Name: inverse probability of treatment weighting (propensity score) using the military health system data repository and national death index
Uploaded: 2020-01-08T12:00:00
Description: Watch this Scientific Journal Video about Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index at JoVE.com

Forskning rapporteret i denne publikation blev støttet af det nationale center for fremme translational Sciences af National Institutes of Health under tildeling nummer UL1 TR002345. Indholdet er udelukkende ansvaret for forfatterne og ikke nødvendigvis repræsenterer de officielle synspunkter af de nationale institutter for sundhed.
Disclaimer: Desuden er de synspunkter, der er udtrykt i denne artikel, er de af forfatteren kun og bør ikke fortolkes til at repræsentere på nogen måde, at de amerikanske regering, det amerikanske Department of Defense (DoD), eller de Forenede Staters Department of the Hær. Identifikationen af specifikke produkter eller videnskabelige instrumentering betragtes som en integrerende del af den videnskabelige bestræbelse og udgør ikke godkendelse eller underforstået påtegning fra forfatteren, DoD, eller nogen komponent agentur.

Følgende protokol følger retningslinjerne fra vores institutionelle etiske udvalg for menneskerettigheder.
1. definition af kohorten
<ol><li>Fastlægge og klart definere inklusions-og udelukkelseskriterierne for den planlagte kohorte ved hjælp af enten 1) et register eller 2) datapunkter, der kan udvindes fra MDR, såsom administrative koder for diagnoser eller procedurer (dvs. alle patienter med mere end to ambulante diagnoser eller en indlæggelse diagnose af atrieflimren).<ol>
<li>Hvis...

<ol>
	<li>Concato, J., Shah, N., Horwitz, R. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Randomized,+controlled+trials,+observational+studies,+and+the+hierarchy+of+research+designs.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Survivor+treatment+bias,+treatment+selection+bias,+and+propensity+scores+in+observational+research.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Propensity+scores+for+confounder+adjustment+when+assessing+the+effects+of+medical+interventions+using+nonexperimental+study+designs.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Long-Term+Outcomes+of+Abdominal+Aortic+Aneurysm+in+the+Medicare+Population.">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., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Propensity-Matched+Analysis+Between+Standard+Versus+Tapered+Oral+Vancomycin+Courses+for+the+Management+of+Recurrent+Clostridium+difficile+Infection.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Impact+of+Statins+on+Cardiovascular+Outcomes+Following+Coronary+Artery+Calcium+Scoring.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+plateau+in+new+onset+type+1+diabetes:+Incidence+of+pediatric+diabetes+in+the+United+States+Military+Health+System.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comorbidities+in+the+first+2+years+after+arthroscopic+hip+surgery:+substantial+increases+in+mental+health+disorders,+chronic+pain,+substance+abuse+and+cardiometabolic+conditions.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Coronary+Artery+Calcium+Score+and+Long-term+Risk+of+Death,+Myocardial+Infarction+and+Stroke:+The+Walter+Reed+Cohort+Study.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Validity+of+myocardial+infarction+diagnoses+in+administrative+databases:+a+systematic+review.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sensitivity+of+Claims-Based+Algorithms+to+Ascertain+Smoking+Status+More+Than+Doubled+with+Meaningful+Use.">Sensitivity of Claims-Based Algorithms to Ascertain Smoking Status More Than Doubled with Meaningful Use.</a> Value in Health. , (2017).</li><li>Nayan, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+value+of+complementing+administrative+data+with+abstracted+information+on+smoking+and+obesity:+A+study+in+kidney+cancer.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Accuracy+of+ICD-9-CM+codes+for+identifying+cardiovascular+and+stroke+risk+factors.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Length+of+comorbidity+lookback+period+affected+regression+model+performance+of+administrative+health+data.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Specificity+and+sensitivity+of+claims-based+algorithms+for+identifying+members+of+Medicare+Choice+health+plans+that+have+chronic+medical+conditions.">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>Hern&#225;n, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Observational+studies+analyzed+like+randomized+experiments:+an+application+to+postmenopausal+hormone+therapy+and+coronary+heart+disease.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+relative+ability+of+different+propensity+score+methods+to+balance+measured+covariates+between+treated+and+untreated+subjects+in+observational+studies.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Marginal+structural+models+and+causal+inference+in+epidemiology.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Marginal+structural+models.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Primer+on+Inverse+Probability+of+Treatment+Weighting+and+Marginal+Structural+Models.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Use+of+stabilized+inverse+propensity+scores+as+weights+to+directly+estimate+relative+risk+and+its+confidence+intervals.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+primer+and+comparative+review+of+major+US+mortality+databases.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+a+methodology+to+validate+National+Death+Index+retrieval+results+among+a+cohort+of+U.S.+service+members.">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://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> 2015 ICD-9-CM for Hospitals, Volumes 1, 2, &#38; 3, Professional Edition. , (2015).</li><li>Buck, C. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> 2018 ICD-10-CM for Hospitals, Professional Edition. , (2018).</li><li>Guo, S., Fraser, W. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Propensity Score Analysis: Statistical Methods and Applications, Second Edition. , (2015).</li><li>Elixhauser, A., Steiner, C., Harris, D. R., Coffey, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comorbidity+measures+for+use+with+administrative+data.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+method+of+classifying+prognostic+comorbidity+in+longitudinal+studies:+development+and+validation.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Adapting+a+clinical+comorbidity+index+for+use+with+ICD-9-CM+administrative+databases.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&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.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Balance+diagnostics+for+comparing+the+distribution+of+baseline+covariates+between+treatment+groups+in+propensity-score+matched+samples.">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>

Retrospektive analyser ved hjælp af store administrative datasæt giver et effektivt og omkostningseffektivt alternativ, når randomiserede, kontrollerede forsøg ikke er gennemførlige. Det relevante datasæt vil afhænge af populationen og variabler af interesse, men MDR er en attraktiv mulighed, der ikke har aldersbegrænsninger set med Medicare data. Med alle datasæt er det vigtigt at være fortrolig med dets layout og dataordbog. Der skal udvises forsigtighed undervejs for at sikre, at komplette data registreres, ...

Randomiserede, placebo-kontrollerede forsøg er den stærkeste undersøgelse design for at kvantificere effekten af behandlingen, men de er ikke altid muligt på grund af omkostninger og tid krav eller en mangel på ligevægt mellem behandlingsgrupper1. I disse tilfælde, en retrospektiv kohorte design ved hjælp af store administrative data ("Big data") ofte giver et effektivt og omkostningseffektivt alternativ, selv om manglen på randomisering introducerer behandling udvælgelse bias2. Behandling udvælgelse bias forekommer i ikke-randomiserede undersøgelser, når behandlingen beslutning er afhængig af præ-behandling egenskaber, der er forbundet med resultatet af interesse. Disse egenskaber er kendt som forstyrrende faktorer.
Fordi tilbøjelighed scorer minimere denne bias ved at afbalancere de kendte konfoundere mellem behandlingsgrupper, er de blevet stadig mere populære3. Propensity scores er blevet brugt til at sammenligne kirurgiske tilgange4 og medicinske regimer5. For nylig har vi brugt en tilbøjelighed analyse af data fra de Forenede Staters militære sundheds system data repository (MDR) til at vurdere effekten af statiner i primær forebyggelse af kardiovaskulære resultater baseret på tilstedeværelsen og sværhedsgraden af koronararterie calcium6.
MDR, udnyttet mindre hyppigt end Medicare og VA datasæt til forskningsformål, indeholder omfattende administrative og medicinske krav oplysninger fra indlæggelse og ambulant tjenester, der ydes til aktiv tjeneste militær, pensionister, og andre Department of Defense (DoD) sundhedsydelser modtagere og deres pårørende. Databasen omfatter tjenester, der leveres på verdensplan på amerikanske militær behandlingsanlæg eller på civile anlæg, der faktureres til Forsvarsministeriet. Databasen indeholder komplette apotek data siden oktober 1, 2001. Laboratoriedata er tilgængelige fra 2009, men er kun begrænset til militære behandlingsanlæg. Inden for MDR er kohorter blevet defineret med metoder, herunder brug af diagnoser koder (f. eks. diabetes mellitus7) eller procedure koder (f. eks. artroskopisk kirurgi8). Alternativt kan en eksternt defineret kohorte af støtteberettigede modtagere, såsom et register, matches med MDR for at opnå baseline-og opfølgningsdata9. I modsætning til Medicare omfatter MDR patienter i alle aldre. Det er også mindre partisk over for mænd end VA-databasen, da den omfatter pårørende. Adgangen til MDR er dog begrænset. Generelt kan kun undersøgere, der er medlemmer af det militære sundheds system, anmode om adgang, analogt med krav om brug af VA-databasen. Ikke-statslige forskere, der søger adgang til militære sundhedssystemer data skal gøre det gennem en datadeling aftale under tilsyn af en regering sponsor.
Når du bruger et administrativt datasæt, er det vigtigt at huske på begrænsningerne og styrkerne ved administrativ kodning. Følsomheden og specificiteten af koden kan variere baseret på den relaterede diagnose, om det er en primær eller sekundær diagnose, eller om det er en indlæggelse eller ambulant fil. Patient koder for akut myokardieinfarkt er generelt præcist rapporteret med positive Prædikative værdier over 90%10, men tobaksrygning er ofte under kodet11. En sådan under kodning kan eller kan ikke have en meningsfuld virkning på undersøgelsens resultater12. Desuden kan flere koder for en given tilstand eksistere med varierende niveauer af korrelation til den pågældende sygdom13. Et efterforskningshold bør udføre en omfattende litteratursøgning og gennemgang af den internationale sygdomsklassifikation, niende revision, klinisk modifikation (ICD-9-CM) og/eller ICD-10-CM-kodnings manualer for at sikre, at de relevante koder indgår i undersøgelsen.
Der kan anvendes flere metoder til at forbedre diagnosticerings kodernes følsomhed og nøjagtighed for at definere comorbiditet betingelser. En passende "look-back" periode bør medtages for at etablere baseline comorbidities. Se-back-perioden omfatter de hospitals-og ambulante ydelser, der er leveret forud for indrejse i studiet. En periode på et år kan være optimal14. Derudover, kræver to separate krav i stedet for en enkelt krav kan øge specificitet, samtidig supplere kodning data med farmaceutiske data kan forbedre følsomhed15. Vælg manuelle diagram revisioner på en del af dataene kan bruges til at verificere nøjagtigheden af kodnings strategien.
Når komorbiditeter er blevet defineret og vurderet for den pågældende kohorte, kan der anvendes en tilbøjelighed til at afbalancere forskelle i kovariater mellem behandlingsgrupperne. Den tilbøjelighed score er afledt af sandsynligheden for, at en patient er tildelt en behandling baseret på kendte kovariater. Regnskab for denne tilbøjelighed behandling reducerer virkningen, at kovariaterne har på behandling opgave og hjælper med at generere en mere retvisende estimat af behandlingseffekten på resultatet. Mens tilbøjeligheder scorer ikke nødvendigvis giver overlegne resultater til multivariat modeller, de giver mulighed for vurdering af, om de behandlede og ubehandlede grupper er sammenlignelige efter anvendelse af tilbøjelighed score3. Undersøgelsens undersøgere kan analysere de absolutte standardiserede forskelle i kovariater før og efter tilbøjelighed matching eller omvendt sandsynlighed for behandling vægtning (iptw) for at sikre kendte konfoundere har været afbalanceret mellem grupperne. Vigtigere, ukendte konfoundere kan ikke være afbalanceret, og man bør være opmærksom på potentialet for resterende confounding.
Når henrettet korrekt, selv om, tilbøjelighed scores er et kraftfuldt værktøj, der kan forudsige og replikere resultater af randomiserede kontrollerede forsøg16. Af de tilgængelige tilbøjeligheder-score teknikker, matching og IPTW er generelt foretrukket17. Inden for IPTW vægtes patienterne med deres tilbøjelighed eller sandsynlighed for behandling. Stabiliserende vægte anbefales generelt over rå vægte, mens trimning af vægtene også kan betragtes som18,19,20,21.
Når studiegrupperne er afbalancerede, kan de følges indtil resultatet af interesse. Undersøgelser, der udnytter administrative data, kan være interesserede i resultater såsom tilbagetagelsesrater og analyser af tid til begivenhed. I undersøgelser, der er interesseret i dødelighed, indeholder det militære sundhedssystems data lager et felt for vital status, der kan forstærkes yderligere ved hjælp af national Death Index (NDI)22,23. NDI er en centraliseret database over døds rekord oplysninger fra statskontorer, der forvaltes af Center for Disease Control. Efterforskere kan anmode om grundlæggende vitale status og/eller specifik dødsårsag baseret på dødsattest.
Den følgende protokol beskriver processen med at gennemføre en administrativ database undersøgelse ved hjælp af MDR suppleret med dødelighed oplysninger fra NDI. Det beskriver brugen af IPTW til at balancere baseline forskelle mellem to behandlingsgrupper, herunder SAS kode og eksempel output.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>CD Burner (for NDI Request)</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 or other FTP software</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>

inverse probability of treatment weighting (propensity score) using the military health system data repository and national death index

Når randomiserede kontrollerede forsøg ikke er gennemførlige, giver retrospektive undersøgelser ved hjælp af Big data et effektivt og omkostningseffektivt alternativ, selv om de er i risiko for behandling udvælgelse bias. Behandling udvælgelse bias forekommer i en ikke-randomiseret undersøgelse, når behandlingen udvælgelse er baseret på præ-behandling egenskaber, der også er forbundet med resultatet. Disse forbehandlings karakteristika, eller confounders, kan påvirke vurderingen af en behandlings virkning på udfaldet. Tilbøjelighed scorer minimerer denne skævhed ved at afbalancere de kendte konfoundere mellem behandlingsgrupperne. Der er et par tilgange til at udføre tilbøjelighed score analyser, herunder stratificering af tilbøjeligheden score, tilbøjelighed matching, og inverse sandsynlighed for behandling vægtning (IPTW). Beskrevet her er brugen af IPTW til at afbalancere baseline-comorbiditeter i en kohorte af patienter inden for det amerikanske militær Health System data repository (MDR). MDR er en relativt optimal datakilde, da den indeholder en indesluttet kohorte, hvor næsten fuldstændige oplysninger om patient-og ambulante tjenester er tilgængelige for støtteberettigede modtagere. Nedenstående er brugen af MDR suppleret med oplysninger fra det nationale dødstal for at tilvejebringe solide dødelighedsdata. Der er også forslag til brug af administrative data. Endelig, protokollen deler en SAS-kode for at bruge iptw til at afbalancere kendte konfoundere og plot den kumulative incidens funktion for resultatet af interesse.

Når IPTW er fuldført, kan tabeller eller plot af de absolutte standardiserede forskelle genereres ved hjælp af henholdsvis stddiff-makrokoden eller makrokoden asdplot. Figur 1 viser et eksempel på passende afbalancering i en stor kohorte af 10.000 deltagere ved hjælp af asdplot-makroen. Efter anvendelse af tilbøjeligheden score, de absolutte standardiserede forskelle blev reduceret betydeligt. Den cutoff, der anvendes til den absolutte standardiserede f...

Watch this Scientific Journal Video about Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index at JoVE.com

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

Når randomiserede kontrollerede forsøg er ikke gennemførlige, en omfattende sundhedspleje datakilde som det militære sundheds system data repository giver et attraktivt alternativ til retrospektive analyser. Inkorporering af dødelighedsdata fra det nationale dødstal og afbalancering af forskelle mellem grupper ved hjælp af tilbøjelighed vægtning hjælper med at reducere bias iboende i retrospektive designs.

Omvendt sandsynlighed for behandling vægtning (tilbøjelighed score) ved hjælp af det militære sundheds system data repository og national Death index

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

Tidligere har vi brugt den militære sundhedsdatabase til at hjælpe med at afgøre, hvilke patienter der vil have størst gavn af statinbehandling for at hjælpe med at reducere deres chance for et fremtidigt hjerteanfald. Vores protokol tilbyder en køreplan for enhver medicinsk udbyder, der er interesseret i at bruge big data til at besvare deres egne kliniske spørgsmål og kan anvendes til et vidtrækkende og næsten ubegrænset antal emner. Når du har opnået godkendelse fra det institutionelle gennemgangsnævn, skal du udfylde et program til datadelingsaftale og være i stand til at angive de datafelter og filer, der anmodes om i DRT MDR-ekstraktionskladden.Angiv, om teamet anmoder om en dataanalytiker, leverer rådata, eller om teamet får direkte adgang til MDR'en, og om anmodningen er for et engangsdatatræk, eller om der anmodes om regelmæssige træk dagligt, månedligt eller årligt. Hvis du vil have direkte adgang til MDR,skal du udfylde MDR-godkendelsesanmodningen i MDR-CS-2875-formularerne. Når du får direkte adgang til MDR,skal du følge vejledningen for at få adgang til og bruge MDR, herunder softwarekravene og eksemplet med SAS-programmer, der er tilgængelige i MDR-brugervejledningen og MDR-funktionsvejledningen.Hvis du vil hente yderligere MDR-modtagerdata for din kohorte, skal du hente VM6-filerne fra serveren og flette med kohortefilen. Brug forskellige variabelnavne i VM6-datatræknings- og kohortefiler til patientnavne og fødselsdatoer for at hjælpe med efterfølgende kontrol af fejl efter fletningen. Da databaseposter aldrig er helt fri for fejl, skal du bruge koden til at præforme fejlkontroller efter hvert større trin ud over at kontrollere programloggen og -outputtet for eventuelle problemer.Når du sammenligner navne fra kohortefilen med VM6-filen, skal du kun matche de første tre bogstaver for at forbedre effektiviteten og reducere eventuelle falske fejl, der måtte opstå med forskelle i stavemåde eller afstand mellem filer. Gennemgå derefter fejldatafilen, der udfører en manuel gennemgang af helbredsjournalen efter behov, for at kontrollere, om der er andre fejl, der giver anledning til bekymring. For relevante dataudtræk, få race og sex data fra VM6 modtager filer, fusionere denne dato med kohorte fil, og kontrollere for fejl, som netop påvist.Få dødsdata fra dødsmasterfilen, flet dataene med kohortefilen, og kontroller, om der er fejl. Derefter indhente yderligere datafiler efter behov for analysen. For datafletning og summativ filkonstruktion skal du udtrække basiskomorbiditeter ved hjælp af ICD-9-CM- eller ICD-10-CM-koder fra perioden før indeksdatoen.At passe på, at patienterne havde berettigelse til det militære sundhedssystem i basisperioden som verificeret i VM6-modtagerfilen. Søg i basisdiagnosekoderne i de ambulante og/eller indlæggelsesfiler for at fastslå de grundlæggende comorbiditeter i basisperioden på 12 måneder før indeksdatoen. Hvis du bruger Elixhauser comorbiditeter, bruge den tilgængelige software fra sundhedspleje omkostninger og udnyttelse projekt database, og sørg for at ændre navnene på diagnose variabler og filer efter behov.Hvis du vil fastsætte en slutdato for undersøgelsen for alle patienter som en afskåret til opfølgning for patienter, der ikke har påvist interesseresultatet, skal du søge i VM6-modtagerfilen for at sikre, at de er berettiget til sundhedspleje, gennem undersøgelsens slutdato. Hvis det er vigtigt at begrænse undersøgelsen til aktive brugere af sundhedssystemet, uafhængigt af støtteberettigelse, derefter bestemme den sidste sundhedspleje kontakt i datafilerne og censurere patienterne på dette tidspunkt. Når alle de nødvendige oplysninger er indhentet, generere en tilfældig patient identifikator for hver patient ved hjælp af Ranuni.For at modellere sandsynligheden for behandling skal du bruge logistisk progression til at beregne vægtene ud fra den forventede sandsynlighed. Derefter stabilisere tilbøjelighed score ved at dividere score med den gennemsnitlige vægt. For at kontrollere afbalancering efter anvendelse af den omvendte sandsynlighed for behandlingsvægtning forenkler standarddifferentieringsmakroen de computerstandardiserede gennemsnitsforskelle for co-afvigelser før og efter vægtning i SAS.Hvis du vil generere et kumulativt forekomstfunktionsplot i PROC PHREG, skal du referere til en kovefil for at angive kovariatsværdier, der skal bruges ved generering af plottet i PROC PHREG-syntaksen, bruge vægtopgørelsen til at angive variablen standardiseret tilbøjelighedsscore og bruge grundlinjen-sætningen til at angive værdierne for basiskovariater for at afbilde den kumulative incidensfunktion. Angiv derefter de strata, der skal bruges til plottet ved hjælp af ROWID. Her et eksempel på passende balancering i en stor kohorte på 10000 deltagere ved hjælp af den absolutte standardiserede forskel plot makro som vist.Efter anvendelse af tilbøjelighedsscoren blev de absolutte standardiserede forskelle reduceret betydeligt. Her kan de mislykkede resultater af at forsøge at balancere kovarianater i en kohorte på 100 deltagere observeres. I dette eksempel blev PROC PHREG med standardiserede tilbøjelighedsscorevægte brugt til at generere et kumulativt incidensfunktionsplot, hvilket afslørede, at den ubehandlede kontrolgruppe i denne analyse viste et større antal hændelser og udviste en forholdsvis dårligere overlevelse end den behandlede gruppe.MDR omfatter modtagere af forsvarsministeriet, herunder pensionister og familiemedlemmer. Så det er ikke begrænset til kun patienter over 65, og det er ikke begrænset til kun veteraner. Denne protokol giver et udgangspunkt for brug af MDR.Og den statistiske teknik oversigt kan hjælpe med at fjerne skævheder, der kan være iboende i denne type forskning.

Research

JoVE Journal

Medicine

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

Use of Animal Model of Sepsis to Evaluate Novel Herbal Therapies

Anvendelse af dyremodel af Sepsis at evaluere Nye Naturlægemidler Terapier

Sepsis refers to a systemic inflammatory response syndrome resulting from a microbial infection. It has been routinely simulated in animals by several ...

Intraoperative Detection of Subtle Endometriosis: A Novel Paradigm for Detection and Treatment of Pelvic Pain Associated with the Loss of Peritoneal Integrity

Intraoperativ Påvisning af Subtle Endometriose: et nyt paradigme for påvisning og behandling af bækkensmerter forbundet med tab af Peritoneal Integrity

Endometriosis is a  common disease affecting 40 to 70% of reproductive-aged women with chronic  pelvic pain (CPP) and/or infertility. The purpose of this ...

Probe-based Confocal Laser Endomicroscopy of the Urinary Tract: The Technique

Probe-baseret Konfokal Laser Endomicroscopy af urinvejene: Teknikken

Probe-based  confocal laser endomicroscopy (CLE) is an emerging optical imaging technology  that enables real-time in vivo microscopy of mucosal surfaces ...

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

Identifikation af Sygdomsrelaterede Spatial kovarians Opskrifter hvor neuroimaging data

The scaled subprofile model (SSM)1-4 is a multivariate PCA-based algorithm that identifies major sources of variation in patient and control group brain ...

Noninvasive Intratracheal Intubation to Study the Pathology and Physiology of Mouse Lung

Noninvasiv Intratracheal Intubation til at studere Patologi og fysiologi Mouse Lung

The use of a model that mimics the condition of lung diseases in humans is critical for studying the pathophysiology and/or etiology of a particular ...

Human Vastus Lateralis Skeletal Muscle Biopsy Using the Weil-Blakesley Conchotome

Human Vastus Lateralis Skeletal Muscle Biopsy Using the Weil-Blakesley Conchotome

Human<em&gt; Vastus lateralis</em&gt; Skeletal Muscle biopsi Brug af Weil-Blakesley Conchotome

Percutaneous muscle biopsy using the Weil-Blakesley conchotome is well established in both clinical and research practice. It is a safe, effective and ...

A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data

En metode til Trigonometriske Modellering årstidsvariationernes demonstreret med multipel sklerose Relapse data

This report describes a novel Stata-based application of trigonometric regression modelling to  55 years of multiple sclerosis relapse data from 46 ...

Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients

Netværk Analyse af foramen ovale elektrode Optagelser i Drug-resistent TLE Patienter

Approximately 30% of epilepsy patients are refractory to antiepileptic drugs. In these cases, surgery is the only alternative to eliminate/control ...

Drug Repurposing Hypothesis Generation Using the "RE:fine Drugs" System

Drug nyorientering Hypotese Generation Brug af &quot;RE: fine Drugs&quot; System

The promise of drug repurposing is that existing drugs may be used for new disease indications in order to curb the high costs and time for approval. The ...

Using Retinal Imaging to Study Dementia

Ved hjælp af retinale Imaging til at studere demens

The retina offers a unique &#8220;window&#8221; to study pathophysiological processes of dementia in the brain, as it is an extension of the central ...