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 rapportert i denne publikasjonen ble støttet av National Center for fremmarsj translational Sciences i National Institutes of Health under Award Number UL1 TR002345. Innholdet er utelukkende ansvaret til forfatterne og representerer ikke nødvendigvis den offisielle synspunktene til National Institutes of Health.
Disclaimer: i tillegg synspunktene i denne artikkelen er de av forfatteren bare og bør ikke tolkes til å representere på noen måte de av USAs regjering, USA Department of Defense (DoD), eller USA Department of the Hæren. Identifisering av spesifikke produkter eller vitenskapelig instrumentering er ansett som en integrert del av den vitenskapelige bestrebe og utgjør ikke tilslutning eller implisitt tilslutning fra forfatteren, DoD, eller noen komponent byrå.

Følgende protokoll følger retningslinjene for våre institusjonelle menneskelige etikk komiteer.
1. definere kohort
<ol><li>Bestem og Definer tydelig kriteriene for inkludering og ekskludering for den planlagte kohort med enten 1) et register eller 2) datapunkter som kan trekkes ut fra MDR, for eksempel administrative koder for diagnoser eller prosedyrer (dvs. alle pasienter med mer enn to polikliniske diagnoser eller en døgn diagnose av atrieflimmer).<ol>
<li>Hvis benytter en register, i...

<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>

Retrospektiv analyse ved hjelp av store administrative datasett gir et effektivt og kostnadseffektivt alternativ når randomiserte kontrollerte forsøk ikke er gjennomførbart. Det riktige datasettet vil avhenge av befolkningen og variablene av interesse, men MDR er et attraktivt alternativ som ikke har aldersbegrensninger sett med Medicare-data. Med alle datasett er det viktig å være intimt kjent med sin layout og data ordbok. Det bør utvises forsiktighet underveis for å sikre at fullstendige data fanges opp, og dat...

Randomiserte, placebo-kontrollerte forsøk er den sterkeste studien design for å kvantifisere effekten av behandlingen, men de er ikke alltid mulig på grunn av kostnader og tid krav eller mangel på equipoise mellom behandling grupper1. I disse tilfellene gir en retrospektiv kohort design ved hjelp av store administrative data ("store data") ofte et effektivt og kostnadseffektivt alternativ, selv om mangelen på tilfeldig innfører en valg for behandling av bias2. Behandling utvalg bias oppstår i ikke-randomiserte studier når behandlingen vedtaket er avhengig av pre-behandling egenskaper som er knyttet til utfallet av interesse. Disse egenskapene er kjent som forvirrende faktorer.
Fordi tilbøyelighet score minimere denne bias ved å balansere den kjente confounders mellom behandling grupper, har de blitt stadig mer populært3. Tilbøyelighet score har blitt brukt til å sammenligne kirurgiske tilnærminger4 og medisinske regimer5. Nylig har vi brukt en tilbøyelighet analyse av data fra USAs militære Health system data repository (MDR) for å vurdere effekten av statiner i primær forebygging av kardiovaskulære utfall basert på tilstedeværelse og alvorlighetsgraden av koronar arterie kalsium6.
Den MDR, benyttet sjeldnere enn Medicare og VA datasett for forskningsformål, inneholder omfattende administrative og medisinske krav informasjon fra institusjon og polikliniske tjenester som tilbys for aktiv tjeneste militære, pensjonister og andre Department of Defense (DoD) helsetjenester begunstiget og deres pårørende. Databasen omfatter tjenester som tilbys over hele verden på amerikanske militære behandlingstilbud eller på sivile anlegg fakturert til DoD. Databasen inneholder komplette apotek data siden 1. oktober 2001. Laboratoriedata er tilgjengelig fra 2009, men er kun begrenset til militære behandlingsfasiliteter. I MDR er kohorter definert med metoder som inkluderer bruk av diagnosekoder (f.eks. diabetes mellitus7) eller prosedyre koder (f.eks. artroskopisk kirurgi8). Alternativt kan en eksternt definert kohort av kvalifiserte mottakere, for eksempel et register, samsvare med MDR for å skaffe Baseline-og oppfølgings data9. I motsetning til Medicare inkluderer MDR pasienter i alle aldre. Det er også mindre forutinntatt mot menn enn VA databasen siden den inneholder avhengige. Tilgang til MDR er imidlertid begrenset. Vanligvis bare undersøkere som er medlemmer av Military Health system kan be om tilgang, analoge til krav til bruk av VA-databasen. Ikke-statlige forskere som søker tilgang til militære helse systemer data må gjøre det gjennom en datadeling avtale under tilsyn av en regjering sponsor.
Når du bruker et administrativt datasett, er det viktig å huske på begrensningene i tillegg til sterke sider ved administrativ koding. Følsomheten og spesifisitet av koden kan variere basert på den relaterte diagnosen, enten det er en primær eller sekundær diagnose, eller om det er en institusjon eller poliklinisk fil. Innlagte koder for akutt hjerteinfarkt er generelt nøyaktig rapportert med positive prediktiv verdier over 90%10, men tobakksbruk er ofte undercoded11. Slike undercoding kan eller ikke kan ha en meningsfull effekt på en studieresultater12. I tillegg kan det finnes flere koder for en gitt betingelse med varierende grad av korrelasjon til den aktuelle sykdommen13. En undersøkende team bør utføre en omfattende litteratursøk og gjennomgang av den internasjonale klassifisering av sykdom, niende revisjon, klinisk modifisering (ICD-9-CM) og/eller ICD-10-CM koding håndbøker for å sikre at de riktige kodene er inkludert i studien.
Flere metoder kan anvendes for å forbedre følsomheten og nøyaktigheten av diagnostiske koder for å definere komorbide forhold. En passende "Look-Back"-periode bør inkluderes for å etablere Baseline-komorbiditeter. Perioden for tilbakeblikk inkluderer innleggelse og polikliniske tjenester som ble gitt før studie bidraget. En periode på ett år kan være optimal14. I tillegg krever to separate krav i stedet for et enkelt krav kan øke spesifisitet, mens supplere koding data med farmasøytiske data kan forbedre følsomhet15. Velg revisjoner av manuelle diagrammer på en del av dataene kan brukes til å verifisere nøyaktigheten av kodings strategien.
Når komorbiditeter er definert og vurdert for den aktuelle kohort, kan en tilbøyelighet score brukes til å balansere forskjeller i kovariatene mellom behandlingsgrupper. Tilbøyelighet poengsum er avledet fra sannsynligheten for at en pasient er tildelt en behandling basert på kjente kovariatene. Regnskap for denne tilbøyelighet behandling reduserer effekten at kovariatene har på behandling oppdrag og bidrar til å generere et truer estimat av behandlingseffekt på utfallet. Mens tilbøyelighet score ikke nødvendigvis gi overlegne resultater til multivariabel modeller, gjør de tillater for vurdering av om de behandlede og ubehandlede grupper er sammenlignbare etter påføring av tilbøyelighet score3. Studier etterforskere kan analysere de absolutte standardiserte forskjellene i kovariatene før og etter tilbøyelighet matchende eller inverse sannsynligheten for behandling vekting (IPTW) for å sikre kjente confounders har vært balansert mellom grupper. Viktigere, ukjent confounders kan ikke være balansert, og man bør være klar over potensialet for resterende forvirrende.
Når henrettet riktig, skjønt, tilbøyelighet score er et kraftig verktøy som kan forutsi og gjenskape resultatene av randomiserte kontrollerte studier16. Av de tilgjengelige tilbøyelighet-score teknikker, matchende og IPTW er generelt foretrukket17. Innenfor IPTW, pasienter er vektet etter deres tilbøyelighet eller sannsynlighet for behandling. Stabiliserings vekter anbefales vanligvis over rå vekter, mens trimming av vektene kan også betraktes som18,19,20,21.
Når studiegruppene er balansert, kan de følges til utfallet av interesse. Studier som bruker administrative data kan være interessert i resultater som tilbaketaking priser og tids-til-hendelse-analyser. I studier som er interessert i dødelighet, inneholder det militære helsesystemet data repository et felt for Vital status som kan bli ytterligere forsterket ved hjelp av National Death index (NDI)22,23. Den NDI er en sentralisert database med døden posten informasjon fra statlige kontorer som forvaltes av Center for Disease Control. Etterforskerne kan be om grunnleggende Vital status og/eller spesifikk dødsårsak basert på dødsattesten.
Følgende protokoll beskriver prosessen med å utføre en administrativ database undersøkelse ved hjelp av MDR forsterket med dødelighet informasjon fra NDI. Det detaljer bruken av IPTW å balansere Baseline forskjeller mellom to behandlingsgrupper inkludert SAS-kode og eksempel produksjon.

<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 randomiserte kontrollerte forsøk ikke er gjennomførbart, gir retrospektiv studier med store data en effektiv og kostnadseffektiv alternativ, selv om de er i faresonen for behandling utvalg bias. Behandling utvalg bias oppstår i en ikke-randomisert studie når behandlingen utvalg er basert på pre-behandling egenskaper som også er knyttet til utfallet. Disse pre-behandling egenskaper, eller confounders, kan påvirke evalueringen av en behandling effekt på utfallet. Tilbøyelighet score minimere denne bias ved å balansere den kjente confounders mellom behandlingsgrupper. Det er noen tilnærminger til å utføre tilbøyelighet score analyser, inkludert stratifying av tilbøyelighet score, tilbøyelighet matchende, og inverse sannsynligheten for behandling vekting (IPTW). Beskrevet her er bruken av IPTW å balansere Baseline komorbiditeter i en kohort av pasienter i US Military Health system data repository (MDR). MDR er en relativt optimal datakilde, siden det gir en inneholdt kohort der nesten komplett informasjon om inn-og polikliniske tjenester er tilgjengelig for kvalifiserte mottakere. Skissert nedenfor er bruken av MDR supplert med informasjon fra den nasjonale døds indeks for å gi robust dødelighet data. Det følger også med forslag til bruk av administrative data. Til slutt deler protokollen en SAS-kode for bruk av IPTW for å balansere kjente confounders og plotte den kumulative forekomst funksjonen for utfallet av interesse.

Ved fullføring av IPTW, tabeller eller tomter av absolutte standardiserte forskjeller kan genereres ved hjelp av stddiff makrokode eller asdplot makrokoden, henholdsvis. Figur 1 viser et eksempel på riktig balansering i en stor kohort av 10 000 deltakere som bruker asdplot makroen. Etter påføring av tilbøyelighet score, ble den absolutte standardiserte forskjellene redusert betraktelig. Grensen som brukes for den absolutte standardiserte forskjellen er n...

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 randomiserte kontrollerte studier ikke er gjennomførbart, en omfattende helsevesenet datakilde som Military Health system data repository gir et attraktivt alternativ for retrospektiv analyser. Innlemme dødelighet data fra den nasjonale døds indeks og balansere forskjellene mellom grupper ved hjelp av tilbøyelighet vekting bidrar til å redusere fordommer iboende retrospektiv design.

Inverse sannsynlighet for behandling vekting (hang resultat) ved hjelp av Military Health 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 brukt den militære helsedatabasen til å avgjøre hvilke pasienter som vil ha mest nytte av statinbehandling for å redusere sjansen for et fremtidig hjerteinfarkt. Vår protokoll tilbyr et veikart til enhver medisinsk leverandør som er interessert i å bruke store data til å svare på sine egne kliniske spørsmål og kan brukes på et langt og nesten ubegrenset antall emner. Etter å ha fått godkjenning fra den institusjonelle gjennomgangstavlen, fullfører du et program for delingsavtale for data, og tar vare på å angi datafeltene og filene som blir forespurt i regnearket DRT MDR-uttrekkinger.Angi om teamet ber om en dataanalytiker, levering av rådata, eller om teamet skal få direkte tilgang til MDR og om forespørselen er om engangsdatatrekking eller om vanlige trekk blir forespurt daglig, månedlig eller årlig. Hvis du vil ha tilgang til MDR direkte, fullfører du MDR-autorisasjonsforespørselen i MDR-CS-2875-skjemaene. Når du åpner MDR direkte, følger du instruksjonene for å få tilgang til og bruke MDR, inkludert programvarekravene og eksempel-SAS-programmene som er tilgjengelige i MDR-brukerhåndboken og MDR-funksjonsveiledningen.Hvis du vil hente flere MDR-mottakerdata for kohorten din, henter du VM6-filene fra serveren og fletter med kohortfilen. Bruk forskjellige variabelnavn i VM6-datatrekk- og kohortfilene for pasientnavn og fødselsdatoer for å hjelpe til med etterfølgende kontroll av feil etter flettingen. Siden databaseoppføringer aldri er helt fri for feil, kan du bruke koden til å forhåndsforme feilkontroller etter hvert hovedtrinn, i tillegg til å kontrollere programloggen og utdataene for potensielle bekymringer.Når du sammenligner navn fra kohortfilen med VM6-filen, samsvarer du bare med de tre første bokstavene for å forbedre effektiviteten og redusere eventuelle falske feil som kan oppstå med forskjeller i staving eller avstand mellom filer. Se deretter gjennom feildatafilen, som utfører en manuell gjennomgang av helseposten etter behov, for å se etter andre feil av bekymring. For relevant datautvinning, få rase og sex data fra VM6 mottaker filer, slå sammen denne datoen med kohortfilen, og se etter feil som nettopp demonstrert.Få dødsdata fra dødsmasterfilen, slå sammen dataene med kohortfilen og se etter feil. Deretter får du flere datafiler etter behov for analysen. For datasammenslåing og summativ filkonstruksjon, trekk ut grunnlinjekomorbiditeter ved hjelp av ICD-9-CM- eller ICD-10-CM-koder fra perioden før indeksdatoen.Ta vare på at pasientene hadde kvalifisering for det militære helsevesenet i løpet av grunnlinjen perioden som bekreftet i VM6 mottaker filen. Søk i de opprinnelige diagnosekodene i polikliniske og/eller innleggelsesfiler for å opprette de opprinnelige komorbiditetene i løpet av den opprinnelige 12-månedersperioden før indeksdatoen. Hvis du bruker Elixhauser-komorbiditeter, bruker du den tilgjengelige programvaren fra helsekostnads- og utnyttelsesprosjektdatabasen, og sørger for å endre navnene på diagnosevariablene og filene etter behov.Hvis du vil angi en sluttdato for alle pasientene som en avskjæring for oppfølging for pasienter som ikke har vist utfallet av interesse, kan du søke i den tilsendte VM6-filen for å sikre at helsetjenester er kvalifisert gjennom sluttdatoen for studien. Hvis det er viktig å begrense studien til aktive brukere av helsevesenet, uavhengig av kvalifisering, må du deretter bestemme den siste helsekontakten i datafilene og sensurere pasientene på den datoen. Når all nødvendig informasjon er innhentet, generer en tilfeldig pasientidentifikator for hver pasient ved hjelp av Ranuni.For å modellere sannsynligheten for behandling, bruk logistisk progresjon til å beregne vektene fra den forventede sannsynligheten. Stabiliser deretter tilbøyelighetspoengsummen ved å dele poengsummen med gjennomsnittsvekten. For å verifisere balanseringen etter å ha brukt den inverse sannsynligheten for behandlingsvekting forenkler standarddifferensieringsmakroen databehandlingsstandardiserte gjennomsnittlige forskjeller for koavvik før og etter vekting i SAS.Hvis du vil generere en kumulativ forekomst funksjonsplott i PROC PHREG, kan du referere til en kovariatfil for å angi kovariatverdier som skal brukes ved generering av plottet i PROC PHREG-syntaksen, bruker vektsetningen til å angi standardisert propensitetspoengvariabel og bruke den opprinnelige setningen til å angi verdiene for opprinnelige kovariater for å tegne inn den kumulative insidensfunksjonen. Angi deretter strata som skal brukes for plottet ved hjelp av ROWID. Her er et eksempel på passende balansering i en stor kohort på 10000 deltakere ved hjelp av den absolutt standardiserte differanseplottmakroen som vist.Etter påføring av tilbøyelighetspoengsummen ble de absolutte standardiserte forskjellene redusert betydelig. Her kan de mislykkede resultatene av forsøk på å balansere kovariater i en kohort på 100 deltakere observeres. I dette eksemplet ble PROC PHREG med standardiserte tilbøyelighetspoengvekter brukt til å generere et kumulativt funksjonsplott for forekomst, og avslørte at i denne analysen viste den ubehandlede kontrollgruppen et større antall hendelser og viste en relativt verre overlevelse enn den behandlede gruppen.MDR inkluderer mottakere av forsvarsdepartementet, inkludert pensjonister og familiemedlemmer. Så det er ikke begrenset til bare pasienter over 65, og det er ikke begrenset til bare veteraner. Denne protokollen gir et utgangspunkt for bruk av MDR.Og den statistiske teknikkoversikten kan bidra til å eliminere skjevheter som kan være iboende i denne typen 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

Bruk av Animal Model of Sepsis å evaluere Novel urteterapi

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 av Subtle Endometriose: A Novel Paradigm for deteksjon og behandling av bekkensmerter knyttet til tap av 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-baserte Confocal Laser Endomicroscopy i urinveiene: The Technique

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

Identifisering av sykdomsrelaterte Spatial kovariansverktøyene Oppskrifter 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

Noninvasive røret Intubering å studere patologi og fysiologi av 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

Menneskelig<em&gt; vastus lateralis</em&gt; Skeletal Muscle Biopsi Bruke 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 for trigonometriske Modellering av sesongvariasjon Demonstrerte med multippel 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

Network Analyse av foramen ovale elektrode Recordings i resistent tinninglappen epilepsipasienter

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 gjenbruk Hypotese Generation Bruke &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

Bruk av Retinal Imaging 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 ...