调整因在模拟目标试验中缺少合格标准而导致的选择偏差
Luke Benz1, Rajarshi Mukherjee1, Rui Wang1,2,3
1Department of Biostatistics, Harvard T.H. Chan School of Public Health, Boston, MA, USA.
American journal of epidemiology
|January 2, 2025
概括
本研究引入了一种新方法,用于减少使用电子健康记录 (EHR) 的目标试验仿真 (TTE) 的选择偏差. 该方法使用反向概率权重 (IPW) 来处理观测研究中缺少的资格数据.
科学领域:
- 观察性健康研究 观察性健康研究
- 生物统计学 生物统计学
- 医疗信息学 医疗信息学
背景情况:
- 目标试验模拟 (TTE) 对于使用电子健康记录 (EHR) 的观察性研究至关重要.
- 在EHR中缺少的资格数据对TTE构成重大挑战,可能导致选择偏见.
- 现有的方法往往排除不完整数据的患者,忽略了潜在的偏见.
研究的目的:
- 提出一个新的框架,以解决缺少资格标准的TTE研究中的选择偏差.
- 开发使用逆概率权重 (IPW) 对时间到事件终点的估计和推断程序.
- 评估拟议方法在减轻选择偏差方面的有效性.
主要方法:
- 开发了TTE的概念框架,以解决因缺少资格数据而导致的选择偏见.
- 使用逆概率权重 (IPW) 进行估计和推断.
- 利用基于EHR的模拟基础设施来建模复杂的EHR数据.
- 通过Kaiser Permanente的现实世界EHR数据验证了该方法.
主要成果:
- 描述了一些常见的情景,其中缺少的资格数据导致了TTE的选择偏差.
- 证明了拟议的IPW方法在减轻选择偏差方面的能力.
- 成功应用该方法来评估减肥手术对T2DM患者微血管结局的影响.
结论:
- 拟议的框架有效地解决了由于缺少资格数据导致的TTE选择偏差.
- IPW提供了一种强大的方法来处理TTE缺失,提高观察性研究的有效性.
- 这项研究提供了一个实际的解决方案,用于利用TTE中的EHR数据进行临床结果研究.
