一本实用指南,用现实世界的数据来估计风湿病患者的治疗效果
Are Hugo Pripp1,2, Katarzyna Łosińska3,4, Mariusz Korkosz3,5
1Oslo Centre of Biostatistics and Epidemiology, Oslo University Hospital, Oslo, Norway. apripp@ous-hf.no.
Rheumatology international
|April 24, 2024
概括
本指南简化了因果推理方法,用于真实世界的风湿病学观察数据. 它展示了Stata的实际应用,展示了如何控制混因素并增强治疗效果估计.
科学领域:
- 流行病学 流行病学
- 生物统计学 生物统计学
- 类风湿病学 类风湿病学
背景情况:
- 随机对照试验 (RCT) 具有很高的有效性,但可能不反映真实世界患者群体.
- 由于混因素,观察数据带来了挑战,可能会影响治疗效果的估计.
- 因果推理方法可以从观察数据中估计治疗效应,但通常是数学上复杂的.
研究的目的:
- 为应用因果推理方法在风湿病学的观察数据提供一个实用,非技术指南.
- 在 Stata 中证明使用易于使用的统计方法用于流行病学研究.
- 通过使用真实世界患者数据,提高有效性研究的透明度和稳定性.
主要方法:
- 利用模拟数据集反映现实世界风湿病患者数据.
- 证明了回归分析,回归调整,反向概率加权和倾向得分 (PS) 匹配.
- 应用了两种可靠的估计方法来控制混因素.
主要成果:
- 控制混因素的方法产生了类似的结果.
- 一对一的倾向分数 (PS) 匹配需要彻底评估,以避免潜在的偏差.
- 这些方法的实际应用可以提高观察性研究结果的可靠性.
结论:
- 拟议的指南有助于在 Stata 中使用可访问的统计方法进行因果推理.
- 这种方法可以带来更强大,更透明的风湿病学流行病学和统计分析.
- 通过更好地利用观测数据来提高研究效率.
更多相关视频
06:31Author Spotlight: Enhancing Rheumatoid Arthritis Research Through HR-pQCT Imaging Analysis
Published on: October 6, 2023
2.1K
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
14.5K
