没有共享个体患者数据的生存分析,使用高斯方圆

科学领域:

• 生物统计学 生物统计学
• 临床研究方法论 临床研究方法论
• 医疗保健中的数据隐私

背景情况:

• 个人患者数据 (IPD) 对考克斯回归和卡普兰-梅尔生存分析至关重要.
• 由于隐私和专有权问题,IPD的共享往往受到限制,阻碍了必要的临床研究.
• 没有直接IPD访问的现有生存估计方法存在局限性.

研究的目的:

• 提出和评估一种新的方法来生成伪数据,以接近IPD进行生存分析.
• 为了实现可靠的生存估计,同时绕过与IPD共享相关的法律和隐私障碍.
• 与现有方法相比,评估拟议的高斯偶数 (GC) 方法的实用性和局限性.

主要方法:

• 开发了一种高斯偶数 (GC) 模型,使用非披露性IPD聚合物 (边际时刻,相关矩阵) 来生成伪数据.
• 通过中央计算机收集汇总数据,并将其用作GC的参数.
• 在生成的伪数据上执行生存推断,将其视为原始IPD.

主要成果:

• 该GC方法成功地生成了假数据,该假数据接近IPD启动程序的推断效用.
• 与直接IPD分析相比,GC衍生的推理可能更为保守,在子组分析中存在局限性.
• 拟议的方法有效地解决了与IPD共享相关的隐私和财产问题.

结论:

• 高斯偶数 (GC) 方法提供了一个可行的解决方案,用于在直接数据共享不可行时进行基于IPD的生存分析.
• 增加IPD总量的共享可以促进二次研究,并缓解有关数据访问的担忧.
• 这种方法提高了临床研究中基本生存分析的可行性,同时维护数据隐私.