Name: 使用军事卫生系统数据存储库和国家死亡指数进行治疗加权的反向概率（概率评分） (视频) | JoVE Journal
Uploaded: 2020-01-08T12:00:00.000+00:00
Duration: 6 min 55 s
Description: 了解如何利用军事卫生系统数据存储库进行回顾性临床研究，通过倾向评分加权方法减少偏倚并整合死亡数据。本方案为医疗工作者提供使用大数据回答临床问题的完整路径。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究由美国国立卫生研究院转化科学促进国家中心资助，项目编号为 UL1 TR002345。本内容仅由作者负责，不代表美国国立卫生研究院的官方观点。
免责声明：此外，本文所表达的观点仅为作者个人观点，不应被理解为代表美国政府、美国国防部（DoD）或美国陆军的立场。对特定产品或科学仪器的标识被视为科学工作的重要组成部分，并不构成作者、国防部或其任何下属机构的背书或默示背书。

<ol><li>Concato, J., Shah, N., Horwitz, R. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Randomized%2C+controlled+trials%2C+observational+studies%2C+and+the+hierarchy+of+research+designs%5BTitle%5D)+AND+%22New+England+Journal+of+Medicine%22%5BJournal%5D)">Randomized, controlled trials, observational studies, and the hierarchy of research designs.</a> New England Journal of Medicine. 342 (25), 1887-1892 (2000).</li>
<li>Austin, P. C., Platt, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Survivor+treatment+bias%2C+treatment+selection+bias%2C+and+propensity+scores+in+observational+research%5BTitle%5D)+AND+%22Journal+of+Clinical+Epidemiology%22%5BJournal%5D)">Survivor treatment bias, treatment selection bias, and propensity scores in observational research.</a> Journal of Clinical Epidemiology. 63 (2), 136-138 (2010).</li>
<li>Sturmer, T., Wyss, R., Glynn, R. J., Brookhart, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Propensity+scores+for+confounder+adjustment+when+assessing+the+effects+of+medical+interventions+using+nonexperimental+study+designs%5BTitle%5D)+AND+%22Journal+of+Internal+Medicine%22%5BJournal%5D)">Propensity scores for confounder adjustment when assessing the effects of medical interventions using nonexperimental study designs.</a> Journal of Internal Medicine. 275 (6), 570-580 (2014).</li>
<li>Schermerhorn, M. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Long-Term+Outcomes+of+Abdominal+Aortic+Aneurysm+in+the+Medicare+Population%5BTitle%5D)+AND+%22New+England+Journal+of+Medicine%22%5BJournal%5D)">Long-Term Outcomes of Abdominal Aortic Aneurysm in the Medicare Population.</a> New England Journal of Medicine. 373 (4), 328-338 (2015).</li>
<li>Williams, R. J. II, et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Propensity-Matched+Analysis+Between+Standard+Versus+Tapered+Oral+Vancomycin+Courses+for+the+Management+of+Recurrent+Clostridium+difficile+Infection%5BTitle%5D)+AND+%22Open+Forum+Infectious+Diseases%22%5BJournal%5D)">A Propensity-Matched Analysis Between Standard Versus Tapered Oral Vancomycin Courses for the Management of Recurrent Clostridium difficile Infection.</a> Open Forum Infectious Diseases. 4 (4), (2017).</li>
<li>Mitchell, J. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+Statins+on+Cardiovascular+Outcomes+Following+Coronary+Artery+Calcium+Scoring%5BTitle%5D)+AND+%22Journal+of+the+American+College+of+Cardiology%22%5BJournal%5D)">Impact of Statins on Cardiovascular Outcomes Following Coronary Artery Calcium Scoring.</a> Journal of the American College of Cardiology. 72 (25), 3233-3242 (2018).</li>
<li>Rush, T., McGeary, M., Sicignano, N., Buryk, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+plateau+in+new+onset+type+1+diabetes%3A+Incidence+of+pediatric+diabetes+in+the+United+States+Military+Health+System%5BTitle%5D)+AND+%22Pediatric+Diabetes%22%5BJournal%5D)">A plateau in new onset type 1 diabetes: Incidence of pediatric diabetes in the United States Military Health System.</a> Pediatric Diabetes. 19 (5), 917-922 (2018).</li>
<li>Rhon, D. I., Greenlee, T. A., Marchant, B. G., Sissel, C. D., Cook, C. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comorbidities+in+the+first+2+years+after+arthroscopic+hip+surgery%3A+substantial+increases+in+mental+health+disorders%2C+chronic+pain%2C+substance+abuse+and+cardiometabolic+conditions%5BTitle%5D)+AND+%22British+Journal+of+Sports+Medicine%22%5BJournal%5D)">Comorbidities in the first 2 years after arthroscopic hip surgery: substantial increases in mental health disorders, chronic pain, substance abuse and cardiometabolic conditions.</a> British Journal of Sports Medicine. , (2018).</li>
<li>Mitchell, J., Paisley, R., Moon, P., Novak, E., Villines, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Coronary+Artery+Calcium+Score+and+Long-term+Risk+of+Death%2C+Myocardial+Infarction+and+Stroke%3A+The+Walter+Reed+Cohort+Study%5BTitle%5D)+AND+%22Journal+of+the+American+College+of+Cardiology%3A+Cardiovascular+Imaging%22%5BJournal%5D)">Coronary Artery Calcium Score and Long-term Risk of Death, Myocardial Infarction and Stroke: The Walter Reed Cohort Study.</a> Journal of the American College of Cardiology: Cardiovascular Imaging. , (2017).</li>
<li>McCormick, N., Lacaille, D., Bhole, V., Avina-Zubieta, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validity+of+myocardial+infarction+diagnoses+in+administrative+databases%3A+a+systematic+review%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Validity of myocardial infarction diagnoses in administrative databases: a systematic review.</a> PLoS ONE. 9 (3), e92286(2014).</li>
<li>Huo, J., Yang, M., Tina Shih, Y. -C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sensitivity+of+Claims-Based+Algorithms+to+Ascertain+Smoking+Status+More+Than+Doubled+with+Meaningful+Use%5BTitle%5D)+AND+%22Value+in+Health%22%5BJournal%5D)">Sensitivity of Claims-Based Algorithms to Ascertain Smoking Status More Than Doubled with Meaningful Use.</a> Value in Health. , Available from:
 <a target="_blank" href="https://doi.org/10.1016/j.jval.2017.09.002">https://doi.org/10.1016/j.jval.2017.09.002</a> (2017).</li>
<li>Nayan, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+value+of+complementing+administrative+data+with+abstracted+information+on+smoking+and+obesity%3A+A+study+in+kidney+cancer%5BTitle%5D)+AND+%22Canadian+Urological+Association+Journal%22%5BJournal%5D)">The value of complementing administrative data with abstracted information on smoking and obesity: A study in kidney cancer.</a> Canadian Urological Association Journal. 11 (6), 167-171 (2017).</li>
<li>Birman-Deych, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Accuracy+of+ICD-9-CM+codes+for+identifying+cardiovascular+and+stroke+risk+factors%5BTitle%5D)+AND+%22Medical+Care%22%5BJournal%5D)">Accuracy of ICD-9-CM codes for identifying cardiovascular and stroke risk factors.</a> Medical Care. 43 (5), 480-485 (2005).</li>
<li>Preen, D. B., Holman, C. D., Spilsbury, K., Semmens, J. B., Brameld, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Length+of+comorbidity+lookback+period+affected+regression+model+performance+of+administrative+health+data%5BTitle%5D)+AND+%22Journal+of+Clinical+Epidemiology%22%5BJournal%5D)">Length of comorbidity lookback period affected regression model performance of administrative health data.</a> Journal of Clinical Epidemiology. 59 (9), 940-946 (2006).</li>
<li>Rector, T. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Specificity+and+sensitivity+of+claims-based+algorithms+for+identifying+members+of+Medicare%2BChoice+health+plans+that+have+chronic+medical+conditions%5BTitle%5D)+AND+%22Health+Services+Research%22%5BJournal%5D)">Specificity and sensitivity of claims-based algorithms for identifying members of Medicare+Choice health plans that have chronic medical conditions.</a> Health Services Research. 39 (6 Pt 1), 1839-1857 (2004).</li>
<li>Hernán, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Observational+studies+analyzed+like+randomized+experiments%3A+an+application+to+postmenopausal+hormone+therapy+and+coronary+heart+disease%5BTitle%5D)+AND+%22Epidemiology+%28Cambridge%2C+Mass.%29%22%5BJournal%5D)">Observational studies analyzed like randomized experiments: an application to postmenopausal hormone therapy and coronary heart disease.</a> Epidemiology (Cambridge, Mass.). 19 (6), 766-779 (2008).</li>
<li>Austin, P. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+relative+ability+of+different+propensity+score+methods+to+balance+measured+covariates+between+treated+and+untreated+subjects+in+observational+studies%5BTitle%5D)+AND+%22Medical+Decision+Making%22%5BJournal%5D)">The relative ability of different propensity score methods to balance measured covariates between treated and untreated subjects in observational studies.</a> Medical Decision Making. 29 (6), 661-677 (2009).</li>
<li>Robins, J. M., Hernan, M. A., Brumback, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Marginal+structural+models+and+causal+inference+in+epidemiology%5BTitle%5D)+AND+%22Epidemiology%22%5BJournal%5D)">Marginal structural models and causal inference in epidemiology.</a> Epidemiology. 11 (5), 550-560 (2000).</li>
<li>Robins, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Marginal+structural+models%5BTitle%5D)+AND+%221997+Proceedings+of+the+American+Statistical+Association%2C+section+on+Bayesian+statistical+science%22%5BJournal%5D)">Marginal structural models.</a> 1997 Proceedings of the American Statistical Association, section on Bayesian statistical science. , 1-10 (1998).</li>
<li>Thoemmes, F., Ong, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Primer+on+Inverse+Probability+of+Treatment+Weighting+and+Marginal+Structural+Models%5BTitle%5D)+AND+%22Emerging+Adulthood%22%5BJournal%5D)">A Primer on Inverse Probability of Treatment Weighting and Marginal Structural Models.</a> Emerging Adulthood. 4 (1), 40-59 (2016).</li>
<li>Xu, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+stabilized+inverse+propensity+scores+as+weights+to+directly+estimate+relative+risk+and+its+confidence+intervals%5BTitle%5D)+AND+%22Value+in+Health%3A+the+Journal+of+the+International+Society+for+Pharmacoeconomics+and+Outcomes+Research%22%5BJournal%5D)">Use of stabilized inverse propensity scores as weights to directly estimate relative risk and its confidence intervals.</a> Value in Health: the Journal of the International Society for Pharmacoeconomics and Outcomes Research. 13 (2), 273-277 (2010).</li>
<li>Cowper, D. C., Kubal, J. D., Maynard, C., Hynes, D. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+primer+and+comparative+review+of+major+US+mortality+databases%5BTitle%5D)+AND+%22Annals+of+Epidemiology%22%5BJournal%5D)">A primer and comparative review of major US mortality databases.</a> Annals of Epidemiology. 12 (7), 462-468 (2002).</li>
<li>Skopp, N. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+a+methodology+to+validate+National+Death+Index+retrieval+results+among+a+cohort+of+U.S.+service+members%5BTitle%5D)+AND+%22Annals+of+epidemiology%22%5BJournal%5D)">Evaluation of a methodology to validate National Death Index retrieval results among a cohort of U.S. service members.</a> Annals of epidemiology. 27 (6), 397-400 (2017).</li>
<li>Buck, C. J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBuck%2C+CJ+%222015+ICD-9-CM+for+Hospitals%2C+Volumes+1%2C+2%2C+%26+3%2C+Professional+Edition%22">2015 ICD-9-CM for Hospitals, Volumes 1, 2, & 3, Professional Edition</a>. , Elsevier Saunders. (2015).</li>
<li>Buck, C. J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBuck%2C+CJ+%222018+ICD-10-CM+for+Hospitals%2C+Professional+Edition%22">2018 ICD-10-CM for Hospitals, Professional Edition</a>. , Elsevier Saunders. (2018).</li>
<li>Guo, S., Fraser, W. M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGuo%2C+S+%22Propensity+Score+Analysis%3A+Statistical+Methods+and+Applications%2C+Second+Edition%22">Propensity Score Analysis: Statistical Methods and Applications, Second Edition</a>. , Sage Publications. (2015).</li>
<li>Elixhauser, A., Steiner, C., Harris, D. R., Coffey, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comorbidity+measures+for+use+with+administrative+data%5BTitle%5D)+AND+%22Medical+Care%22%5BJournal%5D)">Comorbidity measures for use with administrative data.</a> Medical Care. 36 (1), 8-27 (1998).</li>
<li>Charlson, M. E., Pompei, P., Ales, K. L., MacKenzie, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+method+of+classifying+prognostic+comorbidity+in+longitudinal+studies%3A+development+and+validation%5BTitle%5D)+AND+%22Journal+of+Chronic+Diseases%22%5BJournal%5D)">A new method of classifying prognostic comorbidity in longitudinal studies: development and validation.</a> Journal of Chronic Diseases. 40 (5), 373-383 (1987).</li>
<li>Deyo, R. A., Cherkin, D. C., Ciol, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adapting+a+clinical+comorbidity+index+for+use+with+ICD-9-CM+administrative+databases%5BTitle%5D)+AND+%22Journal+of+Clinical+Epidemiology%22%5BJournal%5D)">Adapting a clinical comorbidity index for use with ICD-9-CM administrative databases.</a> Journal of Clinical Epidemiology. 45 (6), 613-619 (1992).</li>
<li>Austin, P. C., Stuart, E. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((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%5BTitle%5D)+AND+%22Statistical+Methods+in+Medical+Research%22%5BJournal%5D)">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.</a> Statistical Methods in Medical Research. 26 (4), 1654-1670 (2017).</li>
<li>Austin, P. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Balance+diagnostics+for+comparing+the+distribution+of+baseline+covariates+between+treatment+groups+in+propensity-score+matched+samples%5BTitle%5D)+AND+%22Statistics+in+Medicine%22%5BJournal%5D)">Balance diagnostics for comparing the distribution of baseline covariates between treatment groups in propensity-score matched samples.</a> Statistics in Medicine. 28 (25), 3083-3107 (2009).</li>
</ol>

作者无任何利益冲突需要披露。

当随机对照试验不可行时，使用大型管理数据集进行回顾性分析提供了一种高效且具有成本效益的替代方案。合适的数据集选择取决于目标人群和关注的变量，而MDR是一个颇具吸引力的选择，因为它不像医疗保险数据那样存在年龄限制。无论使用何种数据集，都必须深入了解其结构和数据字典。在整个过程中应谨慎操作，以确保完整捕获数据，并准确地进行数据匹配与合并。
应依据现有文献以及对 ICD-9-CM 和 ICD-10-CM 编码系统的深入理解来定义诊断代码，以最大限度地提高所分配诊断的价值。可使用现有的合并症代码集，包括 Elixhauser27 或经过优化的 Charlson 合并症指数28,29，以定义可能影响研究结局的合并症情况。同样，应利用在行政数据中经过验证的编码算法。验证工作应持续作为重点研究方向，因为关于如何最优使用 ICD-9-CM 和 ICD-10-CM 编码算法以实现对多种疾病进行准确分类，仍需不断深入探索。
<p ...

随机、安慰剂对照试验是量化治疗效果的最强研究设计，但由于成本和时间要求，或治疗组之间缺乏均衡性，这类试验并不总是可行1。在这些情况下，利用大规模行政管理数据（&#34;大数据&#34;）进行的回顾性队列研究设计通常提供了一种高效且经济的替代方案，尽管缺乏随机化会引入治疗选择偏倚2。在非随机研究中，当治疗决策依赖于与研究结局相关的治疗前特征时，就会发生治疗选择偏倚。这些特征被称为混杂因素。
由于倾向评分可通过平衡治疗组之间已知的混杂因素来减少这种偏倚，因此其应用日益广泛3。倾向评分已被用于比较外科手术方法4和药物治疗方案5。最近，我们利用美国军事健康系统数据存储库（MDR）的数据进行倾向性分析，以评估他汀类药物在冠状动脉钙化存在与否及其严重程度基础上对心血管结局初级预防的效果6。
与 Medicare 和退伍军人事务部（VA）数据集相比，军事医疗数据库（MDR）在研究中的使用频率较低，但它包含了现役军人、退休人员及其他国防部（DoD）医疗受益人及其家属在全球范围内接受住院和门诊服务所产生的全面行政与医疗理赔信息。该数据库涵盖在美国军方医疗机构或由国防部支付费用的民用医疗机构所提供的医疗服务。自2001年10月1日起，数据库已包含完整的药房数据。实验室数据自2009年起可获取，但仅限于军方医疗机构的数据。在MDR中，研究队列可通过诊断代码（如糖尿病 mellitus7）或操作代码（如关节镜手术8）等方法进行定义。此外，也可将外部定义的合格受益人群队列（例如登记系统）与MDR进行匹配，以获取基线及随访数据9。与Medicare不同，MDR包含所有年龄段的患者。由于纳入了家属，其男性偏倚也较VA数据库更小。然而，MDR的访问权限受到严格限制。通常只有隶属于军事健康系统（Military Health System）的研究人员方可申请使用，这一点类似于VA数据库的使用要求。非政府研究人员若需获取军事健康系统数据，必须通过政府资助方监督下的数据共享协议来实现。
使用任何行政管理数据集时，都必须牢记行政编码的局限性及其优势。编码的敏感性和特异性可能因相关诊断、是主要诊断还是次要诊断，或是住院还是门诊记录而有所不同。急性心肌梗死的住院编码通常报告准确，阳性预测值超过90%10，但烟草使用情况往往存在编码不足11。这种编码不足可能对研究结果产生显著影响，也可能不会12。此外，针对特定疾病可能存在多个编码，其与该疾病的关联程度各不相同13。研究团队应进行全面的文献检索，并查阅《国际疾病分类第九版临床修订本》（ICD-9-CM）和/或ICD-10-CM编码手册，以确保研究中包含适当的编码。
可采用多种方法提高诊断编码在定义共病状况时的敏感性和准确性。应包含适当的&#34;回顾期&#34;，以确定基线共病情况。回顾期包括研究入组前的住院和门诊服务记录。一年的回顾期可能是最佳选择14。此外，要求至少两次独立的医疗申索记录而非单次记录，可提高特异性；而结合药物使用数据补充编码数据，则可提升敏感性15。还可对部分数据进行人工病历审查，以验证编码策略的准确性。
在确定并评估了所研究队列的合并症后，可使用倾向评分来平衡治疗组之间的协变量差异。倾向评分是基于已知协变量计算出的患者被分配到某一治疗组的概率。通过校正这种治疗倾向性，可以降低协变量对治疗分配的影响，从而更真实地估计治疗对结局的作用。尽管倾向评分并不一定比多变量模型提供更优的结果，但它能够评估在应用倾向评分后，接受治疗与未接受治疗的组别之间是否具有可比性3。研究者可以通过分析倾向评分匹配或逆概率治疗加权（IPTW）前后协变量的绝对标准化差异，来确认已知的混杂因素在各组间是否已得到平衡。需要特别注意的是，未知的混杂因素可能并未得到平衡，因此应意识到残余混杂存在的可能性。
然而，若正确实施，倾向评分是一种强大的工具，可预测并复制随机对照试验的结果16。在现有的倾向评分方法中，匹配法和逆概率加权法（IPTW）通常更受青睐17。在逆概率加权法中，患者根据其接受治疗的倾向性或概率进行加权。通常建议使用稳定化权重而非原始权重，同时也可以考虑对权重进行截尾处理18,19,20,21。
当研究组达到均衡后，可对其进行随访直至观察到所关注的结果。利用行政管理数据的研究可能关注再入院率和事件发生时间分析等结局指标。在关注死亡率的研究中，军事卫生系统数据存储库包含一个关于生命状态的字段，该字段可通过国家死亡索引（National Death Index, NDI）进一步补充22,23。NDI 是由疾病控制中心管理的、来自各州机构的死亡记录信息的集中数据库。研究人员可根据死亡证明申请获取基本的生命状态信息和/或具体的死因信息。
以下方案详细介绍了利用补充了国家死亡指数（NDI）死亡信息的医疗数据记录库（MDR）开展行政数据库研究的过程。方案详细说明了使用逆概率加权法（IPTW）平衡两组治疗人群基线差异的方法，包括SAS代码及示例输出结果。

<table><tbody><tr><td>CD 刻录机（用于 NDI 请求）</td><td></td><td></td><td></td></tr><tr><td>计算机</td><td></td><td></td><td></td></tr><tr><td>Putty.exe</td><td>Putty.org</td><td></td><td></td></tr><tr><td>SAS 9.4</td><td>SAS Institute Cary, NC</td><td></td><td></td></tr><tr><td>WinSCP 或其他 FTP 软件</td><td>&lt;a href=&quot;https://winscp.net/eng/index.php&quot; target=&quot;_blank">https://winscp.net/eng/index.php&lt;/a&gt;</td><td></td><td></td></tr></tbody></table>

利用军事健康系统数据仓库和国家死亡指数进行逆概率处理加权（倾向评分）

Inverse Probability of Treatment Weighting (Propensity Score) using the Military Health System Data Repository and National Death Index

当随机对照试验不可行时，使用大数据的回顾性研究提供了一种高效且具有成本效益的替代方案，但这类研究存在治疗选择偏倚的风险。在非随机化研究中，若治疗方案的选择基于与结局相关的治疗前特征，则会发生治疗选择偏倚。这些治疗前特征，即混杂因素，可能影响对治疗效果的评估。倾向性评分通过平衡治疗组之间的已知混杂因素，从而减少此类偏倚。进行倾向性评分分析的方法有多种，包括按倾向性评分分层、倾向性评分匹配以及逆概率处理加权（IPTW）。本文描述了在美军健康系统数据存储库（MDR）中的一组患者队列中，使用IPTW来平衡基线合并症的方法。MDR是一个相对理想的数据来源，因其提供了一个封闭队列，其中符合条件的受益人的住院和门诊服务信息几乎完整。下文概述了结合国家死亡指数信息以增强死亡率数据可靠性的MDR使用方法。同时提供了使用行政管理数据的建议。最后，本方案分享了一段SAS代码，用于通过IPTW平衡已知混杂因素，并绘制感兴趣结局的累积发生函数图。

在完成逆概率加权（IPTW）后，可分别使用 stddiff 宏代码或 asdplot 宏代码生成绝对标准化差异的表格或图示。图1展示了在包含10,000名参与者的大型队列中，使用 asdplot 宏实现适当平衡的一个示例。应用倾向性评分后，绝对标准化差异显著降低。对于绝对标准化差异的截断值选择具有一定主观性，但通常采用0.1作为阈值，表示两组之间的差异可忽略不计。在小型队列中，实现良好平衡更为困难。图2展示了在包含100名参与者的队列中尝试平衡协变量时未成功的结果。
一旦生成标准化的倾向评分，研究团队即可进行结局分析。由于需要对随访信息不均衡的参与者进行删失处理，通常采用生存分析方法。图3展示了使用标准化倾向评分加权的proc phreg过程生成累积发生率函数（CIF）图的一...

当随机对照试验不可行时，像军事卫生系统数据存储库这样的综合性医疗数据源为回顾性分析提供了理想的替代方案。通过纳入国家死亡指数的死亡数据，并使用倾向性评分加权法平衡各组之间的差异，有助于减少回顾性设计中固有的偏倚。

当随机对照试验不可行时，利用大数据的回顾性研究提供了一种高效且具有成本效益的替代方案，尽管它们……

过去，我们曾利用军队医疗数据库来帮助确定哪些患者最能从他汀类药物治疗中获益，以降低未来发生心脏病发作的风险。我们的方案为任何希望利用大数据回答自身临床问题的医疗提供者提供了路线图，并可应用于范围广泛且几乎无限的主题。在获得机构审查委员会批准后，需完成数据共享协议申请，并仔细填写 DRT MDR 数据提取工作表中所请求的数据字段和文件。请说明团队是请求数据分析师协助、获取原始数据，还是将直接访问MDR；并说明请求是一次性数据提取，还是需要每日、每月或每年定期提取。如需直接访问MDR，请填写MDR-CS-2875表格中的MDR授权申请表。在直接访问MDR时，应遵循MDR使用指南和MDR功能指南中提供的访问和使用说明，包括软件要求以及示例SAS程序。为了获取队列中更多多重耐药（MDR）受益人的数据，请从服务器获取 VM6 文件，并将其与您的队列文件合并。在 VM6 数据提取文件和队列文件中，对患者姓名和出生日期使用不同的变量名，以便在合并后进行后续的错误核查。由于数据库条目不可能完全无误，因此除检查程序日志和输出中任何潜在问题外，还应使用代码在每个主要步骤之后执行错误检查。在比对队列文件与VM6文件中的姓名时，仅需匹配前三个字母，以提高效率并减少因文件间拼写或空格差异可能导致的假性错误。随后审查错误数据文件，根据需要手动查阅健康档案，以检查其他值得关注的错误。对于相关数据提取，从VM6受益人文件中获取种族和性别数据，将此数据与队列文件合并，并按照上述方法检查错误。从死亡主文件中获取死亡数据，将这些数据与队列文件合并并检查错误。然后根据分析需要获取额外的数据文件。在数据合并和汇总文件构建过程中，使用索引日期之前时间段内的 ICD-9-CM 或 ICD-10-CM 编码提取基线共病情况。确保患者在基线期有资格享受军队医疗保健系统，该信息需通过 VM6 受益人文件进行核实。在门诊和/或住院文件中检索基线期诊断代码，以确定索引日期前 12 个月基线期内的共病情况。若使用 Elixhauser 共病分类，应使用医疗保健成本与使用项目数据库提供的现成软件，并根据需要修改诊断变量和文件的名称。为了将所有患者的随访截止日期统一设定为研究结束日期（适用于尚未表现出感兴趣结局的患者），需检索 VM6 受益人文件，以确认患者在研究结束日期前是否具备通过该系统获得医疗服务的资格。如果需要进一步将研究限制在医疗系统活跃使用者范围内（而不受资格限制），则应根据数据文件确定每位患者最后一次接触医疗服务的日期，并在该日期对患者进行删失处理。在获取全部必要信息后，使用 Ranuni 为每位患者生成一个随机的患者标识符。为了模拟治疗使用的概率，采用逻辑回归模型根据预测概率计算权重。然后通过将倾向性评分除以平均权重来稳定倾向性评分。为验证应用逆概率治疗加权后的平衡性，可使用标准差异宏在SAS中简化计算加权前后协变量的标准化均值差异。在 PROC PHREG 中生成累积发生率函数图时，需引用协变量文件，在 PROC PHREG 语法中指定用于生成图形的协变量值；使用 weight 语句指定标准化倾向评分变量，并使用 baseline 语句设定基线协变量的值，以绘制累积发生率函数图。然后使用 ROWID 指定用于绘图的分层变量。此处展示了一个在包含 10000 名参与者的大型队列中，使用绝对标准化差异图宏实现适当平衡的示例。应用倾向评分后，标准化均值差异显著降低。在此可观察到，在包含100名参与者的队列中尝试平衡协变量时未能成功的结果。本示例中，采用带有标准化倾向评分权重的PROC PHREG生成累积发生率函数图，结果显示在本分析中，未治疗的对照组事件数量更多，且生存情况较治疗组相对较差。MDR 包含国防部的受益人，包括退休人员及其家属。因此，其受益人不仅限于65岁以上的患者，也不仅限于退伍军人。本方案为使用 MDR 提供了一个起点。统计技术概述有助于消除此类研究中可能存在的固有偏差。

inverse-probability-treatment-weighting-propensity-score-using

Research

科研

JoVE Journal

Medicine

医学

使用军事卫生系统数据存储库和国家死亡指数进行治疗加权的反向概率（概率评分）

本文介绍了一种基于Cox比例风险回归模型和竞争风险回归模型构建列线图的方案。当生存分析中存在竞争事件时，竞争风险方法是一种更为合理的分析方法。...

建立用于生存数据的竞争风险回归列线图模型

本方案详细阐述了针对伴有高脂血症的超重患者的针灸治疗操作，并基于体重指数（BMI）、胆固醇水平和甘油三酯水平等指标，验证了情绪因素对治疗效果的影响。...

情绪因素对针灸治疗超重合并高脂血症疗效的影响：一项回顾性队列研究

脓毒症是指由微生物感染引发的全身性炎症反应综合征，可通过一种称为盲肠结扎穿刺（CLP）的手术技术进行模拟。本文介绍了一种利用CLP诱导的动物模型筛选具有治疗作用的药用植物的方法。...

利用脓毒症动物模型评价新型草药疗法

腹膜完整性丧失为理解和治疗轻度子宫内膜异位症女性的慢性盆腔痛提供了一种新范式，可在腹腔镜手术期间通过术中染料灌注轻松检测。...

术中检测微小子宫内膜异位症：一种针对腹膜完整性缺失相关盆腔疼痛检测与治疗的新范式

基于探头的共聚焦激光内窥显微技术可在膀胱镜检查期间实现对人体泌尿道的实时显微成像，以细胞级分辨率动态观察膀胱癌等病理状态。内窥显微技术可提高标准白光内窥镜检查的诊断准确性，并为术中提供影像引导，从而改善手术切除效果。...

基于探头的尿路共聚焦激光内窥显微技术：操作方法

本视频演示了人体经皮肌肉活检技术 股外侧肌...

人类 股外侧肌 使用Weil-Blakesley Conchotome进行骨骼肌活检

将图示分析与三角回归相结合，是研究复杂周期性现象（如多发性硬化症（MS）复发发作时间）的一种强有力方法。该方法能够无偏倚地表征复发发作的季节性趋势，从而对季节变化、紫外线辐射（UVR）和纬度的影响得出新的推论。...

一种三角函数建模季节性变化的方法——以多发性硬化症复发数据为例

本方案描述了一种用于追踪颞叶癫痫（TLE）患者内侧网络测量指标演变过程的方法。该方法基于颅内记录与一种新颖的数值数据分析技术的结合。具体而言，我们提出了一种针对卵圆孔记录数据的网络分析方案。...

耐药性颞叶癫痫患者卵圆孔电极记录的网络分析

视网膜与大脑具有显著的相似性，因此为非侵入性研究脑部血管和神经元结构提供了一个独特的窗口。本方案描述了一种利用视网膜成像技术研究痴呆的方法。该方法有望辅助痴呆的诊断与风险评估。...

利用视网膜成像研究痴呆症

针对多能干细胞来源畸胎瘤的治疗策略研究对于干细胞治疗的临床转化具有重要意义。本文中，我们描述了一种实验方案：首先在小鼠体内生成干细胞来源的畸胎瘤，随后利用小型动物照射器在活体中选择性靶向并治疗这些肿瘤。...

利用外照射放疗在小型动物模型中靶向选择性治疗多能干细胞来源的畸胎瘤

了解如何利用军事卫生系统数据存储库进行回顾性临床研究，通过倾向评分加权方法减少偏倚并整合死亡数据。本方案为医疗工作者提供使用大数据回答临床问题的完整路径。

利用军事健康系统数据仓库和国家死亡指数进行逆概率处理加权（倾向评分）

探索更多视频