Probabilidad Inversa de Ponderación del Tratamiento (Puntuación de Propensidad) usando el Repositorio de Datos del Sistema de Salud Militar y el Índice Nacional de Muerte

En el pasado, hemos utilizado la base de datos de atención médica militar para ayudar a determinar qué pacientes se beneficiarían más del tratamiento con estatinas para ayudar a reducir sus posibilidades de un ataque cardíaco futuro. Nuestro protocolo ofrece una hoja de ruta a cualquier proveedor médico que esté interesado en usar big data para responder a sus propias preguntas clínicas y se puede aplicar a un número de temas de largo alcance y casi ilimitado. Después de obtener la aprobación de la junta de revisión institucional, complete una solicitud de acuerdo de intercambio de datos, teniendo cuidado de especificar los campos de datos y los archivos que se solicitan en la hoja de trabajo de extracciones de DRT MDR.

Especifique si el equipo está solicitando un analista de datos, el suministro de los datos sin procesar o si el equipo accederá directamente al MDR y si la solicitud es para una extracción de datos de una sola vez o si se solicitan extracciones regulares diariamente, mensualmente o anualmente. Para acceder directamente al MDR, complete la solicitud de autorización MDR en los formularios MDR-CS-2875. Al acceder directamente al MDR, siga las instrucciones para acceder y utilizar el MDR, incluidos los requisitos de software y los programas SAS de ejemplo que están disponibles en la guía de usuarios de MDR y la guía funcional de MDR.

Para obtener datos adicionales de beneficiarios de MDR para su cohorte, adquiera los archivos VM6 del servidor y combínese con el archivo de cohorte. Utilice diferentes nombres de variables en los archivos de partición y de cohorte de datos VM6 para los nombres de pacientes y las fechas de nacimiento para ayudar con la comprobación posterior de errores después de la combinación. Como las entradas de la base de datos nunca están completamente libres de errores, utilice el código para preformar comprobaciones de errores después de cada paso principal, además de comprobar el registro del programa y la salida para cualquier inquietud potencial.

Al comparar nombres del archivo de cohorte con el archivo VM6, solo coincida con las tres primeras letras para mejorar la eficiencia y reducir los errores falsos que puedan surgir con las diferencias de ortografía o espaciado entre archivos. A continuación, revise el archivo de datos de error, realizando una revisión manual del registro de estado según sea necesario, para comprobar si hay otros errores de preocupación. Para la extracción de datos relevantes, obtenga los datos de raza y sexo de los archivos beneficiarios de VM6, combine esta fecha con el archivo de cohorte y compruebe si hay errores como se acaba de demostrar.

Obtenga datos de muerte del archivo maestro de muerte, combine los datos con el archivo de cohorte y compruebe si hay errores. A continuación, obtenga archivos de datos adicionales según sea necesario para el análisis. Para la fusión de datos y la construcción de archivos sumativos, extraiga las comorbilidades de línea base utilizando códigos ICD-9-CM o ICD-10-CM del período anterior a la fecha de índice.

Teniendo cuidado de que los pacientes tuvieran elegibilidad para el sistema de salud militar durante el período basal, según lo verificado en el archivo de beneficiarios de VM6. Busque los códigos de diagnóstico de referencia en los archivos ambulatorios y/o hospitalarios para establecer las comorbilidades basales durante el período basal de 12 meses antes de la fecha del índice. Si utiliza comorbilidades de Elixhauser, utilice el software disponible de la base de datos del proyecto de costo y utilización de la atención sanitaria, asegurándose de modificar los nombres de las variables y archivos de diagnóstico según sea necesario.

Para establecer una fecha de finalización del estudio para todos los pacientes como un corte para el seguimiento de los pacientes que no han demostrado el resultado de interés, busque el archivo beneficiario de VM6 para garantizar la elegibilidad para la atención médica hasta la fecha de finalización del estudio. Si es importante limitar el estudio a los usuarios activos del sistema de salud, independientemente de la elegibilidad, entonces determine el último contacto de atención médica dentro de los archivos de datos y censure a los pacientes en esa fecha. Cuando se haya adquirido toda la información necesaria, genere un identificador de paciente aleatorio para cada paciente utilizando Ranuni.

Para modelar la probabilidad de tratamiento, utilice la progresión logística para calcular las ponderaciones a partir de la probabilidad pronosticada. A continuación, estabilice la puntuación de propensión dividiendo la puntuación por el peso medio. Verificar el equilibrio después de aplicar la probabilidad inversa de ponderación del tratamiento, la macro de diferenciación estándar simplifica las diferencias medias estandarizadas de computación para las co-varianzas antes y después de la ponderación en SAS.

Para generar un trazado de función de incidencia acumulativa en PROC PHREG, haga referencia a un archivo de covariable para especificar los valores de covariable que se utilizarán al generar el trazado en la sintaxis DE PHREG de PROC, utilice la instrucción de peso para especificar la variable de puntuación de propensión estandarizada y utilice la instrucción de línea base para especificar los valores de las covariables de línea base con el fin de trazar la función de incidencia acumulativa. A continuación, especifique los estratos que se utilizarán para el trazado mediante ROWID. Aquí, un ejemplo de equilibrio adecuado en una gran cohorte de 10000 participantes utilizando la macro de trazado de diferencia estandarizada absoluta como se muestra.

Después de la aplicación de la puntuación de propensión, las diferencias estandarizadas absolutas se redujeron significativamente. Aquí se pueden observar los resultados fallidos de intentar equilibrar las covariables en una cohorte de 100 participantes. En este ejemplo, PROC PHREG con ponderaciones de puntuación de propensión estandarizadas se utilizaron para generar una gráfica de función de incidencia acumulativa, revelando que en este análisis, el grupo de control no tratado demostró un mayor número de eventos y exhibió una supervivencia comparativamente peor que el grupo tratado.

El MDR incluye a los beneficiarios del departamento de defensa, incluidos los jubilados y familiares. Así que no se limita a los pacientes mayores de 65 años, y no se limita a sólo veteranos. Este protocolo proporciona un punto de partida para utilizar el MDR.

Y la visión general de la técnica estadística puede ayudar a eliminar los sesgos que pueden ser intrínsecos en este tipo de investigación.