Name: Probabilità inversa di ponderazione del trattamento (Punteggio di propensione) utilizzando larchivio dati del sistema sanitario militare e lindice nazionale di morte (Video) | JoVE Journal
Uploaded: 2020-01-08T12:00:00.000+00:00
Duration: 6 min 55 s
Description: Impara l'analisi retrospettiva con il Military Health System Data Repository utilizzando la ponderazione del punteggio di propensione. Questo metodo riduce i bias negli studi osservazionali e supporta le decisioni cliniche basate sui big data.

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

La ricerca riportata in questa pubblicazione è stata supportata dal National Center for Advancing Translational Sciences dei National Institutes of Health sotto il Award Number UL1 TR002345. Il contenuto è di esclusiva responsabilità degli autori e non rappresenta necessariamente le opinioni ufficiali dei National Institutes of Health.
Disclaimer: Inoltre, le opinioni espresse in questo articolo sono quelle solo dell'autore e non devono essere interpretate per rappresentare in alcun modo quelle del governo degli Stati Uniti, del Dipartimento della Difesa degli Stati Uniti (DoD), o del Dipartimento degli Stati Uniti del Esercito. L'identificazione di prodotti specifici o strumentazione scientifica è considerata parte integrante dello sforzo scientifico e non costituisce l'approvazione o l'approvazione implicita da parte dell'autore, del Dad o di qualsiasi agenzia di componenti.

<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>

Gli autori non hanno nulla da rivelare.

Le analisi retrospettive che utilizzano set di dati amministrativi di grandi dimensioni forniscono un'alternativa efficiente ed economica quando le sperimentazioni controllate randomizzate non sono fattibili. Il set di dati appropriato dipenderà dalla popolazione e dalle variabili di interesse, ma l'MDR è un'opzione interessante che non prevede le restrizioni di età osservate con i dati Medicare. Con qualsiasi set di dati, è importante avere una profonda familiarità con il layout e il dizionario dei dati. È necessario pr...

Randomizzati, studi controllati con placebo sono il più forte disegno di studio per quantificare l'efficacia del trattamento, ma non sono sempre fattibili a causa di requisiti di costi e tempi o una mancanza di equipoise tra i gruppi di trattamento1. In questi casi, un progetto di coorte retrospettivo che utilizza dati amministrativi su larga scala ("big data") spesso fornisce un'alternativa efficiente ed economica, anche se la mancanza di randomizzazione introduce la distorsione della selezione del trattamento2. La distorsione della selezione del trattamento si verifica negli studi non randomizzati quando la decisione di trattamento dipende dalle caratteristiche pre-trattamento associate all'esito di interesse. Queste caratteristiche sono note come fattori di confusione.
Poiché i punteggi di propensione riducono al minimo questa distorsione bilanciando i confondenti noti tra i gruppi di trattamento, sono diventati sempre più popolari3. I punteggi di propensione sono stati utilizzati per confrontare gli approcci chirurgici4 e regimi medici5. Recentemente, abbiamo utilizzato un'analisi della propensione dei dati dal Repository dati del sistema sanitario militare degli Stati Uniti (MDR) per valutare l'effetto delle statine nella prevenzione primaria degli esiti cardiovascolari in base alla presenza e alla gravità del calcio coronario6.
L'MDR, utilizzato meno frequentemente dei set di dati Medicare e VA a scopo di ricerca, contiene informazioni complete sulle indicazioni amministrative e mediche dei servizi ospedalieri e ambulatoriali forniti per i beneficiari sanitari del Dipartimento della Difesa (DoD) in servizio attivo e i loro familiari a carico. Il database include servizi forniti in tutto il mondo presso strutture militari statunitensi o presso strutture civili fatturate al DoD. Il database include i dati completi della farmacia dal 1 ottobre 2001. I dati di laboratorio sono disponibili a partire dal 2009, ma sono limitati solo alle strutture di trattamento militare. All'interno della MDR, le coorti sono state definite con metodi come l'uso di codici diagnostici (ad esempio, diabete mellito7) o codici di procedura (ad esempio, chirurgia artroscopica8). In alternativa, una coorte definita esternamente di beneficiari idonei, ad esempio un registro, può essere abbinata all'MDR per ottenere dati di base e di follow-up9. A differenza di Medicare, l'MDR include pazienti di tutte le età. È anche meno di parte nei confronti dei maschi rispetto al database VA poiché include i dipendenti. L'accesso all'MDR è tuttavia limitato. In generale, solo gli investigatori che sono membri del sistema sanitario militare possono richiedere l'accesso, analogamente ai requisiti per l'uso del database VA. I ricercatori non governativi che chiedono l'accesso ai dati dei sistemi sanitari militari devono farlo attraverso un accordo di condivisione dei dati sotto la supervisione di uno sponsor governativo.
Quando si utilizza un set di dati amministrativi, è importante tenere a mente le limitazioni e i punti di forza della codifica amministrativa. La sensibilità e la specificità del codice possono variare in base alla diagnosi correlata, sia che si tratti di una diagnosi primaria o secondaria, o se si tratta di un file ospedaliero o ambulatoriale. I codici ospedalieri per l'infarto miocardico acuto sono generalmente riportati con precisione con valori predittivi positivi superiori al 90%10, ma l'uso del tabacco è spesso sottocodificato11. Tale sottocodifica può o non può avere un effetto significativo sui risultati di uno studio12. Inoltre, possono esistere diversi codici per una determinata condizione con diversi livelli di correlazione alla malattia nella domanda13. Un team investigativo deve eseguire una ricerca e una revisione completa della letteratura completa della classificazione internazionale della malattia, della nona revisione, della modifica clinica (ICD-9-CM) e/o dei manuali di codifica ICD-10-CM per garantire che i codici appropriati siano inclusi nello studio.
Diversi metodi possono essere impiegati per migliorare la sensibilità e l'accuratezza dei codici diagnostici per definire le condizioni comorbid. Occorre includere un periodo adeguato di "look-back" per stabilire le comorbilità di base. Il periodo di riflessione comprende i servizi ospedalieri e ambulatoriali forniti prima dell'ingresso nello studio. Un periodo di un anno può essere ottimale14. Inoltre, che richiedono due rivendicazioni separate invece di una singola affermazione può aumentare la specificità, mentre il completamento dei dati di codifica con dati farmaceutici può migliorare la sensibilità15. Selezionare i controlli grafici manuali su una parte dei dati può essere utilizzato per verificare l'accuratezza della strategia di codifica.
Una volta definite e valutate le comorbilità per la coorte in questione, può essere utilizzato un punteggio di propensione per bilanciare le differenze nelle covarie tra i gruppi di trattamento. Il punteggio di propensione deriva dalla probabilità che un paziente sia assegnato a un trattamento basato su covari noti. La contabilità di questo trattamento di propensione riduce l'effetto che i covariati hanno sull'assegnazione del trattamento e aiuta a generare una stima più fedele dell'effetto del trattamento sul risultato. Sebbene i punteggi di propensione non forniscano necessariamente risultati superiori ai modelli multivariati, consentono di valutare se i gruppi trattati e non trattati sono comparabili dopo aver applicato il punteggio di propensione3. I ricercatori di studio possono analizzare le differenze standardizzate assolute nei covariati prima e dopo la corrispondenza della propensione o della probabilità inversa di ponderazione del trattamento (IPTW) per garantire che i confondenti noti siano stati bilanciati tra i gruppi. È importante sottolineare che i confondenti sconosciuti potrebbero non essere bilanciati e si dovrebbe essere consapevoli del potenziale conforto residuo.
Se eseguiti correttamente, però, i punteggi di propensione sono un potente strumento in grado di prevedere e replicare i risultati di prove controllate randomizzate16. Delle tecniche di propensione-punteggio disponibili, corrispondenza e IPTW sono generalmente preferiti17. All'interno di IPTW, i pazienti sono ponderati in base alla loro propensione o probabilità di trattamento. I pesi stabilizzanti sono generalmente raccomandati rispetto ai pesi grezzi, mentre il taglio dei pesi può anche essere considerato18,19,20,21.
Una volta che i gruppi di studio sono equilibrati, possono essere seguiti fino all'esito di interesse. Gli studi che utilizzano dati amministrativi possono essere interessati a risultati quali tassi di riammissione e analisi del time-to-event. Negli studi interessati alla mortalità, il Military Health System Data Repository include un campo per lo status vitale che può essere ulteriormente aumentato utilizzando l'indice nazionale di mortalità (NDI)22,23. L'NDI è un database centralizzato di informazioni di record di morte dagli uffici statali gestito dal Center for Disease Control. Gli investigatori possono richiedere lo status vitale di base e/o la causa specifica del decesso in base al certificato di morte.
Il protocollo seguente descrive in dettaglio il processo di conduzione di uno studio amministrativo sul database utilizzando l'MDR aumentata con informazioni sulla mortalità da parte dell'NDI. Descrive in dettaglio l'uso di IPTW per bilanciare le differenze di base tra due gruppi di trattamento, tra cui il codice SAS e l'output di esempio.

<table><tbody><tr><td>Masterizzatore CD (per richiesta NDI)</td><td></td><td></td><td></td></tr><tr><td>Computer</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 o altri software FTP</td><td><a href="https://winscp.net/eng/index.php" target="_blank">https://winscp.net/eng/index.php</a></td><td></td><td></td></tr></tbody></table>

probabilità inversa di ponderazione del trattamento (punteggio di propensione) utilizzando l'archivio dati del sistema sanitario militare e l'indice nazionale di morte

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

Quando gli studi controllati randomizzati non sono fattibili, gli studi retrospettivi che utilizzano i big data forniscono un'alternativa efficiente ed economica, anche se sono a rischio di distorsione della selezione del trattamento. La distorsione della selezione del trattamento si verifica in uno studio non randomizzato quando la selezione del trattamento si basa su caratteristiche pre-trattamento che sono associate anche al risultato. Queste caratteristiche di pre-trattamento, o confondenti, possono influenzare la valutazione dell'effetto di un trattamento sul risultato. I punteggi di propensione riducono al minimo questa distorsione bilanciando i confondenti noti tra i gruppi di trattamento. Esistono alcuni approcci per eseguire analisi del punteggio di propensione, tra cui la stratificazione in base al punteggio di propensione, alla corrispondenza della propensione e alla probabilità inversa di ponderazione del trattamento (IPTW). Descritto qui è l'uso di IPTW per bilanciare le comorbilità di base in una coorte di pazienti all'interno del repository di dati del sistema sanitario militare degli Stati Uniti (MDR). L'MDR è una fonte di dati relativamente ottimale, in quanto fornisce una coorte contenuta in cui sono disponibili informazioni quasi complete sui servizi ospedalieri e ambulatoriali per i beneficiari idonei. Di seguito è descritto l'uso della MDR integrato con le informazioni dell'indice nazionale di mortalità per fornire dati solidi sulla mortalità. Sono inoltre forniti suggerimenti per l'utilizzo di dati amministrativi. Infine, il protocollo condivide un codice SAS per l'utilizzo di IPTW per bilanciare i confondenti noti e tracciare la funzione di incidenza cumulativa per il risultato dell'interesse.

Al termine di IPTW, tabelle o grafici delle differenze standardizzate assolute possono essere generate utilizzando rispettivamente il codice macro stddiff o il codice macro asdplot. Nella figura 1 viene illustrato un esempio di bilanciamento appropriato in una coorte di grandi dimensioni composta da 10.000 partecipanti che utilizzano la macro asdplot. Dopo l'applicazione del punteggio di propensione, le differenze standardizzate assolute sono state ridotte in...

Quando gli studi controllati randomizzati non sono fattibili, una fonte completa di dati sanitari come il Military Health System Data Repository fornisce un'alternativa interessante per le analisi retrospettive. L'incorporazione dei dati sulla mortalità derivanti dall'indice nazionale di mortalità e il bilanciamento delle differenze tra i gruppi che utilizzano la ponderazione della propensione aiuta a ridurre i pregiudizi inerenti ai progetti retrospettivi.

Probabilità inversa di ponderazione del trattamento (Punteggio di propensione) utilizzando l'archivio dati del sistema sanitario militare e l'indice nazionale di morte

When randomized controlled trials are not feasible, retrospective studies using big data provide an efficient and cost-effective alternative, though they ...

In passato, abbiamo usato il database sanitario militare per aiutare a determinare quali pazienti trarrebbero maggiori benefici dal trattamento delle statine per aiutare a ridurre le loro possibilità di un futuro attacco di cuore. Il nostro protocollo offre una roadmap a qualsiasi fornitore di servizi medici interessato a utilizzare i big data per rispondere alle proprie domande cliniche e può essere applicato a un numero di argomenti di vasta portata e quasi illimitato. Dopo aver raggiunto l'approvazione del comitato di revisione istituzionale, completare una domanda di accordo di condivisione dei dati, facendo attenzione a specificare i campi dati e i file richiesti nel foglio di lavoro estrazioni MDR DRT.Specificare se il team richiede un analista di dati, fornisce i dati non elaborati o se il team accederà direttamente all'MDR e se la richiesta è per un pull di dati una sola volta o se vengono richiesti pull regolari ogni giorno, mensile o anno. Per accedere direttamente all'MDR, completare la richiesta di autorizzazione MDR nei moduli MDR-CS-2875. Quando si accede direttamente all'MDR, seguire le istruzioni per l'accesso e l'utilizzo dell'MDR, inclusi i requisiti software e i programmi SAS di esempio disponibili nella guida per gli utenti MDR e nella guida funzionale MDR.Per ottenere ulteriori dati del beneficiario MDR per la coorte, acquisire i file VM6 dal server e unirsi al file di coorte. Utilizzare nomi di variabili diversi nei file di disegno e coorte dei dati VM6 per i nomi dei pazienti e le date di nascita per facilitare il controllo successivo della presenza di errori dopo l'unione. Poiché le voci del database non sono mai completamente libere da errori, utilizzare il codice per preformare i controlli degli errori dopo ogni passaggio principale, oltre a controllare il registro e l'output del programma per eventuali problemi.Quando si confrontano i nomi del file di coorte con il file VM6, corrispondono solo alle prime tre lettere per migliorare l'efficienza e ridurre eventuali errori falsi che possono verificarsi con differenze di ortografia o spaziatura tra i file. Quindi esaminare il file dei dati di errore, eseguendo una revisione manuale della registrazione dello stato in base alle esigenze, per verificare la presenza di altri errori di preoccupazione. Per l'estrazione dei dati pertinenti, ottenere i dati relativi alla razza e al sesso dai file beneficiari VM6, unire questa data con il file di coorte e verificare la presenza di errori come appena dimostrato.Ottenere i dati di morte dal file master morte, unire i dati con il file di coorte e verificare la presenza di errori. Quindi ottenere file di dati aggiuntivi in base alle esigenze per l'analisi. Per l'unione dei dati e la costruzione di file sommativi, estrarre le comorbilità di base utilizzando codici ICD-9-CM o ICD-10-CM dal periodo precedente la data di indice.Fare attenzione che i pazienti avessero l'idoneità per il sistema sanitario militare durante il periodo di riferimento come verificato nel file del beneficiario VM6. Cercare i codici di diagnosi di base nei file ambulatoriali e/o ospedalieri per stabilire le comorbilità di base durante il periodo di 12 mesi previsto prima della data di indicizzazione. Se si utilizzano le comorbilità di Elixhauser, utilizzare il software disponibile dal database del progetto di costo e utilizzo dell'assistenza sanitaria, assicurandosi di modificare i nomi delle variabili diagnostiche e dei file in base alle esigenze.Per impostare una data di fine dello studio per tutti i pazienti come punto di partenza per il follow-up per i pazienti che non hanno dimostrato l'esito dell'interesse, cercare nel file del beneficiario VM6 per garantire l'idoneità all'assistenza sanitaria fino alla data di fine dello studio. Se è importante limitare lo studio agli utenti attivi del sistema sanitario, indipendentemente dall'idoneità, determinare l'ultimo contatto sanitario all'interno dei file di dati e censurare i pazienti a quella data. Una volta acquisite tutte le informazioni necessarie, generare un identificatore casuale del paziente per ogni paziente che utilizza Ranuni.Per modellare la probabilità di trattamento utilizzare la progressione logistica per calcolare i pesi dalla probabilità prevista. Quindi stabilizzare il punteggio di propensione dividendo il punteggio per il peso medio. Per verificare il bilanciamento dopo aver applicato la probabilità inversa di ponderazione del trattamento, la macro di differenziazione standard semplifica le differenze media standardizzate di calcolo per le covarianze prima e dopo la ponderazione in SAS.Per generare un plot di funzioni di incidenza cumulativa in PROC PHREG, fare riferimento a un file covariato per specificare i valori covariati da utilizzare durante la generazione del plottaggio nella sintassi PROC PHREG, utilizzare l'istruzione weight per specificare la variabile di punteggio di propensione standardizzata e utilizzare l'istruzione baseline per specificare i valori per i covariati di base per tracciare la funzione di incidenza cumulativa. Specificate quindi gli strati da utilizzare per il plottaggio utilizzando ROWID. Qui, un esempio di bilanciamento appropriato in una grande coorte di 10000 partecipanti utilizzando la macro del grafico delle differenze standardizzata assoluta come mostrato.Dopo l'applicazione del punteggio di propensione, le differenze standardizzate assolute sono state ridotte in modo significativo. Qui si possono osservare i risultati infruttuosi del tentativo di bilanciare le covariate in una coorte di 100 partecipanti. In questo esempio, PROC PHREG con pesi di punteggio di propensione standardizzati sono stati utilizzati per generare un grafico della funzione di incidenza cumulativa, rivelando che in questa analisi, il gruppo di controllo non trattato ha dimostrato un numero maggiore di eventi e ha mostrato una sopravvivenza relativamente peggiore rispetto al gruppo trattato.L'MDR include i beneficiari del dipartimento della difesa, compresi i pensionati e i membri della famiglia. Quindi non è limitato solo ai pazienti di età superiore ai 65 anni, e non è limitato solo ai veterani. Questo protocollo fornisce un punto di partenza per l'utilizzo dell'MDR.E la panoramica della tecnica statistica può aiutare a eliminare i pregiudizi che possono essere intrinseci in questo tipo di ricerca.

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

Research

Ricerca

JoVE Journal

Medicine

Medicina

Qui è presentato un protocollo per costruire nomogrammi basati sul modello di regressione dei rischi proporzionali Cox e sul modello di regressione del rischio concorrente. Il metodo concorrente è un metodo più razionale da applicare quando gli eventi concorrenti sono presenti nell'analisi di sopravvivenza.

Definizione di un modello di nomogramma di regressione del rischio concorrente per i dati di sopravvivenza

Questo protocollo dettaglia le procedure di agopuntura per i pazienti con sovrappeso complicato da iperlipidemia e certifica l'influenza dei fattori emotivi sull'efficacia terapeutica basandosi su parametri quali BMI, colesterolo e livelli di trigliceridi.

Influenza dei fattori emotivi sull'efficacia del trattamento con agopuntura per il sovrappeso complicato con iperlipidemia: uno studio di coorte retrospettiva

Sepsi si riferisce ad una sindrome da risposta infiammatoria sistemica risultante da una infezione microbica, e può essere simulato da una tecnica chirurgica denominata legatura cecale e puntura (CLP). Qui si descrive un metodo per utilizzare CLP-indotta modello animale per lo screening erbe medicinali per gli agenti terapeutici.

Uso di un modello animale di sepsi per valutare nuove terapie a base di erbe

La perdita di integrità peritoneale offre un nuovo paradigma per comprendere e curare il dolore pelvico cronico in donne con forme lievi di endometriosi e può essere facilmente individuate usando intraoperatoria instillazione di colorante al momento della laparoscopia.

Rilevazione intraoperatoria di endometriosi sottile: un nuovo paradigma per la rilevazione e il trattamento del dolore pelvico associato con la perdita di integrità peritoneale

Sonda basata endomicroscopy laser confocale consente in tempo reale la microscopia del tratto urinario umano durante cistoscopia, fornendo dinamico, imaging intravitale di stati patologici come il cancro della vescica con risoluzione cellulare. Endomicroscopy può aumentare l'accuratezza diagnostica di livello luce bianca endoscopia e fornire orientamenti immagine intraoperatoria per migliorare la resezione chirurgica.

Probe-based Endomicroscopy laser confocale del tratto urinario: La Tecnica

Questo video dimostra la tecnica della biopsia muscolare percutanea del vasto laterale umano utilizzando il concotomo di Weil-Blakesley.

Umano<em&gt; vasto laterale</em&gt; Biopsia muscolare scheletrico Utilizzando la Weil-Blakesley Conchotome

La combinazione dell'analisi dei grafici con la regressione trigonometrica è un metodo robusto per esplorare fenomeni ciclici complessi come la tempistica di insorgenza delle recidive nella sclerosi multipla (SM). Questo metodo ha permesso una caratterizzazione imparziale delle tendenze stagionali nell'insorgenza delle recidive, consentendo nuove inferenze sull'influenza della variazione stagionale, della radiazione ultravioletta (UVR) e della latitudine.

Un metodo di trigonometrica Modellazione di variazione stagionale dimostrata con sclerosi multipla recidiva dati

Questo protocollo descrive una procedura per tracciare l'evoluzione delle misure della rete mesiale nei pazienti con epilessia del lobo temporale (TLE). Si basa sulla combinazione di registrazioni intracraniche con una nuova tecnica numerica per l'analisi dei dati. In particolare, presentiamo un protocollo per l'analisi di rete delle registrazioni del forame ovale.

Network Analysis di forame ovale elettrodi Recordings in farmaco-resistenti epilessia del lobo temporale pazienti

La retina condivide importanti somiglianze con il cervello e rappresenta quindi una finestra unica per studiare il sistema vascolare e struttura di un neurone nel cervello non invadente. Questo protocollo descrive un metodo per studiare demenza usando tecniche di imaging retinici. Questo metodo può potenzialmente aiutare nella diagnosi e valutazione del rischio di demenza.

Usando la formazione immagine retinica per studiare la demenza

Ricerca sulle strategie di trattamento per i teratomas derivati da cellule staminali pluripotenti è importante per la traduzione clinica della terapia cellulare. Qui, descriviamo un protocollo per, in primo luogo, generare teratomi derivati da cellule staminali in topi e, quindi, a selettivamente bersaglio e curare questi tumori in vivo usando un irradiatore di piccoli animali.

Trattamento mirato e selettivo dei Teratomas di derivati da cellule staminali pluripotenti utilizzando radiazione esterna del fascio in un modello di piccoli animali

Impara l'analisi retrospettiva con il Military Health System Data Repository utilizzando la ponderazione del punteggio di propensione. Questo metodo riduce i bias negli studi osservazionali e supporta le decisioni cliniche basate sui big data.

Probabilità inversa di ponderazione del trattamento (Punteggio di propensione) utilizzando larchivio dati del sistema sanitario militare e lindice nazionale di morte (Video) | JoVE Journal

Probabilità inversa di ponderazione del trattamento (Punteggio di propensione) utilizzando l'archivio dati del sistema sanitario militare e l'indice nazionale di morte

Esplora altri video