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

Исследование, о которых сообщается в этой публикации, было поддержано Национальным центром передовых трансляционных наук Национальных институтов здравоохранения под номером премии UL1 TR002345. Содержание является исключительно ответственностью авторов и не обязательно отражает официальные взгляды Национальных институтов здравоохранения.
Отказ от ответственности: Кроме того, мнения, выраженные в этой статье, являются мнениями автора и не должны быть истолкованы как представляющие каким-либо образом мнения правительства Соединенных Штатов, министерства обороны Соединенных Штатов (МО) или министерства Соединенных Штатов Армии. Идентификация конкретных продуктов или научных приборов считается неотъемлемой частью научной деятельности и не представляет собой одобрение или подразумеваемое одобрение со стороны автора, Министерства обороны или какого-либо компонентного учреждения.

Следующий протокол соответствует руководящим принципам наших институциональных комитетов по этике человека.
1. Определение когорты
<ol><li>Определить и четко определить критерии включения и исключения запланированной когорты, используя либо 1) реестр или 2) точки данных, ?...

<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>

Ретроспективный анализ с использованием крупных административных наборов данных обеспечивает эффективную и экономически эффективную альтернативу, когда рандомизированные контролируемые испытания неосуществимы. Соответствующий набор данных будет зависеть от населения и переменн?...

Рандомизированные, плацебо-контролируемые испытания являются сильнейшим дизайном исследования для количественной оценки эффективности лечения, но они не всегда осуществимы из-за требований к стоимости и времени или отсутствия экипировки между группами лечения1. В этих случаях ретроспективная когорта с использованием крупномасштабных административных данных ("большие данные") часто обеспечивает эффективную и экономически эффективную альтернативу, хотя отсутствие рандомизации вводит предубеждение в выборе лечения2. Предубеждение при отборе лечения происходит в нерандомизированных исследованиях, когда решение о лечении зависит от предварительных характеристик лечения, которые связаны с результатом интереса. Эти характеристики известны как смешанные факторы.
Потому что склонность оценки свести к минимуму эту предвзятость, балансируя известных confounders между группами лечения, они становятся все более популярными3. Оценка склонности была использована для сравнения хирургических подходов4 и медицинских режимов5. В последнее время мы использовали анализ склонности данных из военной системы здравоохранения США хранилище данных (MDR) для оценки влияния статинов в первичной профилактике сердечно-сосудистых исходов на основе наличия и тяжести коронарной артерии кальция6.
MDR, используется реже, чем Medicare и В. А. наборы данных для исследовательских целей, содержит всеобъемлющую информацию административных и медицинских претензий от стационарных и амбулаторных услуг, предоставляемых для активных военных, пенсионеров и других Министерства обороны (МО) медицинских бенефициаров и их иждивенцев. База данных включает услуги, предоставляемые по всему миру на американских военных очистных сооружениях или на гражданских объектах, выставленных министерством обороны. База данных включает полные аптечные данные с 1 октября 2001 года. Лабораторные данные имеются за 2009 год, но ограничиваются только военными очистных сооружениях. В рамках MDR, когорты были определены с методами, включая использование диагнозов коды (например, сахарный диабет7) или процедуры коды (например, артроскопической хирургии8). В качестве альтернативы, внешне определенная когорта подходящих бенефициаров, таких, как реестр, может быть сопоставлена с МДР для получения базовых и последующих данных9. В отличие от Medicare, MDR включает пациентов всех возрастов. Кроме того, она менее предвзята по отношению к мужчинам, чем база данных В. А., поскольку она включает в себя иждивенцев. Однако доступ к МДР ограничен. Как правило, только следователи, которые являются членами военной системы здравоохранения могут запросить доступ, аналогичные требованиям для использования базы данных В. А. Неправительственные исследователи, стремящиеся получить доступ к данным Военных систем здравоохранения, должны делать это на основе соглашения об обмене данными под наблюдением правительственного спонсора.
При использовании любого набора административных данных важно учитывать ограничения, а также сильные стороны административного кодирования. Чувствительность и специфика кода может варьироваться в зависимости от соответствующего диагноза, будь то первичный или вторичный диагноз, или это стационарный или амбулаторный файл. Стационарные коды для острого инфаркта миокарда, как правило, точно сообщили с положительными прогностическими значениями более 90%10, но употребление табака часто занижены11. Такое подкодирование может или не может иметь значимое влияние на результаты исследования12. Кроме того, несколько кодов для данного состояния может существовать с различными уровнями корреляции с болезнью, о котором идет речь13. Следственная группа должна выполнить всеобъемлющий поиск литературы и обзор Международной классификации болезней, девятый пересмотр, клиническое изменение (МКБ-9-СМ) и / или МКБ-10-СМ кодирования руководства для обеспечения того, чтобы соответствующие коды включены в исследование.
Для повышения чувствительности и точности диагностических кодов для определения сопутствующих состояний можно использовать несколько методов. Следует включить соответствующий период "оглядываться назад" для установления базовых сопутствующих мер. Период оглядывания времени включает в себя стационарные и амбулаторные услуги, предоставляемые до вступления в исследование. Период один год может быть оптимальным14. Кроме того, требование двух отдельных претензий вместо одной претензии может увеличить специфичность, в то время как дополнение данных кодирования с фармацевтическими данными может улучшить чувствительность15. Выбор ручных аудитов диаграмм на части данных может быть использован для проверки точности стратегии кодирования.
После того, как сопутствующие отношения были определены и оценены для когорты в вопросе, склонность оценка может быть использована для баланса различий в ковариаты между группами лечения. Оценка склонности вытекает из вероятности того, что пациент усен на лечение на основе известных ковариатов. Учет этой склонности лечения уменьшает влияние, что covariates на назначение лечения и помогает генерировать более правдивую оценку воздействия лечения на результат. Хотя оценки склонности не обязательно обеспечивают превосходные результаты для многовариантных моделей, они позволяют оценить, сопоставимы ли обработанные и необработанные группы после применения оценки склонности3. Исследование исследователи могут проанализировать абсолютные стандартизированные различия в ковариаты до и после склонности соответствия или обратной вероятности взвешивания лечения (IPTW), чтобы обеспечить известные confounders были сбалансированы между группами. Важно отметить, что неизвестные confounders не могут быть сбалансированы, и один должен быть осведомлен о потенциале для остаточного путаницы.
При выполнении должным образом, хотя, склонность оценки являются мощным инструментом, который может предсказать и воспроизвести результаты рандомизированных контролируемых испытаний16. Из имеющихся методов оценки склонности, соответствие и IPTW, как правило, предпочитают17. В рамках IPTW, пациенты взвешиваются по их склонности или вероятности для лечения. Стабилизирующий вес, как правило, рекомендуется на сырых весах, в то время как обрезка весов также может рассматриваться18,19,20,21.
Как только исследовательские группы будут сбалансированы, за ними могут последовать до тех пор, пока не будет результат интереса. Исследования, используя административные данные, могут быть заинтересованы в таких результатах, как показатели реадмиссии и анализ времени проведения мероприятий. В исследованиях, заинтересованных в смертности, военная система здравоохранения хранилище данных включает в себя поле для жизненно важного статуса, которые могут быть дополнительно расширены с помощью национального индекса смертности (NDI)22,23. NDI представляет собой централизованную базу данных о смерти записи информации из государственных учреждений, которая находится в ведении Центра по контролю заболеваний. Следователи могут запросить основной жизненный статус и/или конкретную причину смерти на основе свидетельства о смерти.
В следующем протоколе подробно описывается процесс проведения исследования административной базы данных с использованием МЛУ, дополненной информацией о смертности от НДИ. В нем подробно описывается использование IPTW для баланса базовых различий между двумя группами обработки, включая код SAS и вывод примеров.

<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

Когда рандомизированные контролируемые исследования неосуществимы, ретроспективные исследования с использованием больших данных обеспечивают эффективную и экономически эффективную альтернативу, хотя они подвержены риску смещения выбора лечения. Предубеждение при отборе лечения происходит в нерандомизированном исследовании, когда выбор лечения основан на предварительных характеристиках лечения, которые также связаны с результатом. Эти предварительные характеристики лечения, или confounders, может повлиять на оценку влияния лечения на результат. Оценка склонности сводит к минимуму эту предвзятость, уравновешивая известных confounders между группами лечения. Существует несколько подходов к проведению анализа оценки склонности, включая стративание по оценке склонности, сопоставление склонности и обратную вероятность взвешивания лечения (IPTW). Описано здесь использование IPTW, чтобы сбалансировать базовые сопутствующие условия в когорте пациентов в рамках военной системы здравоохранения США хранилище данных (MDR). МДР является относительно оптимальным источником данных, поскольку она обеспечивает содержащуюся в когорте группу, в которой для соответствующих бенефициаров предоставляется почти полная информация о стационарных и амбулаторных услугах. Ниже приведено использование МЛУ, дополненного информацией из национального индекса смертности для обеспечения надежных данных о смертности. Также представлены предложения по использованию административных данных. Наконец, протокол разделяет код SAS для использования IPTW для баланса известных confounders и сюжет кумулятивной функции заболеваемости для результата интереса.

По завершении IPTW таблицы или сюжеты абсолютных стандартизированных различий могут быть сгенерированы соответственно с помощью макрокода stddiff или макрокода asdplot. На рисунке 1 показан пример правильного балансирования в большой когорте из 10 000 участник?...

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

Когда рандомизированные контролируемые исследования неосуществимы, всеобъемлющий источник данных здравоохранения, такой как Хранилище данных Военной системы здравоохранения, является привлекательной альтернативой ретроспективному анализу. Включение данных о смертности из национального индекса смертности и балансирование различий между группами, использующими взвешивание склонности, помогает уменьшить предубеждения, присущие ретроспективным проектам.

Обратная вероятность взвешивания лечения (Оценка потенциалности) с использованием хранилища данных военной системы здравоохранения и Национального индекса смерти

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

В прошлом мы использовали военную базу данных здравоохранения, чтобы помочь определить, какие пациенты будут наиболее выгоду от лечения статинов, чтобы помочь уменьшить их шансы на будущий сердечный приступ. Наш протокол предлагает дорожную карту для любого поставщика медицинских услуг, который заинтересован в использовании больших данных для ответа на свои собственные клинические вопросы и может быть применен к далекому и почти безграничному числу тем. После получения одобрения от институционального совета по обзору, завершите заявку на соглашение об обмене данными, заботясь о том, чтобы указать поля данных и файлы, запрашиваемые на листе извлечений DRT MDR.Укажите, запрашивает ли группа аналитика данных, поставку необработанных данных, будет ли группа напрямую получить доступ к MDR и является ли запрос для разового запроса данных или если регулярные запросы запрашиваются ежедневно, ежемесячно или ежегодно. Чтобы получить прямой доступ к МЛУ, выполните запрос на авторизацию МЛУ в формах MDR-CS-2875. При непосредственном доступе к MDR следуйте инструкциям по доступу и использованию MDR, включая требования к программному обеспечению и примеры программ SAS, которые доступны в руководстве пользователей MDR и функциональном руководстве MDR.Чтобы получить дополнительные данные о бенефициарах MDR для вашей когорты, приобретите файлы VM6 с сервера и сливайтесь с файлом когорты. Используйте различные переменные имена в файлах розыгрыша данных vM6 и когорты для имен пациентов и дат рождения, чтобы помочь с последующей проверкой ошибок после слияния. Поскольку записи в базе данных никогда не могут быть полностью свободны от ошибок, используйте код для проверки ошибок предварительной формы после каждого важного шага, в дополнение к проверке журнала программы и вывода для любых потенциальных проблем.При сравнении имен из когортного файла с файлом VM6, только соответствовать первые три буквы для повышения эффективности и уменьшить любые ложные ошибки, которые могут возникнуть с различиями в правописании или интервал между файлами. Затем просмотрите файл данных об ошибках, выполняя ручной обзор записи о состоянии здоровья по мере необходимости, чтобы проверить наличие других ошибок, вызывающих озабоченность. Для извлечения соответствующих данных, получить расовые и половые данные из файлов бенефициаров VM6, объединить эту дату с файлом когорты, и проверить на наличие ошибок, как только что продемонстрировано.Получить данные о смерти из файла мастера смерти, объединить данные с файлом когорты и проверить на наличие ошибок. Затем получить дополнительные файлы данных по мере необходимости для анализа. Для слияния данных и суммирования файлов вы извлекайте базовые сопутствующие заболевания с использованием кодов ICD-9-CM или ICD-10-CM за период до даты индекса.Забота о том, чтобы пациенты имели право на военную систему здравоохранения в течение базового периода, как у подтверждено в файле бенефициара VM6. Поиск базовых кодов диагностики в амбулаторных и / или стационарных файлов для установления базовых сопутствующих заболеваний в течение базового 12-месячного периода до даты индекса. При использовании Коморбидности Elixhauser используйте доступное программное обеспечение из базы данных проектов затрат на здравоохранение и использования, убедившись, что при необходимости измените названия переменных и файлов диагностики.Чтобы установить дату окончания исследования для всех пациентов, как отрезать для последующей деятельности для пациентов, которые не продемонстрировали результат интереса, поиск VM6 бенефициара файл для обеспечения права на медицинское обслуживание через дату окончания исследования. Если важно ограничить исследование активными пользователями системы здравоохранения, независимо от права, а затем определить последний контакт здравоохранения в файлах данных и цензуры пациентов на эту дату. Когда вся необходимая информация была получена, создать случайный идентификатор пациента для каждого пациента, используя Ranuni.Для моделирования вероятности лечения используйте логистическое прогрессирование для расчета весов с прогнозируемой вероятности. Затем стабилизуем счет склонности, разделив счет на средний вес. Для проверки балансировки после применения обратной вероятности лечения взвешивание стандартной дифференциации макро упрощает стандартизированные вычислительные средние различия для ко-дисперсий до и после взвешивания в SAS.Для создания кумулятивного участка функции частоты в PROC PHREG, ссылаясь на ковариатный файл для указать ковариатные значения, которые будут использоваться при генерации участка в синтаксисе PROC PHREG, используйте выписку по весу, чтобы указать стандартизированную переменную оценки склонности и использовать исходное заявление для указать значения для базовых ковариатов для построения кумулятивной функции заболеваемости. Затем укажите слои для использования для участка с помощью ROWID. Вот пример соответствующего баланса в большой когорте из 10000 участников, использующих абсолютно стандартизированный макрос участка разницы, как показано на примере.После применения оценки склонности абсолютные стандартизированные различия были значительно сокращены. Здесь можно наблюдать неудачные результаты попыток сбалансировать ковариаты в когорте из 100 участников. В этом примере PROC PHREG со стандартизированными весами оценки склонности были использованы для создания кумулятивного участка функции заболеваемости, показывая, что в этом анализе необработанная контрольная группа продемонстрировала большее количество событий и продемонстрировала сравнительно худшее выживание, чем обработанная группа.В состав МДР входят бенефициары министерства обороны, в том числе пенсионеры и члены их семей. Так что это не ограничивается только пациентов старше 65 лет, и это не ограничивается только ветеранов. Этот протокол служит отправной точкой для использования MDR.И обзор статистической техники может помочь устранить предубеждения, которые могут быть присущи в этом типе исследований.

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

Использование животных Модель Сепсис для оценки Роман травяной терапии

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

Интраоперационная обнаружения тонких Эндометриоз: Новые парадигмы для выявления и лечения тазовой боли, связанной с потерей перитонеального 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

Зонд на основе конфокальной лазерной Endomicroscopy мочевыводящих путей: Техника

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

Идентификация связанных с болезнью пространственных структур Ковариационные использованием нейровизуализации данных

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

Неинвазивная Интратрахеального интубации по изучению физиологии и патологии мыши легких

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

Человек<em&gt; латеральной широкой</em&gt; Скелетных мышц Биопсия Используя Weil-Blakesley конхотом

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

Метод тригонометрических моделирования сезонных изменений Доказанная с рассеянным склерозом Relapse данных

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

Сетевой анализ овального электродных Recordings в устойчивых к лекарственным средствам височная эпилепсия пациентов

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 перепрофилирования Гипотезы Generation Использование &quot;RE: тонкие наркотики&quot; Система

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

Использование сетчатки изображений для изучения деменция

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 ...