو في المرافق المدنية التي تقدم إلى وزاره الدفاع. وتتضمن قاعده البيانات بيانات كامله عن الصيدلة منذ 1 أكتوبر 2001. وتتوفر البيانات المختبرية من 2009 ولكنها تقتصر فقط علي مرافق العلاج العسكري. وفي داخل الجمهورية المقاوم للادويه الشاملة ، تم تعريف الأفواج بأساليب تشمل استخدام أكواد التشخيص (مثل مرض السكري7) أو رموز الإجراءات (علي سبيل المثال ، الجراحة بالمنظار8). وبدلا من ذلك ، يمكن مضاهاة مجموعه محدده خارجيا من المستفيدين المؤهلين ، مثل السجل ، بالجماعة المدرة للادويه للحصول علي بيانات خط الأساس والمتابعة9. وعلي عكس الرعاية الطبية ، فان الادويه المدرة للادويه تشمل مرضي من جميع الاعمار. كما انها اقل تحيزا تجاه الذكور من قاعده بيانات VA لأنها تشمل المعالين. غير ان الوصول إلى الادويه المدرة للادويه محدود. وبصفه عامه ، لا يمكن للمحققين الذين هم أعضاء في النظام الصحي العسكري الا ان يطلبوا الوصول ، وهو ما يماثل متطلبات استخدام قاعده بيانات VA. ويجب علي الباحثين غير الحكوميين الساعيين إلى الحصول علي بيانات النظم الصحية العسكرية ان يفعلوا ذلك من خلال اتفاق لتقاسم البيانات تحت اشراف أحد الرعاة الحكوميين.
عند استخدام اي مجموعه بيانات اداريه ، من المهم ان نضع في اعتبارنا القيود وكذلك نقاط القوه في الترميز الإداري. حساسية وخصوصية التعليمات البرمجية يمكن ان تختلف استنادا إلى التشخيص ذات الصلة ، سواء كان التشخيص الاولي أو الثانوي ، أو ما إذا كان هو المرضي الداخليين أو العيادات الخارجية الملف. يتم الإبلاغ عن رموز المرضي الداخليين لاحتشاء عضله القلب الحاد عموما بدقه مع القيم التنبؤيه الايجابيه أكثر من 90%10، ولكن غالبا ما يكون استخدام التبغ غير مشفر11. وقد يكون لهذا النقص في الترميز أو قد لا يكون له تاثير ذي مغزى علي نتائج الدراسة12. بالاضافه إلى ذلك ، قد توجد عده رموز لشرط معين مع مستويات مختلفه من الارتباط بالمرض في السؤال13. وينبغي لفريق التحقيق ان يجري بحثا واستعراضا شاملين للمنشورات الخاصة بالتصنيف الدولي للامراض ، والتنقيح التاسع ، والتعديلات السريرية ، و/أو كتيبات الترميز الخاصة بالتحليل الكتروني للامراض-10 سم لضمان ادراج الرموز المناسبة في الدراسة.
ويمكن استخدام العديد من الطرق لتحسين حساسية ودقه الرموز التشخيصية لتحديد شروط العروض التركيبية. وينبغي ادراج فتره "أعاده نظر" مناسبه لتحديد الامراض المصاحبة الاساسيه. وتشمل فتره البحث خدمات المرضي الداخليين والخارجيين المقدمة قبل التحاق بالدراسة. قد تكون فتره سنه واحده الأمثل14. الاضافه إلى ذلك ، فان اشتراط مطالبتين منفصلتين بدلا من مطالبه واحده يمكن ان يزيد من الخصوصية ، بينما يمكن ان يؤدي تكميل بيانات الترميز بالبيانات الصيدلانية إلى تحسين الحساسية15. تحديد تدقيقات المخطط اليدوي علي جزء من البيانات يمكن استخدامها للتحقق من دقه استراتيجية الترميز.
وبمجرد تحديد الامراض المصاحبة وتقييمها بالنسبة للفئات المعنية ، يمكن استخدام درجه الميل لتحقيق التوازن بين الاختلافات في المتغيرات المختلطة بين مجموعات العلاج. وتستمد درجه الميل من احتمال ان يتم تعيين المريض لعلاج يستند إلى المتغيرات المعروفة. المحاسبة لهذا العلاج الميل يقلل من تاثير ان المتغيرات لديها علي التعيين العلاج ويساعد علي توليد تقدير اصدق من تاثير العلاج علي النتيجة. وفي حين ان درجات الميل لا توفر بالضرورة نتائج متفوقة للنماذج متعددة المتغيرات ، فانها تسمح بتقييم ما إذا كانت المجموعات المعالجة وغير المعالجة قابله للمقارنة بعد تطبيق درجه الميل3. يمكن للمحققين الدراسة تحليل الاختلافات القياسية المطلقة في المتغيرات قبل وبعد مطابقه الميل أو الاحتمالية المعكوسة لترجيح العلاج (IPTW) لضمان توازن المربكة المعروفة بين المجموعات. والاهم من ذلك ان المربكة غير المعروفة قد لا تكون متوازنة ، وينبغي ان يكون المرء مدركا لامكانيه الخلط المتبقي.
عند تنفيذها بشكل صحيح ، علي الرغم من ان عشرات الميل هي أداه قويه التي يمكن التنبؤ وتكرار نتائج التجارب العشوائية التي تسيطر عليها16. من ال يتوفر [ميل-ببس] تقنيات, تلاءم و [ايكتو] عموما يفضل17. في IPTW ، يتم ترجيح المرضي من خلال ميولهم أو احتماليه العلاج. ويوصي عموما الأوزان استقرار علي الأوزان الخام ، في حين ان تقليم الأوزان يمكن أيضا ان تعتبر18،19،20،21.
وبمجرد ان تكون مجموعات الدراسات متوازنة ، يمكن متابعتها حتى نتيجة الاهتمام. وقد تكون الدراسات التي تستخدم البيانات الاداريه مهتمة بنتائج مثل معدلات أعاده القبول وتحليلات الوقت إلى الحدث. في الدراسات المهتمة بالوفاات ، يتضمن مستودع بيانات النظام الصحي العسكري حقلا للوضع الحيوي يمكن زيادته باستخدام مؤشر الوفاات الوطني22،23. المعهد الديمقراطي الوطني هو قاعده بيانات مركزيه لمعلومات سجل الوفاات من مكاتب الولايات التي يديرها مركز مكافحه الامراض. ويمكن للمحققين ان يطلبوا وضعا حيويا أساسيا و/أو سببا محددا للوفاة استنادا إلى شهادة الوفاة.
البروتوكول التالي يفصل عمليه اجراء دراسة قاعده بيانات اداريه باستخدام الادويه المدرة للادويه المضافة مع معلومات عن الوفاات من المعهد الديمقراطي الديموقراطي. وهو يفصل استخدام IPTW لموازنة اختلافات خط الأساس بين مجموعتين من المعالجة بما في ذلك رمز SAS وإخراج المثال.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
ويتبع البروتوكول التالي المبادئ التوجيهية للجان المؤسسية للأخلاقيات البشرية.
1-تعريف الفوج
- تحديد وتحديد معايير التضمين والاستبعاد الخاصة بالمجموعة المخططة باستخدام اما 1) سجل أو 2) نقاط البيانات التي يمكن استخراجها من الادويه المدرة للادويه مثل الرموز الاداريه للتشخيص أو الإجراءات (اي جميع المرضي الذين لديهم أكثر من اثنين تشخيص المرضي الخارجيين أو واحد من المرضي المصابين بالرجفان الأذيني).
- في حاله استخدام سجل ، قم بتضمين اثنين أو أكثر من معرفات المريض للمطابقة الدقيقة مع مستودع بيانات النظام الصحي العسكري مثل رقم السجل الطبي (المدرج في مجموعات بيانات مختلفه مثل patuniq و edipn) ، والاسم الكامل ، وتاريخ الميلاد ، و/أو رقم الضمان الاجتماعي للكفيل.
ملاحظه: كما هو الأمر مع جميع الدراسات التي تستخدم المعلومات الصحية الشخصية ، فان الضمانات مطلوبه ويجب التزام بها. ويجب استخدام التشفير السليم وأداره البيانات اثناء عمليه الجمع ، وينبغي إلغاء تحديد المعلومات في أقرب وقت ممكن.
ملاحظه: عند الرجوع إلى رقم الضمان الاجتماعي لمقدم الرعاية (سبونسن) ، يتم ادراج جميع المرضي فيما يتعلق بعلاقتهم بالعضو العسكري (أو الراعي) ، بما في ذلك معرف الكفيل والزوج والأطفال. كن علي علم بان رمز العلاقة ورقم الضمان الاجتماعي الخاص بالكفيل قد يتغير مع مرور الوقت في مجموعه البيانات عندما يصبح المرضي بالغين ويتزوجون أو يطلقون. التالي ، تساعد معرفات المرضي المتعددة علي ضمان الدقة. - في حاله تعريف المجموعات من خلال الترميز الإداري ، قم باجراء بحث شامل عن المطبوعات لتحديد الدراسات السابقة التي من المحتمل ان تكون قد صدقت علي رموز الفائدة. مراجعه الدليل الكتروني للتصنيف-9-CM24 و/أو التقييم الذاتي للامراض-10 سم25 لتوضيح تعريفات التعليمات البرمجية والرموز المجاورة لضمان استخدام النطاق المناسب من الرموز. الاضافه إلى ذلك ، استعراض الجداول المرجعية الواردة في الادله للنظر في رموز اضافيه للادراج/الاستبعاد. وتتضمن دراسات التحقق المسبق تقارير عن القيمة التنبؤيه الايجابيه والحساسية والخصوصية لمختلف استراتيجيات الترميز الإداري. هذه المساعدة في الاستفادة المثلي من اختيار الفوج وكذلك تحديد النتائج.
- في حاله استخدام سجل ، قم بتضمين اثنين أو أكثر من معرفات المريض للمطابقة الدقيقة مع مستودع بيانات النظام الصحي العسكري مثل رقم السجل الطبي (المدرج في مجموعات بيانات مختلفه مثل patuniq و edipn) ، والاسم الكامل ، وتاريخ الميلاد ، و/أو رقم الضمان الاجتماعي للكفيل.
- تحديد ما إذا كانت هناك قيود (علي سبيل المثال ، استنادا إلى العمر) علي المجموعة المطلوبة أو معايير الاستبعاد الأخرى لتضمينها في طلب البيانات.
- تحديد فتره الدراسة لتضمين الوقت قبل تاريخ الفهرس لجمع المتغيرات الاساسيه (عاده 12 شهرا في أبحاث البيانات الاداريه) وكذلك تاريخ انتهاء الدراسة.
2-تعريف المتغيرات المختلطة والنتائج
- تحديد الأكواد الاداريه للظروف المربكة من خلال عمليات البحث عن الأدبيات واستخدام الكتيبات24 و/أو الرقم المرجعي للتصنيف الكتروني للامراض-10 سم25 والتي تمت في الخطوة 1-1-2 أعلاه.
- تحديد المتغيرات الأخرى الضرورية بما في ذلك الديموغرافيات والادويه والبيانات المختبرية.
- مراجعه حقول البيانات المتوفرة في قاموس البيانات المقاوم للادويه المدرة هنا: https://health.mil/Military-Health-Topics/Technology/Support-Areas/MDR-M2-ICD-Functional-References-and-Specification-Documents.
3. تقديم طلب للحصول علي الادويه المدرة للادويه
- الحصول علي موافقه مجلس المراجعة المؤسسية.
- إكمال تطبيق اتفاقيه مشاركه البيانات التي يمكن العثور عليها هنا: https://health.mil/Military-Health-Topics/Privacy-and-Civil-Liberties/Submit-a-Data-Sharing-Application?type=All#RefFeed. كجزء من التطبيق ، حدد حقول البيانات والملفات المطلوبة علي ورقه العمل الخاصة بمستودع بيانات النظام الصحي العسكري DRT (المرتبطة من نموذج الطلب). حدد ما إذا كان الفريق يطلب من محلل بيانات توفير البيانات الاوليه أو إذا كان الفريق سيقوم بالوصول إلى الادويه المدرة للادويه مباشره. كذلك تحديد ما إذا كان الطلب لسحب البيانات لمره واحده أو إذا كانت تسحب العادية مطلوبه يوميا, شهريا أو سنويا.
ملاحظه: للحصول علي بيانات المدرة للادويه بأي طريقه ، يجب ان يكون هناك كفيل هو موظف حكومي (الخدمة العسكرية الفعلية أو GS) ، الذي عاده ما يكون عضوا في فريق المحققين. - في حاله الوصول إلى الادويه المدرة للادويه مباشره ، أكمل "نموذج طلب الترخيص للادويه الشاملة" و "نموذج ال2875 المقاوم للادويه المتكاملة" الذي يمكن العثور عليه هنا: https://health.mil/Military-Health-Topics/Technology/Support-Areas/MDR-M2-ICD-Functional-References-and-Specification-Documents.
4. الوصول إلى الادويه المدرة للادويه واستخراج البيانات ذات الصلة
- إذا كان الوصول إلى الادويه المدرة للادويه مباشره ، اتبع التعليمات الخاصة بالوصول إلى الادويه المدرة للادويه واستخدامها بما في ذلك متطلبات البرامج وبرامج SAS التي تتوفر في "دليل المستخدم المقاوم للادويه المتعددة" و "دليل العمل المدر للادويه" الموجود هنا: https://health.mil/Military-Health-Topics/Technology/Support-Areas/MDR-M2-ICD-Functional-References-and-Specification-Documents.
ملاحظه: يتم حفظ الملفات بتنسيق SAS ويتم الوصول اليها من خلال shell unix بشكل عام باستخدام المعجون .exe بالاضافه إلى برنامج ftp. مطلوب معرفه SAS. - للحصول علي نظره عامه مفيده من الاعداد المقاوم للادويه المدرة ، راجع دليل وزاره الدفاع للباحثين عن وزاره الدفاع علي استخدام MHS Data https://health.mil/Reference-Center/Publications/2012/10/10/Guide-for-DoD-Researchers-on-Using-MHS-Data.
- كما هو موضح في الخطوة 2.3 ، قم بمراجعه قاموس بيانات الادويه المدرة للادويه للحصول علي معلومات مفصله حول كافة ملفات البيانات المتوفرة https://health.mil/Military-Health-Topics/Technology/Support-Areas/MDR-M2-ICD-Functional-References-and-Specification-Documents.
ملاحظه: لا تتضمن كافة ملفات البيانات كافة معرفات المريض للمطابقة/الدمج. يساعد قاموس البيانات في سرد المعرفات المتوفرة لكل ملف بيانات. وهناك حاجه إلى رقم معرف وزاره الدفاع ، المشار اليه أيضا باسم "patuniq" أو "edipn" ، لاستخراج معلومات الصيدلة ، علي سبيل المثال. ولذلك فان وجود جميع معرفات المرضي المناسبة في خطوه استخراج البيانات مهم لضمان القدرة علي مطابقه جميع معلومات المريض عبر عده سنوات ومجموعات بيانات متعددة. ومن المهم التاكيد مجددا علي ان البحث المتاصل في البحوث التي تشمل PHI ، يتطلب التزام الصارم بإجراءات حفظ البيانات بعد الحصول علي الموافقة اللازمة ، وينبغي تدمير PHI بعد ان تنتفي الحاجة اليها. - الحصول علي معرفات المرضي اللازمة للفوج عن طريق الوصول إلى بيانات المستفيد vm6 (سبتمبر 2002 إلى الوقت الحاضر) أو ملف pben (سبتمبر 2000 – سبتمبر 2002).
- استخدم الماكرو أدناه أو برنامج مشابه لمطابقه بيانات vm6 مع ملف المجموعة النموذجية. في هذه الحالة ، يمكن استخدام الرمز كما هو مكتوب للعثور علي أرقام السجلات الطبية المرضية (MRNs) لمريض معين الاجتماعية التي هي بالفعل في ملف الفوج. استخدم أسماء المتغيرات المختلفة في رسم البيانات vm6 والملفات الفوج لأسماء المرضي وتواريخ الميلاد للمساعدة في التحقق من وجود أخطاء لاحقا. لحماية PHI ، خزن البيانات مع معرفات المريض علي عقده الخدمة في المساحة المتوفرة كجزء من طلب البيانات (انظر دليل المستخدم المقاوم للادويه المتعددة).
ملاحظه: يتم الاشاره إلى MRNs كرقم معرف وزاره الدفاع أو PATUNIQ أو EDIPN في المدرة للادويه).
- كادخالات قاعده البيانات أبدا خاليه تماما من الخطا ، قم باجراء تدقيقات الأخطاء بعد كل خطوه رئيسيه بالاضافه إلى التحقق من سجل البرنامج والإخراج لأي مخاوف محتمله. استخدم الخطوة البيانات أدناه لمراجعه التضاربات المحتملة مع التعليمات البرمجية أعلاه (يتم مطابقه ملفات المريض استنادا إلى المريض/المستفيد الاجتماعية). عند مقارنه الأسماء من الملف الفوج (اسم العائلة ، الاسم الأول) مع الملف vm6 (last_name ، first_name) ، تطابق فقط علي الأحرف الثلاثة الاولي لتقليل الأخطاء الزائفة التي تنشا مع الاختلافات في الإملاء/التباعد بين الملفات.
- مراجعه ملف بيانات الخطا ("checkname"). تجاهل الأخطاء الناتجة عن علامات الترقيم (اورايلي مقابل اورييي). تحقق من الأخطاء الأخرى المتعلقة بالمراجعة اليدوية للسجل الصحي أو النظر في تجاهل معلومات المريض/المريض المعنية في حاله وجود أخطاء كبيره وإذا لم يكن التحقق ممكنا.
- استخدم الماكرو أدناه أو برنامج مشابه لمطابقه بيانات vm6 مع ملف المجموعة النموذجية. في هذه الحالة ، يمكن استخدام الرمز كما هو مكتوب للعثور علي أرقام السجلات الطبية المرضية (MRNs) لمريض معين الاجتماعية التي هي بالفعل في ملف الفوج. استخدم أسماء المتغيرات المختلفة في رسم البيانات vm6 والملفات الفوج لأسماء المرضي وتواريخ الميلاد للمساعدة في التحقق من وجود أخطاء لاحقا. لحماية PHI ، خزن البيانات مع معرفات المريض علي عقده الخدمة في المساحة المتوفرة كجزء من طلب البيانات (انظر دليل المستخدم المقاوم للادويه المتعددة).
- استخراج البيانات المطلوبة المتبقية من الادويه المدرة للادويه.
- إذا لزم الأمر ، والحصول علي العرق والجنس من vm6ben ملفات (pben الملفات قبل سبتمبر 2002) ، ودمج مع ملف الفوج ، والتحقق من وجود أخطاء كما فعلت أعلاه:
- الحصول علي بيانات الوفاة من الملف الرئيسي الموت ، ودمج مع الملف الفوج ، والتحقق من وجود أخطاء كما فعلت أعلاه:
- الحصول علي ملفات بيانات اضافيه مطلوبه للتحليل (راجع دليل المستخدم الوظيفي للادويه المتعددة لموقع البيانات ووحدات الماكرو والتعليمات البرمجية ل SAS المفيدة الاضافيه).
ملاحظه: يتم تخزين البيانات في ملفات منفصلة اعتمادا علي ما إذا كانت تقدم مباشره من قبل نظام الرعاية الصحية العسكرية أو تسليمها في مكان آخر وفواتير لنظام الرعاية الصحية العسكرية. يتم عرض الملفات علي سبيل المثال أدناه.
الكبر – الرعاية المباشرة, ملفات العيادات الخارجية من السنه 2004 حتى الآن
الصدر – الرعاية المباشرة, ملفات العيادات الخارجية من 1998 – 2005
SIDR-الرعاية المباشرة ، والاستشفاء في المستشفيات (الرعاية المباشرة) من 1989 حتى الآن
TEDI – الرعاية الفواتير, ملفات المطالبة المؤسسية في 2001 – الآن
HCSRI – الرعاية المقدمة بالفواتير ، المطالبات المؤسسية في السنوات 1994-2005
TEDNI – فواتير الرعاية ، والمطالبات غير المؤسسية في العام 2001 حتى الآن
HCSRNI – الرعاية المقدمة بالفواتير ، والمطالبات غير المؤسسية في السنوات 1994-2005
PDTS – ملف الصيدلة مع الوصفات الفردية في العام 2002 – الآن
- إذا لزم الأمر ، والحصول علي العرق والجنس من vm6ben ملفات (pben الملفات قبل سبتمبر 2002) ، ودمج مع ملف الفوج ، والتحقق من وجود أخطاء كما فعلت أعلاه:
5. دمج البيانات وبناء الملفات الصيفية
- ما إذا كان يتم الحصول علي البيانات من محلل البيانات أو الحصول عليها مباشره من الادويه المدرة للادويه علي النحو المبين في القسم 4 أعلاه ، ستحتاج ملفات البيانات إلى ملخص ودمجها معا لتشكيل ملف التحليل. خلال هذه العملية ، استخدم الأساليب التي تحسن دقه البيانات ، بما في ذلك التحقق من الأخطاء ومراجعه السجلات والمخرجات كما سبقت مناقشتها أيضا.
- عند دمج البيانات ، استخدم اثنين علي الأقل من معرفات المريض عند الإمكان لضمان تطابق قوي (مثل رقم السجل الطبي وتاريخ الميلاد) ، حيث يمكن ان توجد أخطاء في اي حقل. بعد دمج البيانات ، راجع البيانات للتاكد من النتائج المتوقعة. تشغيل التعليمات البرمجية للتاكد من ان الأحرف الثلاثة الاولي من مطابقه الاسم بالاضافه إلى معرف آخر أو اثنين مفيد للتحقق من التطابقات المناسبة (راجع الخطوة 4.5.1).
ملاحظه: قد لا يتطابق الاسم الأخير إذا كان المريض متزوجا خلال الفترة الزمنيه المعنية. قد توجد اختلافات طفيفه أيضا في حقول الاسم بسبب apostrophes أو التباعد بالاضافه إلى الأخطاء المطبعية. - إيلاء اهتمام خاص للمباريات في خطوات المحطة الطرفية في عمليه مثل تعريف المرضي الذين لديهم نتائج.
- عند دمج البيانات ، استخدم اثنين علي الأقل من معرفات المريض عند الإمكان لضمان تطابق قوي (مثل رقم السجل الطبي وتاريخ الميلاد) ، حيث يمكن ان توجد أخطاء في اي حقل. بعد دمج البيانات ، راجع البيانات للتاكد من النتائج المتوقعة. تشغيل التعليمات البرمجية للتاكد من ان الأحرف الثلاثة الاولي من مطابقه الاسم بالاضافه إلى معرف آخر أو اثنين مفيد للتحقق من التطابقات المناسبة (راجع الخطوة 4.5.1).
- استخراج الاعتلالات القاعدية الاساسيه باستخدام الرقم القياسي للتصنيف-9-سم أو رموز التقييم الذاتي للامراض-10 سم من الفترة السابقة لتاريخ المؤشر ، وهو التاريخ الذي يعتبر فيه المريض يدخل الدراسة. بشكل عام ، استخدم 12 شهرا قبل تاريخ الفهرس لتحديد الامراض المصاحبة.
- ضمان أهليه المرضي لنظام الرعاية الصحية العسكرية خلال فتره الأساس (يمكن التحقق منها شهريا في ملف vm6ben).
- ابحث عن أكواد التشخيص الاساسيه في ملفات المرضي الخارجيين و/أو المرضي الداخليين لتحديد الامراض المصاحبة الاساسيه خلال فتره الأساس 12 شهرا قبل تاريخ المؤشر. استخدم رموز التقييم الذاتي للامراض-9 سم أو الرمز المرجعي للتصنيف-10 سم المنصوص عليها في القسم 1. في حاله استخدام الامراض المصاحبة اليكسهوسير ، استخدم البرامج المتوفرة من HCUP ، مع التاكد من تعديل أسماء متغيرات التشخيص والملفات حسب الحاجة. (https://www.hcup-us.ahrq.gov/toolssoftware/comorbidity/comorbidity.jsp#download)
- البحث في ملفات المرضي الداخليين و/أو المرضي الداخليين بعد التاريخ القياسي لنتائج الفائدة المحددة بواسطة أكواد الفحص بالاشعه فوق المتوسطة-9 سم أو الرقم المرجعي للتصنيف-10 سم ، مثل الاستشفاء لاحتشاء عضله القلب كتشخيص اولي (البحث عن 410. x1 في SIDR).
- تعيين تاريخ انتهاء الدراسة لجميع المرضي كقطع للمتابعة للمرضي الذين لم يثبتوا نتيجة الفائدة. تحديد المرضي الذين يحتاجون إلى رقابه قبل نهاية الدراسة.
- البحث في ملف vm6ben لضمان الاهليه للرعاية الصحية من خلال تاريخ انتهاء الدراسة. والا ، فرض رقابه علي المريض في وقت فقدان الاهليه.
- إذا كان من المهم الحد من الدراسة للمستخدمين النشطين لنظام الرعاية الصحية مستقله عن الاهليه ، مثل المستخدمين النشطين للصيدلية ، ثم تحديد آخر اتصال الرعاية الصحية (مثل ملء الدواء الأخير) داخل ملفات البيانات والرقابة علي المرضي في ذلك التاريخ.
ملاحظه: كن حذرا باستخدام اللقاءات الهاتفية ، لأنها يمكن ان تكون موجودة في السجل الصحي بعد حدوث الوفاة أو إذا كان المستفيد قد خرج من نظام الرعاية الصحية بطريقه أخرى.
6. مطابقه لمؤشر الوفاة الوطني (المعهد الديمقراطي القومي)
- وبمجرد تحديد الفوج الكامل ، ترسل المعلومات إلى مؤشر الوفاات الوطني لمطابقتها إذا كانت الوفاات نقطه نهاية.
- أولا ، وتشمل النية لتتناسب مع المعهد الديمقراطي الديموقراطي في طلبات البيانات المدرة للادويه وموافقه الهجرة. ضمان الموافقة واستكمال جميع خطوات تشفير البيانات المكتملة قبل إرسال المعلومات الصحية المحمية (PHI) إلى المعهد الديمقراطي الديموقراطي للمطابقة.
- ويمكن الاطلاع علي "نموذج الطلب الوطني لمؤشر الوفاة" والتوجيهات المتعلقة بطلب بيانات الوفاة من الرقم القياسي الوطني للوفاة هنا: https://www.cdc.gov/nchs/ndi/index.htm.
- إرسال البيانات علي قرص مضغوط محمي بكلمه مرور عبر البريد الليلي إلى المعهد الديمقراطي الديموقراطي. سيتم إرسال النتائج مره أخرى بعد حوالي أسبوعين بنفس الطريقة.
- بعد الحصول علي نتائج المعهد الديمقراطي الديموقراطي ، راجع المباراات الجزئية لامكانيه التضمين/الاستبعاد.
- "الفصل 4-تقييم مخرجات المعهد الديمقراطي الديموقراطي" يوفر نظره عامه مفيده لمراجعه النتائج ويمكن العثور عليها علي نفس صفحه الويب: https://www.cdc.gov/nchs/ndi/index.htm. المباراات علي رقم الضمان الاجتماعي عموما توفر اقوي مباراة.
- عند الحاجة ، والتحقق من الوفاات العابرة في مؤشر الوفاة الضمان الاجتماعي و/أو النظام الفرعي لتحديد الهوية المستفيد السجلات الخاصة بالأشخاص القدامى (BIRLS) لتحسين الدقة. يجب ان تدرك ان أعضاء الخدمة الذين يموتون في الخارج من المرجح ان لا تظهر علي البحث المعهد الديمقراطي الديموقراطي ولكن غالبا ما يتم التعرف عليها في ملف الحالة الحيوية المدرة للادويه أو في BIRLS VA.
- دمج ملف الوفاة مع ملف الفوج الرئيسي بعد إكمال المراجعة.
7-إلغاء تحديد البيانات
- بمجرد الحصول علي كافة المعلومات الضرورية ، إلغاء تحديد ملفات البيانات للمساعدة في حماية PHI. توليد معرف المريض عشوائي لكل مريض باستخدام "ranuni" (انظر دليل المستخدم الوظيفية للادويه المتعددة). أزاله المريض الاجتماعية ، ورقم السجل الطبي ، وتاريخ الميلاد (بعد العمر الحوسبة) ، وما إلى ذلك ، من ملفات البيانات. إذا لزم الأمر (وتمت الموافقة عليه) ، قم بتخزين المفتاح الذي يربط معرف المريض العشوائي ب PHI بشكل أمن علي عقده الخبراء الخاصة.
8. حساب درجه الميل18،19،26
- استخدام الانحدار اللوجستي لنمذجة احتمال العلاج (برؤاك اللوجستية في ساس).
- حدد ملف البيانات ("dat" في المثال).
- استخدم عبارة الفئة لتحديد المتغيرات القطعية. استخدم "ref = أولا" لتحديد القيمة الأدنى (مثل 0) كقيمه مرجعيه.
- في بيان الطراز ، حدد متغير المعالجة كمتغير تابع (Rx) وقم بتعيين قيمه "الحدث" كقيمه لتلقي العلاج (1 في هذه الحالة).
- ادراج اي احتمالات محتمله لتلقي العلاج كمتغيرات في النموذج ، وخاصه إذا كان يمكن ان تكون التنبؤات للنتيجة (مثل الوفاة). ضع في اعتبارك ما إذا كانت التفاعلات بين المصطلحات قد تؤثر علي العلاج. ادراجها في النموذج باستخدام "*" (مثل الذكور * كد) أو استخدام بناء الجملة المبين أدناه وضع "|" بين المتغيرات و "@ 2" في نهاية لتحديد جميع 2 × 2 التفاعلات ، بما يتناسب مع نموذج معين.
- استخدم عبارة الإخراج لتحديد ان الاحتمال المتوقع للعلاج (المشكلة) سيتم تعريفه بواسطة "ps" والإخراج إلى الملف "ps_data".
ملاحظه: المتغيرات في النموذج: ذكر: الجنس الذكور (ثنائي) ، كد: مرض الكلي المزمن (ثنائي) ، الكبد: امراض الكبد المزمنة (ثنائي) ، مرض السكري (ثنائي) ، مرض الانسداد الرئوي المزمن: امراض انسداد الرئة (ثنائي) ، chf: فشل القلب (ثنائي) ، cad: مرض الشريان التاجي (ثنائي), الامراض القلبية الوعائية: المرض الدماغي الوعائي (ثنائي), وساده: مرض الشرايين المحيطيه (ثنائي), العمر (مستمر).
- حساب الأوزان من الاحتمال المتوقع (درجه الميل). إذا تلقي المريض العلاج (Rx = 1) ، ثم درجه الميل الوزن هو 1/(درجه الميل). إذا لم يتلقى المريض العلاج ، ثم الميل درجه الوزن هو 1/(1-درجه الميل).
- استقرار درجه الميل بقسمته علي الوزن المتوسط. في التعليمات البرمجية أدناه ، Proc يعني إخراج متوسط الوزن في المتغير "mn_wt" في ملف البيانات "م". ويحسب البيانات الواردة أدناه التي تحتفظ بالmn_wt من ملف البيانات "m" ثم تحسب درجات الميل المستقرة (st_ps_weight) لكل ملاحظه.
- تحقق من التوازن بعد تطبيق الاحتمالية العكسية لترجيح العلاج.
- يبسط الماكرو stddiff حوسبة الاختلافات المتوسطة القياسية للففاري قبل وبعد الترجيح في SAS. يمكن العثور علي رمز الماكرو هنا: http://www.lerner.ccf.org/qhs/software/lib/stddiff.sas.
- حساب الفرق المتوسط الموحد قبل الترجيح. كما هو الحال مع كافة وحدات الماكرو ، يجب تشغيل التعليمات البرمجية للماكرو في SAS قبل الاتصال به. مثال استدعاء بيان أدناه مع المتغيرات الفائدة.
Inds-مجموعه بيانات الإدخال ، المجاميع المتغيرة التي تحدد مجموعات الدراسة ، تشارفارس-المتغيرات القطعية ، numvars-المتغيرات المستمرة ، stdfmt-شكل الفرق الموحد ، outds-مجموعه بيانات المخرجات. - استدعاء الماكرو stddiff مره أخرى لحساب الفرق متوسط موحد بعد الترجيح. يحدد "wtvar" المتغير الذي يحتوي علي درجه الميل القياسية وتتم اضافته إلى عبارة استدعاء الماكرو. إذا كانت الاختلافات القياسية كلها اقل من أو تساوي 0.1 ، فان الموازنة تعتبر ناجحه.
- ويمكن الإبلاغ عن ASD قبل وبعد الترجيح في شكل جدول أو الرسم البياني. للحصول علي توجيهات لاستخدام ماكرو SAS لإنشاء مؤامرة ، يرجى الاطلاع علي المواد التكميلية.
- ويمكن الآن استخدام البيانات المعدلة من IPTW في تحليل أحادي المتغيرات بعد ضمان الموازنة بين المربكة المقاسه.
9-إنشاء نموذج النتائج وتوليد قطعه من وظيفة الانتشار التراكمي
- هناك بعض الطرق التي يمكن بها رسم تحليل الوقت إلى الحدث الناتج ، بما في ذلك استخدام proc lifetest لإنشاء مؤامرة البقاء علي قيد الحياة. استخدم بيان الوزن للاشاره إلى الوزن القياسي للاتجاه.
- لإنشاء مؤامرة cif باستخدام وزن الميل ، استخدم phreg proc.
- في phreg proc ، مرجع ملف اشتمله لتحديد قيم اشتمله لاستخدامها عند إنشاء المؤامرة. في هذه الحالة ، يحتوي الملف المختلط فقط علي Rx متغير واحد ، والتي يمكن ان تكون 1 أو 0.
- تبديل الرسومات ods علي. استخدم عبارات اضافيه حسب الحاجة لتحديد ملفات المخرجات للرسم البياني أو نوع الملف (jpeg ، الخ ؛ انظر https://support.sas.com/documentation/cdl/en/statug/63962/HTML/default/viewer.htm#statug_odsgraph_sect014.htm).
- في بناء جمله proc phreg ، استخدم عبارة الوزن لتحديد متغير درجه الميل القياسية. حدد قيم المتغيرات الاساسيه باستخدام بيان الأساس لكي تتمكن من رسم داله الحدوث التراكمية. حدد الطبقات لاستخدامها لمؤامرة باستخدام "رويد" (في هذه الحالة RX 1 مقابل 0). يحدد الرقم الوارد بين قوسين بعد متغير النتيجة ("الحدث") قيمه (قيم) المتغير التي يجب ان تخضع للرقابة والتي يجب ان تتضمن تاريخ الرقابة وأي احداث منافسه. في هذه الحالة ، يتم رقابه 0 و 1 هو حدث حقيقي.
- في phreg proc ، مرجع ملف اشتمله لتحديد قيم اشتمله لاستخدامها عند إنشاء المؤامرة. في هذه الحالة ، يحتوي الملف المختلط فقط علي Rx متغير واحد ، والتي يمكن ان تكون 1 أو 0.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
عند الانتهاء من IPTW ، يمكن إنشاء جداول أو قطع من الاختلافات القياسية المطلقة باستخدام رمز الماكرو std.dor رمز الماكرو asdplot علي التوالي. يظهر الشكل 1 مثالا للموازنة المناسبة في مجموعه كبيره من المشاركين 10,000 باستخدام الماكرو asdplot. وبعد تطبيق درجه الميل ، تم تخفيض الفروق المعيارية المطلقة بشكل ملحوظ. والقطع المستخدم للفرق الموحد المطلق هو نوعا ما تعسفي ، علي الرغم من انه كثيرا ما يستخدم 0.1 ويدل علي اختلاف ضئيل بين المجموعتين. في مجموعه صغيره ، والتوازن السليم هو أكثر صعوبة لتحقيق. ويبين الشكل 2 النتائج غير الناجحة لمحاولة تحقيق التوازن بين المتغيرات المشتركة في مجموعه من المشاركين 100.
وبمجرد ان يتم إنشاء نقاط الميل الموحدة ، يمكن لفريق الدراسة المضي قدما في تحليل النتائج. وغالبا ما يستخدم تحليل البقاء علي قيد الحياة بسبب الحاجة إلى فرض رقابه علي المشاركين الذين لديهم معلومات متابعه غير متساوية ، ويصور الشكل 3 مثالا علي استخدام phreg proc مع أوزان قياسيه لدرجه الميل لتوليد مؤامرة داله الانتشار التراكمي (CIF). تصور مؤامرة CIF العدد المتزايد من الاحداث علي مر الزمن. في هذه الحالة ، المجموعة غير المعالجة ، أو التحكم ، (لا Rx) لديها عدد أكبر من الاحداث وهي اسوا نسبيا من المجموعة المعالجة (Rx).
الشكل 1: مثال علي الموازنة الناجحة. في فوج كبيره (ن = 10,000), حقق [ايبتو] يوازن من ال [كوفريتس] مع كل مطلقه فروق معياريه يقلد إلى اقل من 0.1. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
الشكل 2: مثال علي الموازنة غير الناجحة. في مجموعه صغيره (ن = 100) ، كان IPTW غير قادر علي تحقيق التوازن بين المتغيرات مع العديد من الاختلافات القياسية المطلقة المتبقية أكبر من 0.1. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
الشكل 3: مثال علي مؤامرة داله الانتشار التراكمي مقارنه مجموعات العلاج. مع مرور الوقت ، يزداد المعدل التراكمي للوفيات في كلتا المجموعتين ، علي الرغم من انه اعلي في المجموعة غير المعالجة (لا Rx). وهكذا ، في هذا المثال ، فان المجموعة المعالجة قد تحسنت البقاء علي قيد الحياة. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
المواد التكميلية. الرجاء انقر هنا لعرض هذا الملف (انقر بزر الماوس الأيمن للتحميل).
Subscription Required. Please recommend JoVE to your librarian.
Discussion
وتوفر التحاليل الاسترجاعية باستخدام مجموعات البيانات الاداريه الكبيرة بديلا ناجعا وفعالا من حيث التكلفة عندما لا تكون التجارب المعشاه ذات الشواهد مجديه. ستعتمد مجموعه البيانات المناسبة علي السكان ومتغيرات الفائدة ، ولكن الادويه المدرة للادويه هي خيار جذاب لا يحتوي علي القيود العمرية التي شهدتها بيانات الرعاية الطبية. مع اي مجموعه من البيانات ، من المهم ان تكون علي دراية وثيقة مع التخطيط والبيانات القاموس. وينبغي توخي الحذر علي طول الطريق لضمان التقاط البيانات الكاملة ، ومطابقه البيانات ودمجها بدقه.
وينبغي تعريف رموز التشخيص باستخدام المؤلفات الموجودة والفهم الشامل لنظام الترميز بالنسبة للتصنيف الكتروني للامراض-9 سم والقانون المتعلق بالتحويل إلى 10 سنتيمتر لتعظيم قيمه التشخيصات المعينة. ويمكن استخدام المجموعات الموجودة من رموز الجفاف ، بما في ذلك مؤشر اليكسهاوسير27 أو تشارلسون المكرر28،29، لتحديد شروط المناقصة التي قد تؤثر علي نتيجة الفائدة. المثل ، يتم التحقق من خوارزميات الترميز في البيانات الاداريه وينبغي الاستدانة. وينبغي ان يظل التحقق من الصحة مجالا للبحوث النشطة ، نظرا لاستمرار التعلم بشان الاستخدام الأمثل للخوارزميات البرمجية للتصنيف العالمي للامراض التي تبلغ 9 سم والتصنيف الكتروني للتصنيف-10 سم لتحقيق اقصي قدر من التقييم الدقيق لطائفه واسعه من الامراض.
ويمكن استخدام درجات الميل لمعالجه التحيز المتاصل في اي تحليل استعادي. ومن المرجح ان يؤدي ترجيح أو مطابقه درجه الميل الفعالة إلى الحد من الفرق المعياري المطلق (ASD) دون العتبة المطلوبة ، والمحددة عموما ب0.1. وتساعد الموازنة المناسبة علي ضمان قابليه مجموعات العلاج للمقارنة فيما يتعلق بالمربكة المعروفة ، وقد استخدمت تقنيات درجه الميل المستخدمة بشكل مناسب لتكرار نتائج التجارب العشوائية بنجاح. مره واحده متوازنة بشكل صحيح ، يمكن مقارنه مجموعات العلاج مع أحادي المتغيرات الوقت إلى الحدث أو تحليل آخر.
وحتى مع الموازنة المناسبة ، هناك احتمال للارتباك المتبقي3، التالي فان فريق التحقيق ينبغي ان يحد من تاثير مربكه غير المقيسة. بالاضافه إلى ذلك ، إذا كانت تاثيرات المتغيرات علي اختيار العلاج قويه ، قد لا يزال التحيز30. في الأفواج الصغيرة ، ودرجات الميل من غير المرجح ان تقلل بشكل كامل من ASD أدناه 0.1 لجميع المتغيرات ويمكن استخدام تعديل الانحدار للمساعدة في أزاله الخلل المتبقي31. ويمكن أيضا استخدام تعديل الانحدار في تحليل المجموعات الفرعية إذا لم يعد التوازن المناسب مضمونا.
عند القيام بذلك بشكل صحيح ، البحث مع البيانات الاداريه يوفر إجابات في الوقت المناسب للاسئله السريرية الهامه في غياب التجارب السريرية العشوائية. في حين انه من المستحيل أزاله كل التحيز من الدراسات الرقابية ، يمكن ان يكون التحيز محدودا باستخدام درجات الميل والتحليلات الدقيقة المتبقية.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
وليس لدي المؤلفين ما يفصحون عنه.
Acknowledgments
وقد تم دعم الأبحاث التي تم الإبلاغ عنها في هذا المنشور من قبل المركز الوطني للنهوض بالعلوم الانتقالية للمعاهد الوطنية للصحة تحت الجائزة رقم UL1 TR002345. والمضمون هو المسؤولية الوحيدة للمؤلفين ولا يمثل بالضرورة الآراء الرسمية للمعاهد الوطنية للصحة.
تنويه: بالاضافه إلى ذلك ، فان وجات النظر المعرب عنها في هذه المادة هي اراء صاحب البلاغ فقط وينبغي الا تفسر علي انها تمثل بأي شكل من الاشكال تلك التي لدي حكومة الولايات المتحدة ، أو وزاره الدفاع في الولايات المتحدة ، أو أداره الولايات المتحدة الجيش. ويعتبر تحديد منتجات معينه أو أجهزه علميه جزءا لا يتجزا من المسعى العلمي ولا يشكل تاييدا أو تاييدا ضمنيا من جانب المؤلف أو وزاره الدفاع أو اي وكاله مكونه.
Materials
| Name | Company | Catalog Number | Comments |
| CD Burner (for NDI Request) | |||
| Computer | |||
| Putty.exe | Putty.org | ||
| SAS 9.4 | SAS Institute Cary, NC | ||
| WinSCP or other FTP software | https://winscp.net/eng/index.php |
References
- Concato, J., Shah, N., Horwitz, R. I. Randomized, controlled trials, observational studies, and the hierarchy of research designs. New England Journal of Medicine. 342 (25), 1887-1892 (2000).
- Austin, P. C., Platt, R. W. Survivor treatment bias, treatment selection bias, and propensity scores in observational research. Journal of Clinical Epidemiology. 63 (2), 136-138 (2010).
- Sturmer, T., Wyss, R., Glynn, R. J., Brookhart, M. A. Propensity scores for confounder adjustment when assessing the effects of medical interventions using nonexperimental study designs. Journal of Internal Medicine. 275 (6), 570-580 (2014).
- Schermerhorn, M. L., et al. Long-Term Outcomes of Abdominal Aortic Aneurysm in the Medicare Population. New England Journal of Medicine. 373 (4), 328-338 (2015).
- Williams, R. J. II, et al. A Propensity-Matched Analysis Between Standard Versus Tapered Oral Vancomycin Courses for the Management of Recurrent Clostridium difficile Infection. Open Forum Infectious Diseases. 4 (4), (2017).
- Mitchell, J. D., et al. Impact of Statins on Cardiovascular Outcomes Following Coronary Artery Calcium Scoring. Journal of the American College of Cardiology. 72 (25), 3233-3242 (2018).
- Rush, T., McGeary, M., Sicignano, N., Buryk, M. A. A plateau in new onset type 1 diabetes: Incidence of pediatric diabetes in the United States Military Health System. Pediatric Diabetes. 19 (5), 917-922 (2018).
- Rhon, D. I., Greenlee, T. A., Marchant, B. G., Sissel, C. D., Cook, C. E. Comorbidities in the first 2 years after arthroscopic hip surgery: substantial increases in mental health disorders, chronic pain, substance abuse and cardiometabolic conditions. British Journal of Sports Medicine. , (2018).
- Mitchell, J., Paisley, R., Moon, P., Novak, E., Villines, T. Coronary Artery Calcium Score and Long-term Risk of Death, Myocardial Infarction and Stroke: The Walter Reed Cohort Study. Journal of the American College of Cardiology: Cardiovascular Imaging. , (2017).
- McCormick, N., Lacaille, D., Bhole, V., Avina-Zubieta, J. A. Validity of myocardial infarction diagnoses in administrative databases: a systematic review. PLoS ONE. 9 (3), e92286 (2014).
- Huo, J., Yang, M., Tina Shih, Y. -C. Sensitivity of Claims-Based Algorithms to Ascertain Smoking Status More Than Doubled with Meaningful Use. Value in Health. , Available from: https://doi.org/10.1016/j.jval.2017.09.002 (2017).
- Nayan, M., et al. The value of complementing administrative data with abstracted information on smoking and obesity: A study in kidney cancer. Canadian Urological Association Journal. 11 (6), 167-171 (2017).
- Birman-Deych, E., et al. Accuracy of ICD-9-CM codes for identifying cardiovascular and stroke risk factors. Medical Care. 43 (5), 480-485 (2005).
- Preen, D. B., Holman, C. D., Spilsbury, K., Semmens, J. B., Brameld, K. J. Length of comorbidity lookback period affected regression model performance of administrative health data. Journal of Clinical Epidemiology. 59 (9), 940-946 (2006).
- Rector, T. S., et al. Specificity and sensitivity of claims-based algorithms for identifying members of Medicare+Choice health plans that have chronic medical conditions. Health Services Research. 39 (6 Pt 1), 1839-1857 (2004).
- Hernán, M. A., et al. Observational studies analyzed like randomized experiments: an application to postmenopausal hormone therapy and coronary heart disease. Epidemiology (Cambridge, Mass.). 19 (6), 766-779 (2008).
- Austin, P. C. The relative ability of different propensity score methods to balance measured covariates between treated and untreated subjects in observational studies. Medical Decision Making. 29 (6), 661-677 (2009).
- Robins, J. M., Hernan, M. A., Brumback, B. Marginal structural models and causal inference in epidemiology. Epidemiology. 11 (5), 550-560 (2000).
- Robins, J.
- Thoemmes, F., Ong, A. D. A Primer on Inverse Probability of Treatment Weighting and Marginal Structural Models. Emerging Adulthood. 4 (1), 40-59 (2016).
- Xu, S., et al. Use of stabilized inverse propensity scores as weights to directly estimate relative risk and its confidence intervals. Value in Health: the Journal of the International Society for Pharmacoeconomics and Outcomes Research. 13 (2), 273-277 (2010).
- Cowper, D. C., Kubal, J. D., Maynard, C., Hynes, D. M. A primer and comparative review of major US mortality databases. Annals of Epidemiology. 12 (7), 462-468 (2002).
- Skopp, N. A., et al. Evaluation of a methodology to validate National Death Index retrieval results among a cohort of U.S. service members. Annals of epidemiology. 27 (6), 397-400 (2017).
- Buck, C. J. 2015 ICD-9-CM for Hospitals, Volumes 1, 2, & 3, Professional Edition. , Elsevier Saunders. (2015).
- Buck, C. J. 2018 ICD-10-CM for Hospitals, Professional Edition. , Elsevier Saunders. (2018).
- Guo, S., Fraser, W. M. Propensity Score Analysis: Statistical Methods and Applications, Second Edition. , Sage Publications. (2015).
- Elixhauser, A., Steiner, C., Harris, D. R., Coffey, R. M. Comorbidity measures for use with administrative data. Medical Care. 36 (1), 8-27 (1998).
- Charlson, M. E., Pompei, P., Ales, K. L., MacKenzie, C. R. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. Journal of Chronic Diseases. 40 (5), 373-383 (1987).
- Deyo, R. A., Cherkin, D. C., Ciol, M. A. Adapting a clinical comorbidity index for use with ICD-9-CM administrative databases. Journal of Clinical Epidemiology. 45 (6), 613-619 (1992).
- Austin, P. C., Stuart, E. A. The performance of inverse probability of treatment weighting and full matching on the propensity score in the presence of model misspecification when estimating the effect of treatment on survival outcomes. Statistical Methods in Medical Research. 26 (4), 1654-1670 (2017).
- Austin, P. C. Balance diagnostics for comparing the distribution of baseline covariates between treatment groups in propensity-score matched samples. Statistics in Medicine. 28 (25), 3083-3107 (2009).
