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

이 간행물에 보고된 연구는 수상 번호 UL1 TR002345의 밑에 건강의 국가 학회의 전진 번역 과학을 위한 국가 센터에 의해 지원되었습니다. 이 내용은 전적으로 저자의 책임이며 반드시 국립 보건원의 공식 견해를 나타내는 것은 아닙니다.
면책 조항 : 또한,이 문서에 표현 된 견해는 저자의 견해이며 미국 정부, 미국 국방부 (DoD) 또는 미국 국방부의 어떤 식으로든 대표되는 것으로 해석되어서는 안됩니다. 육군. 특정 제품 또는 과학 기기의 식별은 과학적 노력의 필수적인 부분으로 간주되며 저자, DoD 또는 구성 요소 기관의 보증 또는 묵시적 보증을 구성하지 않습니다.

다음 의정서는 기관 윤리 위원회의 지침을 따릅니다.
1. 코호트 정의
<ol><li>1) 레지스트리 또는 2) 진단 또는 절차에 대한 관리 코드(즉, 2개 이상의 모든 환자)와 같이 MDR에서 추출할 수 있는 데이터 포인트를 사용하여 계획된 코호트의 포함 및 배제 기준을 결정하고 명확하게 정의합니다. 외래 환자 진단 또는 심방 세동의 한 입원 환자 진단).<ol>
<li>레지스트리를 사용하는 경?...

<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>

대규모 관리 데이터 세트를 사용한 회고적 분석은 무작위 통제 시험이 실현 가능하지 않을 때 효율적이고 비용 효율적인 대안을 제공합니다. 적절한 데이터 세트는 인구와 관심 변수에 따라 달라지지만 MDR은 메디케어 데이터에서 볼 수있는 연령 제한이없는 매력적인 옵션입니다. 모든 데이터 집합에서는 레이아웃 및 데이터 사전에 대해 잘 알고 있어야 합니다. 전체 데이터가 캡처되고 데이터가 ...

무작위화, 위약 대조 시험은 치료의 효능을 정량화하는 가장 강력한 연구 설계이지만, 비용과 시간 요구 사항 또는 치료 그룹 사이의 균형의 부족으로 인해 항상 실현 가능하지는 않습니다1. 이러한 경우, 대규모 관리 데이터("빅 데이터")를 사용하는 회고적 코호트 설계는 종종 효율적이고 비용 효율적인 대안을 제공하지만 무작위화의 부족은 치료 선택 편향을 도입합니다2. 치료 선택 편향은 치료 결정이 관심의 결과와 관련된 전처리 특성에 의존할 때 비무작위 연구에서 발생합니다. 이러한 특성을 혼동 요인으로 알려져 있습니다.
성향 점수는 치료 그룹 사이의 알려진 혼란사이의 균형을 조정하여이러한 편견을 최소화하기 때문에, 그들은 점점 더 인기를 끌고있다3. 성향 점수는 외과 접근 4및 의학 식이요법5를비교하기 위하여 이용되었습니다. 최근에는 관상동맥 칼슘의 존재 및 중증도에 기초하여 심혈관 결과의 1차 예방에 스타틴의 효과를 평가하기 위해 미국 군 보건 시스템 데이터 저장소(MDR)의 데이터에 대한 성향 분석을 사용했습니다6.
MDR은 연구 목적으로 메디케어 및 VA 데이터 세트보다 덜 자주 활용되며 현역 군인, 은퇴자 및 기타 국방부 (DoD) 의료 수혜자 및 그 부양 가족에 대해 제공되는 입원 환자 및 외래 환자 서비스의 포괄적 인 관리 및 의료 청구 정보를 포함합니다. 데이터베이스에는 미군 치료 시설이나 국방부에 청구된 민간 시설에서 전 세계적으로 제공되는 서비스가 포함됩니다. 데이터베이스에는 2001년 10월 1일 이후의 완전한 약국 데이터가 포함되어 있습니다. 실험실 데이터는 2009년부터 사용할 수 있지만 군사 치료 시설로만 제한됩니다. MDR 내에서, 코호트는 진단 코드의 사용을 포함하는 방법으로 정의되었습니다 (예를 들어, 당뇨병7)또는 절차 코드 (예를 들어, 관절 경 수술8). 또는 레지스트리와 같은 적격 수혜자의 외부 정의 코호트를 MDR과 일치하여 기준 및 후속 데이터9를얻을 수 있습니다. 메디케어와는 달리, MDR은 모든 연령대의 환자를 포함한다. 그것은 또한 종속 을 포함 하기 때문에 VA 데이터베이스 보다 남성으로 덜 편향. 그러나 MDR에 대한 액세스는 제한되어 있습니다. 일반적으로 군 보건 시스템의 구성원인 조사자만 VA 데이터베이스 사용 요구 사항과 유사하게 액세스를 요청할 수 있습니다. 군사 보건 시스템 데이터에 대한 액세스를 원하는 비정부 연구원은 정부 후원자의 감독하에 데이터 공유 계약을 통해 이를 수행해야 합니다.
관리 데이터 집합을 사용할 때는 관리 코딩의 강점뿐만 아니라 제한 사항을 염두에 두어야 합니다. 코드의 민감도 및 특이성은 관련 진단에 따라 달라질 수 있습니다. 급성 심근 경색에 대한 입원 환자 코드는 일반적으로 90 %10이상 긍정적 인 예측 값으로 정확하게보고되지만 담배 사용은 종종11로 코딩됩니다. 이러한 언더코딩은 연구 결과에 의미 있는 영향을 미칠 수도 있고 그렇지 않을 수도 있습니다12. 추가적으로, 주어진 조건에 대한 몇몇 코드는 문제의 질병에 상관관계의 다양한 수준으로 존재할 수 있습니다13. 조사팀은 적절한 코드가 연구에 포함되도록 국제 질병 분류, 9차 개정, 임상 수정(ICD-9-CM) 및/또는 ICD-10-CM 코딩 매뉴얼에 대한 포괄적인 문헌 검색 및 검토를 수행해야 합니다.
comorbid 조건을 정의하기 위해 진단 코드의 감도 및 정확도를 개선하기 위해 여러 가지 방법을 사용할 수 있습니다. 기준 준수를 설정하려면 적절한 "룩백" 기간이 포함되어야 합니다. 룩백 기간에는 연구 진입 전에 제공된 입원 환자 및 외래 환자 서비스가 포함됩니다. 1년의 기간은 최적14일수 있습니다. 또한 단일 클레임 대신 두 개의 개별 클레임을 요구하면 특이성이 향상될 수 있으며 제약 데이터로 코딩 데이터를 보완하면 민감도15가향상될 수 있습니다. 데이터의 일부에 대한 수동 차트 감사를 선택하여 코딩 전략의 정확성을 검증할 수 있습니다.
일단 comorbidities가 문제의 코호트에 대해 정의되고 평가되면, 성향 점수는 처리 단 사이 공변량에 있는 다름을 균형을 위해 이용될 수 있습니다. 성향 점수는 환자가 알려진 공변량에 근거한 처리에 할당되는 확률에서 파생됩니다. 이 성향 처리를 위한 회계는 공변류가 처리 할당에 있는 효력을 감소시키고 결과에 처리 효력의 실제적인 견적을 생성하는 것을 돕습니다. 성향 점수가 반드시 다변량 모델에 우수한 결과를 제공하는 것은 아니지만, 그들은 성향 점수3을적용 한 후 처리 및 치료되지 않은 그룹이 비교되는지 여부를 평가 할 수 있습니다. 연구 조사관은 알려진 confounders가 그룹 사이에서 균형을 이루고 있는지 확인하기 위하여 처리 가중치의 성향 일치 또는 역 확률 (IPTW) 전후에 공변량에 있는 절대 표준화한 다름을 분석할 수 있습니다. 중요한 것은, 알 수없는 혼란은 균형되지 않을 수 있습니다, 하나는 잔류 혼란에 대한 잠재력을 알고 있어야합니다.
제대로 실행 하는 경우, 그래도, 성향 점수 예측 하 고 무작위 통제 실험의 결과 복제할 수 있는 강력한 도구16. 이용 가능한 성향 점수 기술 중, 매칭 및 IPTW는 일반적으로17로바람직하다. IPTW 내에서, 환자는 그들의 성향 또는 치료에 대 한 확률에 의해 가중. 안정화 가중치는 일반적으로 원시 분동보다 권장되며, 가중치 트리밍도18,19,20,21로간주될 수 있습니다.
일단 연구 그룹이 균형을 이루면, 관심의 결과가 나올 때까지 그(것)들은 따를 수 있습니다. 행정 데이터를 활용한 연구는 재입학률 및 이벤트 시간 분석과 같은 결과에 관심이 있을 수 있습니다. 사망률에 관심이 있는 연구에서, 군 보건 시스템 데이터 저장소는 국가 사망 지수(NDI)22,23을사용하여 더욱 증강될 수 있는 중요한 상태에 대한 필드를 포함한다. NDI는 질병 통제 센터에 의해 관리되는 국가 사무실에서 죽음 기록 정보의 중앙 집중식 데이터베이스입니다. 수사관은 사망 증명서에 따라 기본적인 중요 상태 및 / 또는 특정 사망 원인을 요청할 수 있습니다.
다음 프로토콜은 NDI의 사망률 정보로 증강된 MDR을 사용하여 관리 데이터베이스 연구를 수행하는 프로세스를 자세히 설명합니다. SAS 코드 및 예제 출력을 포함한 두 치료 그룹 간의 기준선 차이를 균형 조정하기 위해 IPTW를 사용하는 방법을 자세히 설명합니다.

<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

무작위 통제 실험이 실현 가능하지 않은 경우, 빅 데이터를 사용한 소급 연구는 치료 선택 편향의 위험에 처해 있지만 효율적이고 비용 효율적인 대안을 제공합니다. 치료 선택 편향은 치료 선택이 또한 결과와 연관되는 전처리 특성에 기초할 때 비무작위 연구에서 발생합니다. 이러한 전처리 특성 또는 혼란은 결과에 대한 치료의 영향 평가에 영향을 미칠 수 있습니다. 성향 점수는 치료 그룹 간의 알려진 혼란 사이의 균형을 조정하여 이러한 편견을 최소화합니다. 성향 점수, 성향 일치 및 치료 가중치 (IPTW)의 역 확률에 의해 계층화를 포함하여 성향 점수 분석을 수행하는 몇 가지 접근 방식이 있습니다. 여기에 설명된 IPTW는 미군 보건 시스템 데이터 저장소(MDR) 내의 환자 집단에서 기준선 동반조절의 균형을 맞추는 데 사용됩니다. MDR은 상대적으로 최적의 데이터 소스, 그것은 포함 된 코호트를 제공 하는 입원 환자 및 외래 환자 서비스에 대 한 거의 완전 한 정보를 적격 한 수혜자에 대 한 사용할 수 있는. 아래에 설명된 MDR은 강력한 사망률 데이터를 제공하기 위해 국가 사망 지수의 정보로 보충된 MDR의 사용입니다. 또한 관리 데이터 사용에 대한 제안도 제공됩니다. 마지막으로 프로토콜은 IPTW를 사용하여 알려진 혼란자의 균형을 맞추고 관심 결과에 대한 누적 발생률 함수를 플로팅하기 위한 SAS 코드를 공유합니다.

IPTW가 완료되면 stddiff 매크로 코드 또는 asdplot 매크로 코드를 사용하여 절대 표준화 된 차이점의 테이블이나 플롯을 각각 생성 할 수 있습니다. 그림 1은 asdplot 매크로를 사용하여 10,000명의 참가자의 대규모 코호트에서 적절한 균형 조정의 예를 보여줍니다. 성향 점수를 적용 한 후, 절대 표준화 된 차이는 크게 감소되었다. 절대 표준화 된 차이에 사?...

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

무작위 통제 예심이 실현 가능하지 않은 경우에, 군사 건강 시스템 데이터 저장소와 같은 포괄적인 건강 관리 데이터 소스는 소급 분석을 위한 매력적인 대안을 제공합니다. 국가 사망 지수에서 사망률 데이터를 통합하고 성향 가중치를 사용하여 그룹 간의 차이를 균형을 조정하면 회고적 디자인에 내재된 편견을 줄일 수 있습니다.

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

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

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.

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

소설 허벌 요법을 평가하는 패혈증의 동물 모델의 사용

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

연구

의학

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

미묘한 Endometriosis의 Intraoperative 감지 : 복막 무결성의 손실과 관련된 골반 통증의 감지 및 치료를위한 소설 패러다임

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

요로의 프로브 기반 공 촛점 레이저 Endomicroscopy : 기술

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

신경 영상 데이터를 사용하여 질병과 관련된 공간 공분산 패턴의 식별

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

비 침습적 기관 내 삽관 마우스 폐의 병리학 및 생리학을 연구하는

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

사람의<em&gt; 광근의 Lateralis</em&gt; 웨일 - Blakesley Conchotome를 사용하여 골격 근육 생검

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

다발성 경화증 재발 데이터로 입증 된 계절 변화의 삼각 모델링하는 방법

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

약물 저항성 측두엽 간질 환자에서 난원 공 개존증 전극 녹음의 네트워크 분석

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

은 &quot;RE를 : 좋은 약&quot;을 사용하여 의약품 용도 변경 가설 발전 시스템

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

망막 화상 진 찰을 사용 하 여 치 매 공부 하기

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 ...