欠損共変量を伴う観察データにおける治療効果の評価：二重に頑健な実践的方法と従来の欠損データ方法の比較研究

科学分野:

• 薬物疫学
• 生物統計学
• ヘルスデータサイエンス

背景:

• 薬物疫学は、安全性および有効性研究のために、管理および電子健康記録（EHR）に依存しています。
• これらの実世界のデータセットでは、共変データの欠損が一般的であり、堅牢な分析アプローチが必要となります。
• 多重代入（MI）および逆確率重み付け（IPW）は標準ですが、欠損データには最適ではない可能性があります。

研究 の 目的:

• 薬物疫学における欠損データを処理するための、あまり利用されていない二重に頑健な方法と従来のMIおよびIPWのパフォーマンスを評価および比較すること。
• さまざまなシナリオにわたるパフォーマンスに基づいて、適切な欠損データ分析方法を選択するためのガイダンスを提供すること。

主な方法:

• 一般化ラッキングおよび逆確率重み付け標的最大尤度推定（TMLE）の2つの二重に頑健な推定量を調査しました。
• まれなアウトカムおよび高い欠損率（>50％）を含む、さまざまな欠損およびデータ生成シナリオにわたる広範な数値研究を実施しました。
• かなりの欠損共変データ（>50％）を伴うまれなアウトカム設定でのパフォーマンスを評価するために、大規模EHRコホートデータをエミュレートしたプラスモードシミュレーション研究を利用しました。

主要な成果:

• 二重に頑健な方法は、MIおよびIPWと比較して、特にバイアス-バリアンストレードオフの点で、さまざまなシナリオで優れたパフォーマンスを示しました。
• 一般化ラッキングとTMLEは、特に高い欠損率とまれなアウトカムの条件下で、より大きな効率と堅牢性を示しました。
• この研究では、二重に頑健な方法が効果推定におけるバイアスを大幅に低減し、精度を向上させる特定のシナリオを特定しました。

結論:

• 二重に頑健な方法、特に一般化ラッキングおよびTMLEは、薬物疫学における欠損データ分析のための価値のある、しかしあまり利用されていないツールを表します。
• これらの方法は、統計的効率と堅牢性を向上させ、実世界のデータからのより信頼性の高い安全性と有効性の推定につながります。
• 研究者は、薬物疫学の発見の妥当性を高めるために、欠損共変データを処理するために二重に頑健なアプローチを採用することが奨励されます。