在实用老年学试验中发现治疗效应异质性
Changjun Li1, Heather Allore2, Michael O Harhay3
1Department of Biostatistics, Yale School of Public Health, New Haven, CT, USA; Cardiovascular Medicine Analytics Center, Yale School of Medicine, New Haven, CT, USA; Center for Methods in Implementation and Prevention Science, Yale School of Public Health, New Haven, CT, USA.
这项研究使用因果推断和机器学习来分析远程医疗对老年人生活质量的影响. 尽管平均效果为零,但在特定子组中发现了个性化的益处,改善了老年学试验的解释.
科学领域:
- 老年学和医疗服务研究研究
- 生物统计学和因果推理
- 在临床试验中的机器学习
背景情况:
- 老年学试验经常面临的挑战,分析结果被死亡截断,可能掩盖治疗效果的异质性.
- 全系统演示器试验显示,远程护理对老年人生活质量的平均影响为零,掩盖了子组变化.
研究的目的:
- 开发和应用因果推理框架,以检测在老年学试验中治疗效果的异质性.
- 估计幸存者平均因果效应 (SACE) 和有条件的SACE (CSACE),以了解特定子组的治疗效应.
- 利用机器学习来灵活建模复杂的试验数据,包括通过死亡和集群的截断.
主要方法:
- 雇员主要分层和幸存者平均因果效应 (SACE) 框架.
- 扩展因果框架使用贝叶斯增量回归树 (BART) 进行非参数建模.
- 估计了条件SACE (CSACE) 来评估基线特征之间的治疗效果变化.
主要成果:
- 尽管远程医疗对生活质量的总体影响为零,但发现了显著的异质性.
- 特定的老年人小组表现出不同程度的远程护理对生活质量的好处.
- 分析发现了基于子组反应的个性化干预策略的机会.
结论:
- 整合机器学习 (BART) 与因果推理 (主要分层) 提供了对老年学试验数据的更深入的见解.
- 这种方法有效地解决了诸如死亡截断和实用试验中的集群等挑战.
- 研究结果支持针对老年人量身定制的干预策略,超越平均治疗效果.
更多相关视频
05:03Author Spotlight: Unveiling Mechanisms of Stress Resilience - Significant Findings, Advancements, and Future Research
Published on: December 15, 2023
09:04Uncovering Beat Deafness: Detecting Rhythm Disorders with Synchronized Finger Tapping and Perceptual Timing Tasks
Published on: March 16, 2015
相关概念视频
Clinical Trials: Overview
Trial and Error and Algorithm
Clinical Trials
There are four phases in a clinical trial. A phase one...
Statistical Software for Data Analysis and Clinical Trials
Open Angle Glaucoma: Treatment
Drugs such as carbonic anhydrase inhibitors, α2- and...
Treatment Resistant Cancers
