군 보건 시스템 데이터 저장소 및 국가 사망 지수를 사용하여 치료 가중치의 역 확률 (성향 점수)

과거에, 우리는 미래 심장 발작의 그들의 기회를 감소시키는 것을 돕기 위하여 스타틴 처리에서 가장 유익할 환자를 결정하기 위하여 군사 헬스케어 데이터베이스를 이용했습니다. 우리의 프로토콜은 빅 데이터를 사용하여 자신의 임상 질문에 대답하는 데 관심이있는 의료 제공자에게 로드맵을 제공하며 훨씬 광범위하고 거의 무한한 수의 주제에 적용 할 수 있습니다. 기관 검토 위원회의 승인을 받은 후 DRT MDR 추출 워크시트에서 요청되는 데이터 필드와 파일을 지정하는 데 주의를 기울여 데이터 공유 계약 신청서를 작성합니다.

팀이 데이터 분석가를 요청하는지, 원시 데이터 공급여부를 지정하거나, 팀이 MDR에 직접 액세스할 지 여부와 일회성 데이터 끌어오기를 위한 요청인지 또는 정기적인 풀이 매일, 매월 또는 매년 요청되는지 여부를 지정합니다. MDR에 직접 액세스하려면 MDR-CS-2875 양식에서 MDR 권한 부여 요청을 완료합니다. MDR에 직접 액세스할 때 MDR 사용자 가이드 및 MDR 기능 가이드에서 사용할 수 있는 소프트웨어 요구 사항 및 예제 SAS 프로그램을 포함하여 MDR에 액세스하고 사용하는 지침을 따르십시오.

코호트에 대한 추가 MDR 수혜자 데이터를 얻으려면 서버에서 VM6 파일을 획득하고 코호트 파일과 병합합니다. VM6 데이터 그리기 및 코호트 파일에서 환자 이름 및 생년월일의 다른 변수 이름을 사용하여 병합 후 오류를 후속 검사하는 데 도움이 됩니다. 데이터베이스 항목이 오류에서 완전히 자유롭지 않을 때 코드를 사용하여 각 주요 단계 이후의 오류 검사를 수정하고 잠재적인 문제에 대해 프로그램 로그 및 출력을 확인합니다.

코호트 파일의 이름을 VM6 파일과 비교할 때 처음 세 글자만 일치하여 효율성을 개선하고 파일 간의 맞춤법 이나 간격의 차이로 발생할 수 있는 잘못된 오류를 줄입니다. 그런 다음 오류 데이터 파일을 검토하고 필요에 따라 상태 레코드에 대한 수동 검토를 수행하여 다른 우려 오류를 확인합니다. 관련 데이터 추출의 경우 VM6 수혜자 파일에서 인종 및 성별 데이터를 얻고, 이 날짜를 코호트 파일과 병합하고, 방금 설명한 대로 오류를 확인합니다.

데스 마스터 파일에서 사망 데이터를 얻고, 코호트 파일과 데이터를 병합하고 오류를 확인합니다. 그런 다음 분석에 필요한 추가 데이터 파일을 가져옵니다. 데이터 병합 및 합계 파일 구성의 경우 인덱스 날짜 이전 기간부터 ICD-9-CM 또는 ICD-10CM 코드를 사용하여 기준 상부값을 추출합니다.

VM6 수혜자 파일에서 확인된 바와 같이 환자가 기준 기간 동안 군 의료 시스템에 대한 자격을 가지고 있다는 것을 주의하십시오. 외래 환자 및/또는 입원 환자 파일의 기준선 진단 코드를 검색하여 인덱스 날짜 12개월 이전의 기준선 컴포지션을 설정합니다. Elixhauser comorbidities를 사용하는 경우, 필요에 따라 진단 변수 및 파일의 이름을 수정하여 의료 비용 및 활용 프로젝트 데이터베이스에서 사용 가능한 소프트웨어를 사용합니다.

관심의 결과를 입증하지 않은 환자에 대한 후속 조치로 모든 환자에 대한 연구 종료 날짜를 설정하려면, 연구 종료 일을 통해 의료 자격을 보장하기 위해 VM6 수혜자 파일을 검색. 적격성과 는 별개로 의료 시스템의 활성 사용자로 연구를 제한하는 것이 중요하다면 데이터 파일 내의 마지막 의료 접촉을 결정하고 해당 날짜에 환자를 검열하십시오. 필요한 모든 정보가 수집되면 Ranuni를 사용하여 각 환자에 대해 임의의 환자 식별자를 생성합니다.

치료 확률을 모델링하려면 물류 진행을 사용하여 예측 된 확률에서 가중치를 계산합니다. 그런 다음 점수를 평균 가중치로 나누어 성향 점수를 안정화시합니다. 표준 차별화 매크로에 가중치를 적용한 후 밸런싱을 검증하기 위해 SAS에서 가중치를 적용하기 전과 후에 코분산에 대한 컴퓨팅 표준화된 평균 차이를 단순화한다.

PROC PHREG에서 누적 발생 함수 플롯을 생성하려면, PROC PHREG 구문에서 플롯을 생성할 때 사용할 공변값을 지정하기 위해 공변형 파일을 참조하고, 가중치 문을 사용하여 표준화된 성향 점수 변수를 지정하고 기준문을 사용하여 기준선 문에서 기준선 공변성 값을 지정하여 누적 발생률 함수를 플롯한다. 그런 다음 ROWID를 사용하여 플롯에 사용할 지층을 지정합니다. 여기서, 표시된 바와 같이 절대 표준화된 차이 플롯 매크로를 사용하여 10,000명의 참가자의 대규모 코호트에서 적절한 균형을 맞추는 예입니다.

성향 점수의 적용 후, 절대 표준화 된 차이는 크게 감소되었다. 여기서, 100명의 참가자의 코호트에서 코바레의 균형을 맞추려는 실패한 결과를 관찰할 수 있습니다. 이 예에서, 표준화된 성향 점수 가중치를 가진 PROC PHREG는 누적 발생률 함수 플롯을 생성하는 데 사용되었으며, 이러한 분석에서 처리되지 않은 대조군은 치료된 그룹보다 더 많은 수의 이벤트를 시연하고 비교적 더 나쁜 생존을 나타냈다.

MDR에는 퇴직자와 가족을 포함한 국방부 수혜자가 포함됩니다. 따라서 65 세 이상의 환자만으로 제한되지 않으며 단지 재향 군인에게만 국한되지 않습니다. 이 프로토콜은 MDR을 사용하기 위한 시작점을 제공합니다.

그리고 통계 기술 개요는 연구의이 유형에 본질적 일 수있는 편견을 제거하는 데 도움이 될 수 있습니다.