Name: Odwrotne prawdopodobieństwo ważenia leczenia (ocena skłonności) przy użyciu Repozytorium Danych Wojskowego Systemu Opieki Zdrowotnej i Krajowego Indeksu Zgonów (Wideo) | JoVE Journal
Uploaded: 2020-01-08T12:00:00.000+00:00
Duration: 6 min 55 s
Description: Poznaj metodę odwrotnego prawdopodobieństwa ważenia leczenia w badaniach retrospekcyjnych przy użyciu Repozytorium Danych Wojskowego Systemu Opieki Zdrowotnej. Protokół umożliwia redukcję błędów systematycznych i wspiera podejmowanie decyzji klinicznych.

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

Badania opisane w tej publikacji były wspierane przez National Center for Advancing Translational Sciences of the National Institutes of Health pod numerem nagrody UL1 TR002345. Wyłączną odpowiedzialność za treść ponoszą autorzy i nie muszą one reprezentować oficjalnych poglądów National Institutes of Health.
Zastrzeżenie: Dodatkowo, poglądy wyrażone w tym artykule są wyłącznie poglądami autora i nie powinny być interpretowane jako reprezentujące w jakikolwiek sposób poglądy rządu Stanów Zjednoczonych, Departamentu Obrony Stanów Zjednoczonych (DoD) lub Departamentu Armii Stanów Zjednoczonych. Identyfikacja konkretnych produktów lub oprzyrządowania naukowego jest uważana za integralną część przedsięwzięcia naukowego i nie stanowi poparcia ani dorozumianego poparcia ze strony autora, Departamentu Obrony ani żadnej agencji składowej.

<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>

Autorzy nie mają nic do ujawnienia.

Analizy retrospektywne z wykorzystaniem dużych zbiorów danych administracyjnych stanowią wydajną i opłacalną alternatywę, gdy randomizowane badania kontrolowane nie są wykonalne. Odpowiedni zestaw danych będzie zależał od populacji i zmiennych będących przedmiotem zainteresowania, ale MDR jest atrakcyjną opcją, która nie ma ograniczeń wiekowych widocznych w przypadku danych Medicare. W przypadku każdego zestawu danych ważne jest, aby dokładnie zapoznać się z jego układem i słownikiem danych. Po drodze należy zadbać o to,...

Randomizowane, kontrolowane placebo badania są najmocniejszym projektem badawczym do ilościowego określenia skuteczności leczenia, ale nie zawsze są one wykonalne ze względu na wymagania kosztowe i czasowe lub brak równowagi między grupami leczenia1. W takich przypadkach retrospektywny projekt kohorty wykorzystujący dane administracyjne na dużą skalę ("big data") często stanowi wydajną i opłacalną alternatywę, chociaż brak randomizacji wprowadza błąd systematyczny wyboru leczenia2. Błąd systematyczny związany z doborem leczenia występuje w badaniach nierandomizowanych, gdy decyzja o leczeniu zależy od cech przed leczeniem, które są związane z interesującym nas wynikiem. Te cechy są znane jako czynniki zakłócające.
Ponieważ wyniki skłonności minimalizują ten błąd poprzez równoważenie znanych czynników zakłócających między grupami leczenia, stają się coraz bardziej popularne3. Wyniki skłonności zostały wykorzystane do porównania podejść chirurgicznych4 i schematów medycznych5. Ostatnio wykorzystaliśmy analizę skłonności danych z Repozytorium Danych Wojskowego Systemu Zdrowia Stanów Zjednoczonych (MDR) w celu oceny wpływu statyn w prewencji pierwotnej wyników sercowo-naczyniowych w oparciu o obecność i nasilenie wapnia w tętnicach wieńcowych6.
MDR, używany rzadziej niż zestawy danych Medicare i VA do celów badawczych, zawiera obszerne informacje o roszczeniach administracyjnych i medycznych z usług szpitalnych i ambulatoryjnych świadczonych dla czynnej służby wojskowej, emerytów i innych beneficjentów opieki zdrowotnej Departamentu Obrony (DoD) oraz ich rodzin. Baza danych obejmuje usługi świadczone na całym świecie w amerykańskich wojskowych zakładach leczenia lub w obiektach cywilnych, na które rachunek wystawia Departament Obrony. Baza zawiera kompletne dane apteczne od 1 października 2001 roku. Dane laboratoryjne są dostępne od 2009 r., ale ograniczają się tylko do wojskowych zakładów leczniczych. W ramach MDR kohorty zostały zdefiniowane za pomocą metod obejmujących użycie kodów diagnoz (np. diabetes mellitus7) lub kodów procedur (np. chirurgia artroskopowa<klasa sup = "xref">8). Alternatywnie, zewnętrznie zdefiniowana kohorta uprawnionych beneficjentów, taka jak rejestr, może zostać dopasowana do MDR w celu uzyskania danych wyjściowych i uzupełniających9. W przeciwieństwie do Medicare, MDR obejmuje pacjentów w każdym wieku. Jest również mniej stronniczy w stosunku do mężczyzn niż baza danych VA, ponieważ obejmuje osoby pozostające na utrzymaniu. Dostęp do MDR jest jednak ograniczony. Ogólnie rzecz biorąc, tylko śledczy, którzy są członkami Wojskowego Systemu Opieki Zdrowotnej, mogą ubiegać się o dostęp, analogicznie do wymagań dotyczących korzystania z bazy danych VA. Badacze pozarządowi ubiegający się o dostęp do danych wojskowych systemów opieki zdrowotnej muszą to zrobić na podstawie umowy o udostępnianiu danych pod nadzorem sponsora rządowego.
Podczas korzystania z dowolnego zestawu danych administracyjnych, ważne jest, aby pamiętać o ograniczeniach, jak również mocnych stronach kodowania administracyjnego. Czułość i swoistość kodu mogą się różnić w zależności od powiązanej diagnozy, niezależnie od tego, czy jest to diagnoza pierwotna, czy wtórna, czy jest to plik szpitalny czy ambulatoryjny. Kody pacjentów hospitalizowanych z powodu ostrego zawału mięśnia sercowego są na ogół podawane z dodatnimi wartościami predykcyjnymi powyżej 90%10, ale palenie tytoniu jest często niedostatecznie kodowane11. Takie niedostateczne kodowanie może, ale nie musi mieć znaczącego wpływu na wyniki badania12. Ponadto może istnieć kilka kodów dla danego schorzenia o różnym poziomie korelacji z daną chorobą13. Zespół dochodzeniowy powinien przeprowadzić kompleksowe przeszukanie literatury i przegląd podręczników kodowania Międzynarodowej Klasyfikacji Chorób, Dziewiątej Rewizji, Modyfikacji Klinicznej (ICD-9-CM) i/lub ICD-10-CM, aby upewnić się, że odpowiednie kody są włączone do badania.
Można zastosować kilka metod w celu poprawy czułości i dokładności kodów diagnostycznych do definiowania chorób współistniejących. Należy uwzględnić odpowiedni okres "retrospekcji" w celu ustalenia wyjściowych chorób współistniejących. Okres retrospekcji obejmuje usługi szpitalne i ambulatoryjne świadczone przed przystąpieniem do badania. Optymalny może być okres jednego roku14. Dodatkowo, wymaganie dwóch oddzielnych oświadczeń zamiast jednego oświadczenia może zwiększyć specyficzność, podczas gdy uzupełnienie danych kodowania danymi farmaceutycznymi może poprawić czułość15. Wybrane ręczne audyty wykresów na części danych mogą być wykorzystane do sprawdzenia dokładności strategii kodowania.
Po zdefiniowaniu i ocenie chorób współistniejących dla danej kohorty, można użyć oceny skłonności do zrównoważenia różnic w zmiennych towarzyszących między grupami leczenia. Wynik skłonności jest uzyskiwany na podstawie prawdopodobieństwa, że pacjent zostanie przypisany do leczenia na podstawie znanych zmiennych współistniejących. Uwzględnienie tej skłonności do leczenia zmniejsza wpływ, jaki zmienne towarzyszące mają na przypisanie leczenia i pomaga wygenerować dokładniejsze oszacowanie wpływu leczenia na wynik. Chociaż wyniki skłonności niekoniecznie zapewniają lepsze wyniki niż modele wielowymiarowe, pozwalają ocenić, czy grupy leczone i nieleczone są porównywalne po zastosowaniu wyniku skłonności3. Badacze prowadzący badanie mogą analizować bezwzględne standaryzowane różnice w współzmiennych przed i po dopasowaniu skłonności lub odwrotnym prawdopodobieństwie ważenia leczenia (IPTW), aby upewnić się, że znane czynniki zakłócające zostały zrównoważone między grupami. Co ważne, nieznane czynniki zakłócające mogą nie być zrównoważone i należy zdawać sobie sprawę z możliwości wystąpienia szczątkowych zakłóceń.
Jeśli jednak wyniki są wykonywane prawidłowo, są potężnym narzędziem, które może przewidywać i replikować wyniki randomizowanych kontrolowanych prób16. Spośród dostępnych technik oceny skłonności, ogólnie preferowane są dopasowywanie i IPTW17. W ramach IPTW pacjenci są ważeni na podstawie ich skłonności lub prawdopodobieństwa leczenia. Stabilizujące ciężary są ogólnie zalecane w stosunku do surowych mas, podczas gdy można również rozważyć przycinanie obciążników18,19,20,21.
Gdy grupy badawcze zostaną zrównoważone, mogą być obserwowane aż do interesującego wyniku. Badania wykorzystujące dane administracyjne mogą być zainteresowane wynikami, takimi jak wskaźniki readmisji i analizy czasu do wystąpienia zdarzenia. W badaniach dotyczących śmiertelności Repozytorium Danych Wojskowego Systemu Opieki Zdrowotnej zawiera pole dotyczące stanu życiowego, które można dodatkowo zwiększyć za pomocą krajowego wskaźnika zgonów (NDI)22,23. NDI to scentralizowana baza danych zawierająca informacje o aktach zgonu z urzędów stanowych, która jest zarządzana przez Centrum Kontroli Chorób. Śledczy mogą wnioskować o ustalenie podstawowego stanu cywilnego i/lub konkretnej przyczyny zgonu na podstawie aktu zgonu.
Poniższy protokół szczegółowo opisuje proces przeprowadzania administracyjnego badania bazy danych przy użyciu MDR wzbogaconego o informacje o śmiertelności z NDI. Szczegółowo opisano w nim zastosowanie IPTW w celu zrównoważenia różnic wyjściowych między dwiema grupami leczenia, w tym kod SAS i przykładowe dane wyjściowe.

<table><tbody><tr><td>Nagrywarka CD (dla żądania NDI)</td><td></td><td></td><td></td></tr><tr><td>Komputer</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 lub innym oprogramowaniem 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>

odwrotne prawdopodobieństwo ważenia leczenia (ocena skłonności) przy użyciu repozytorium danych wojskowego systemu opieki zdrowotnej i krajowego indeksu zgonów

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

Gdy randomizowane badania kontrolowane nie są wykonalne, retrospektywne badania z wykorzystaniem dużych zbiorów danych stanowią efektywną i opłacalną alternatywę, chociaż są one narażone na błąd systematyczny w doborze leczenia. Błąd systematyczny związany z wyborem leczenia występuje w badaniu nierandomizowanym, gdy wybór leczenia opiera się na cechach przed leczeniem, które są również związane z wynikiem. Te cechy przed leczeniem lub czynniki zakłócające mogą wpływać na ocenę wpływu leczenia na wynik. Wyniki skłonności minimalizują to odchylenie poprzez równoważenie znanych czynników zakłócających między grupami leczenia. Istnieje kilka podejść do przeprowadzania analiz oceny skłonności, w tym stratyfikacja według oceny skłonności, dopasowanie skłonności i odwrotne prawdopodobieństwo ważenia leczenia (IPTW). Opisano tutaj zastosowanie IPTW do zrównoważenia wyjściowych chorób współistniejących w kohorcie pacjentów w repozytorium danych wojskowego systemu opieki zdrowotnej USA (MDR). MDR jest stosunkowo optymalnym źródłem danych, ponieważ zapewnia zamkniętą kohortę, w której dla uprawnionych beneficjentów dostępne są prawie pełne informacje na temat usług szpitalnych i ambulatoryjnych. Poniżej przedstawiono wykorzystanie MDR uzupełnionego informacjami z krajowego indeksu zgonów w celu uzyskania wiarygodnych danych dotyczących śmiertelności. Znajdują się tam również sugestie dotyczące korzystania z danych administracyjnych. Wreszcie, protokół współdzieli kod SAS do używania IPTW do równoważenia znanych czynników zakłócających i wykreślania skumulowanej funkcji częstości występowania dla interesującego wyniku.

Po zakończeniu procesu IPTW można wygenerować tabele lub wykresy bezwzględnych standaryzowanych różnic, korzystając odpowiednio z kodu makra stddiff lub kodu makra asdplot. Rycina 1 przedstawia przykład właściwego zrównoważenia w dużej kohorcie 10 000 uczestników przy użyciu makra asdplot. Po zastosowaniu wskaźnika skłonności (propensity score) bezwzględne standaryzowane różnice uległy znacznemu zmniejszeniu. Wartość progowa przyjęta dla bezwzględnej standary...

Gdy randomizowane badania kontrolowane nie są możliwe, kompleksowe źródło danych o opiece zdrowotnej, takie jak Repozytorium Danych Wojskowego Systemu Opieki Zdrowotnej, stanowi atrakcyjną alternatywę dla analiz retrospektywnych. Uwzględnienie danych dotyczących śmiertelności z krajowego indeksu zgonów i zrównoważenie różnic między grupami za pomocą ważenia skłonności pomaga zmniejszyć błędy systematyczne nieodłącznie związane z projektami retrospektywnymi.

Odwrotne prawdopodobieństwo ważenia leczenia (ocena skłonności) przy użyciu Repozytorium Danych Wojskowego Systemu Opieki Zdrowotnej i Krajowego Indeksu Zgonów

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

W przeszłości korzystaliśmy z wojskowej bazy danych opieki zdrowotnej, aby pomóc określić, którzy pacjenci najbardziej skorzystaliby z leczenia statynami, aby zmniejszyć ryzyko zawału serca w przyszłości. Nasz protokół stanowi mapę drogową dla każdego dostawcy usług medycznych, który jest zainteresowany wykorzystaniem dużych zbiorów danych do udzielania odpowiedzi na własne pytania kliniczne i może być stosowany do szerokiej i prawie nieograniczonej liczby tematów. Po uzyskaniu zgody instytucjonalnej komisji rewizyjnej wypełnij wniosek o umowę o udostępnieniu danych, zwracając uwagę na określenie żądanych pól danych i plików w arkuszu ekstrakcji DRT MDR.Określ, czy zespół prosi o analityka danych, dostarczenie danych pierwotnych, czy też zespół będzie miał bezpośredni dostęp do MDR i czy żądanie dotyczy jednorazowego ściągania danych, czy też żądania są wymagane regularnego ściągania codziennie, co miesiąc lub co rok. Aby uzyskać bezpośredni dostęp do MDR, wypełnij wniosek o autoryzację MDR w formularzach MDR-CS-2875. W przypadku bezpośredniego uzyskiwania dostępu do MDR należy postępować zgodnie z instrukcjami dotyczącymi uzyskiwania dostępu do MDR i korzystania z niego, w tym z wymaganiami programowymi i przykładowymi programami SAS, które są dostępne w Podręczniku użytkownika MDR i Podręczniku funkcjonalnym MDR.Aby uzyskać dodatkowe dane beneficjenta MDR dla swojej kohorty, pobierz pliki VM6 z serwera i scal je z plikiem kohorty. Użyj różnych nazw zmiennych w plikach rysunku danych VM6 i plikach kohortowych dla nazwisk pacjentów i dat urodzenia, aby ułatwić późniejsze sprawdzanie błędów po scaleniu. Ponieważ wpisy w bazie danych nigdy nie są całkowicie wolne od błędów, użyj kodu do wstępnego sprawdzania błędów po każdym głównym kroku, a także do sprawdzania dziennika programu i danych wyjściowych pod kątem potencjalnych problemów.Podczas porównywania nazw z pliku kohorty z plikiem VM6 dopasuj tylko pierwsze trzy litery, aby zwiększyć wydajność i zmniejszyć liczbę fałszywych błędów, które mogą wystąpić w przypadku różnic w pisowni lub odstępach między plikami. Następnie przejrzyj plik danych o błędach, wykonując w razie potrzeby ręczny przegląd rekordu kondycji, aby sprawdzić, czy nie ma innych błędów, które budzą obawy. Aby uzyskać odpowiednie wyodrębnienie danych, uzyskaj dane dotyczące rasy i płci z plików beneficjentów VM6, połącz tę datę z plikiem kohorty i sprawdź, czy nie ma błędów, jak pokazano powyżej.Uzyskaj dane o zgonie z głównego pliku zgonu, scal dane z plikiem kohorty i sprawdź, czy nie ma błędów. Następnie uzyskaj dodatkowe pliki danych zgodnie z potrzebami do analizy. W celu scalenia danych i konstrukcji pliku podsumowującego wyodrębnij podstawowe choroby współistniejące za pomocą kodów ICD-9-CM lub ICD-10-CM z okresu przed datą indeksu.Zadbanie o to, aby pacjenci kwalifikowali się do korzystania z wojskowego systemu opieki zdrowotnej w okresie bazowym, co zostało zweryfikowane w kartotece beneficjenta VM6. Przeszukaj kody diagnozy wyjściowej w dokumentacji ambulatoryjnej i/lub szpitalnej, aby ustalić podstawowe choroby współistniejące w początkowym okresie 12 miesięcy przed datą indeksu. W przypadku stosowania chorób współistniejących Elixhauser należy skorzystać z dostępnego oprogramowania z bazy danych projektu kosztów i wykorzystania opieki zdrowotnej, upewniając się, że w razie potrzeby zmodyfikowałeś nazwy zmiennych diagnostycznych i plików.Aby ustalić datę zakończenia badania dla wszystkich pacjentów jako granicę dla obserwacji pacjentów, którzy nie wykazali interesującego ich wyniku, przeszukaj plik beneficjenta VM6, aby upewnić się, że kwalifikuje się do opieki zdrowotnej do daty zakończenia badania. Jeśli ważne jest, aby ograniczyć badanie do aktywnych użytkowników systemu opieki zdrowotnej, niezależnie od kwalifikowalności, należy określić ostatni kontakt z opieką zdrowotną w plikach danych i ocenzurować pacjentów w tym dniu. Po uzyskaniu wszystkich niezbędnych informacji wygeneruj losowy identyfikator pacjenta dla każdego pacjenta za pomocą Ranuni.Aby modelować prawdopodobieństwo leczenia, należy użyć progresji logistycznej w celu obliczenia wag na podstawie przewidywanego prawdopodobieństwa. Następnie ustabilizuj wynik skłonności, dzieląc wynik przez średnią wagę. Aby zweryfikować bilansowanie po zastosowaniu odwrotnego prawdopodobieństwa traktowania, makro różnicowania standardu upraszcza obliczanie standaryzowanych średnich różnic dla kowariancji przed i po ważeniu w SAS.Aby wygenerować wykres skumulowanej funkcji częstości występowania w PROC PHREG, odwołaj się do pliku współzmiennych w celu określenia wartości współzmiennych, które mają być używane podczas generowania wykresu w składni PROC PHREG, użyj instrukcji wagi, aby określić znormalizowaną zmienną wyniku skłonności i użyj instrukcji bazowej, aby określić wartości współzmiennych linii bazowej w celu wykreślenia skumulowanej funkcji częstości występowania. Następnie określ warstwy, które mają zostać użyte na wykresie za pomocą ROWID. Oto przykład odpowiedniego równoważenia w dużej kohorcie 10000 uczestników przy użyciu bezwzględnego ustandaryzowanego makra wykresu różnicowego, jak pokazano.Po zastosowaniu oceny skłonności bezwzględne standaryzowane różnice uległy znacznemu zmniejszeniu. Tutaj można zaobserwować nieudane wyniki próby zrównoważenia współzmiennych w kohorcie 100 uczestników. W tym przykładzie PROC PHREG ze standaryzowanymi wagami oceny skłonności wykorzystano do wygenerowania wykresu skumulowanej funkcji częstości występowania, ujawniając, że w tej analizie nieleczona grupa kontrolna wykazała większą liczbę zdarzeń i wykazała stosunkowo gorsze przeżycie niż grupa leczona.MDR obejmuje beneficjentów departamentu obrony, w tym emerytów i członków rodzin. Nie ogranicza się więc tylko do pacjentów powyżej 65 roku życia i nie ogranicza się tylko do weteranów. Protokół ten stanowi punkt wyjścia do korzystania z MDR.Przegląd technik statystycznych może pomóc w wyeliminowaniu uprzedzeń, które mogą być nieodłączne w tego typu badaniach.

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

Research

JoVE Journal

Medicine

Medycyna

Prezentowany tutaj jest protokół do tworzenia nomogramów opartych na modelu regresji proporcjonalnego hazardu Coxa i konkurencyjnym modelu regresji ryzyka. Metoda konkurencyjna jest bardziej racjonalną metodą do zastosowania, gdy w analizie przeżycia obecne są konkurencyjne zdarzenia.

Ustanowienie konkurencyjnego modelu nomogramu regresji ryzyka dla danych dotyczących przeżycia

Protokół ten szczegółowo opisuje procedury akupunktury u pacjentów z nadwagą skomplikowaną hiperlipidemią oraz potwierdza wpływ czynników emocjonalnych na skuteczność terapii na podstawie wskaźników takich jak BMI, cholesterol i poziom trójglicerydów.

Wpływ czynników emocjonalnych na skuteczność leczenia akupunkturą osób z nadwagą skomplikowanych z hiperlipidemią: retrospektywne badanie kohortowe

Sepsis to zespół ogólnoustrojowej reakcji zapalnej wynikający z infekcji mikrobiologicznej, który można symulować za pomocą techniki chirurgicznej zwanej podwiązaniem i nakłuciem kątnicy (CLP). W niniejszym opracowaniu opisujemy metodę wykorzystania modelu zwierzęcego indukowanego CLP do przesiewowego badania ziół leczniczych w celu poszukiwania czynników terapeutycznych.

Wykorzystanie modelu zwierzęcego sepsy do oceny nowych terapii ziołowych

Utrata integralności otrzewnej stanowi nowy paradygmat w rozumieniu i leczeniu przewlekłego bólu miednicy u kobiet z łagodnymi postaciami endometriozy i może być łatwo wykryta poprzez śródoperacyjne podanie barwnika podczas laparoskopii.

Śródoperacyjne wykrywanie subtelnej endometriozy: nowy paradygmat diagnostyki i leczenia bólu miednicy związanego z utratą integralności otrzewnej

Sondowa konfokalna laserowa endomikroskopia umożliwia obrazowanie w czasie rzeczywistym dróg moczowych człowieka podczas cystoskopii, zapewniając dynamiczne obrazowanie intravitalne stanów patologicznych, takich jak rak pęcherza moczowego, z rozdzielczością komórkową. Endomikroskopia może zwiększyć dokładność diagnostyczną standardowej endoskopii w białym świetle oraz zapewnić śródoperacyjne prowadzenie obrazowe w celu usprawnienia resekcji chirurgicznej.

Sondowa konfokalna laserowa endomikroskopia dróg moczowych: Technika

Ten film demonstruje technikę przezskórnej biopsji mięśnia obszernego bocznego człowieka przy użyciu konchotomu Weila-Blakesleya.

Biopsja mięśni szkieletowych mięśnia obszernego bocznego człowieka przy użyciu konchotomu Weila-Blakesleya

Połączenie analizy wykresu z regresją trygonometryczną jest solidną metodą do badania złożonych, cyklicznych zjawisk, takich jak czas nawrotu choroby w stwardnieniu rozsianym (SM). Metoda ta umożliwiła bezstronne scharakteryzowanie sezonowych trendów w nawrotach, co pozwoliło na wyciągnięcie nowych wniosków na temat wpływu zmienności sezonowej, promieniowania ultrafioletowego (UVR) i szerokości geograficznej.

Metoda trygonometrycznego modelowania zmienności sezonowej zademonstrowana na podstawie danych dotyczących nawrotu stwardnienia rozsianego

Ten protokół opisuje procedurę śledzenia ewolucji pomiarów sieci mezjalnej u pacjentów z padaczką skroniową (TLE). Opiera się on na połączeniu zapisów wewnątrzczaszkowych z nowatorską techniką numeryczną do analizy danych. W szczególności przedstawiamy protokół do analiz sieciowych nagrań otworu owalnego.

Analiza sieciowa zapisów elektrod otworu owalnego u pacjentów z lekooporną padaczką skroniową

Siatkówka wykazuje wyraźne podobieństwa do mózgu, a zatem stanowi unikalne okno do nieinwazyjnego badania układu naczyniowego i struktury neuronalnej w mózgu. Protokół ten opisuje metodę badania demencji przy użyciu technik obrazowania siatkówki. Ta metoda może potencjalnie pomóc w diagnozie i ocenie ryzyka demencji.

Wykorzystanie obrazowania siatkówki do badania demencji

Badania nad strategiami leczenia pluripotencjalnych potworniaków pochodzących z komórek macierzystych są ważne dla klinicznego przełożenia terapii komórkami macierzystymi. W tym miejscu opisujemy protokół, aby najpierw wygenerować potworniaki pochodzące z komórek macierzystych u myszy, a następnie selektywnie celować i leczyć te nowotwory in vivo za pomocą napromieniacza dla małych zwierząt.

Celowane i selektywne leczenie pluripotencjalnych potworniaków pochodzących z komórek macierzystych z wykorzystaniem promieniowania wiązki zewnętrznej w modelu małego zwierzęcia

Poznaj metodę odwrotnego prawdopodobieństwa ważenia leczenia w badaniach retrospekcyjnych przy użyciu Repozytorium Danych Wojskowego Systemu Opieki Zdrowotnej. Protokół umożliwia redukcję błędów systematycznych i wspiera podejmowanie decyzji klinicznych.

Odwrotne prawdopodobieństwo ważenia leczenia (ocena skłonności) przy użyciu Repozytorium Danych Wojskowego Systemu Opieki Zdrowotnej i Krajowego Indeksu Zgonów (Wideo) | JoVE Journal

Odwrotne prawdopodobieństwo ważenia leczenia (ocena skłonności) przy użyciu Repozytorium Danych Wojskowego Systemu Opieki Zdrowotnej i Krajowego Indeksu Zgonów

Przeglądaj więcej filmów