الاحتمال العكسي لترجيح العلاج (درجه الميل) باستخدام مستودع بيانات النظام الصحي العسكري ومؤشر الوفاات الوطني
Summary
عندما تكون التجارب العشوائية غير مجديه ، فان مصدر بيانات الرعاية الصحية الشاملة مثل مستودع بيانات النظام الصحي العسكري يوفر بديلا جذابا للتحليلات الاستعاديه. ويساعد إدماج بيانات الوفاات من مؤشر الوفاات الوطني وموازنة الاختلافات بين المجموعات التي تستخدم ترجيح الميل علي تقليل التحيز المتاصل في التصاميم الرجعية.
Abstract
عندما تكون التجارب العشوائية غير مجديه ، فان الدراسات الاستعاديه باستخدام البيانات الكبيرة توفر بديلا فعالا ومجديا من حيث التكلفة ، علي الرغم من انها معرضه لخطر التحيز في اختيار العلاج. يحدث التحيز اختيار العلاج في دراسة غير معشاه عندما يستند اختيار العلاج علي خصائص ما قبل العلاج التي ترتبط أيضا مع النتيجة. هذه الخصائص السابقة للمعالجة ، أو مربكه ، يمكن ان تؤثر علي تقييم تاثير العلاج علي النتيجة. وتقلل درجات الميل من هذا التحيز من خلال موازنة المربكة المعروفة بين مجموعات العلاج. وهناك عدد قليل من النهج لأداء التحليلات درجه الميل ، بما في ذلك تقسيمها من قبل درجه الميل ، ومطابقه الميل ، والاحتمال العكسي لترجيح العلاج (IPTW). الوصف هنا هو استخدام IPTW لتحقيق التوازن بين الامراض المصاحبة الاساسيه في مجموعه من المرضي داخل مستودع بيانات النظام الصحي العسكري الأمريكي (المقاوم للادويه البيولوجية). وتعد المجموعة مصدر بيانات أمثل نسبيا ، حيث انها توفر مجموعه متكاملة من المعلومات التي تكاد تكون كامله عن خدمات المرضي الداخليين والمرضي الخارجيين متاحه للمستفيدين المؤهلين. ويرد أدناه بيان باستخدام الادويه المدرة للادويه التي تستكمل بمعلومات من الرقم القياسي للوفيات الوطنية لتوفير معطيات قويه عن الوفاات. كما تقدم اقتراحات لاستخدام البيانات الاداريه. وأخيرا ، يشترك البروتوكول في رمز SAS لاستخدام IPTW لموازنة المربكة المعروفة ورسم داله الحدوث التراكمية لنتيجة الفائدة.
Introduction
التجارب العشوائية ، التي تسيطر عليها الغفل هي اقوي تصميم دراسة لقياس فعاليه العلاج ، ولكنها ليست دائما ممكنة بسبب متطلبات التكلفة والوقت أو عدم وجود توازن بين مجموعات العلاج1. في هذه الحالات ، غالبا ما يوفر تصميم المجموعة الاستعاديه باستخدام بيانات اداريه واسعه النطاق (“البيانات الكبيرة”) بديلا كفء وفعال من حيث التكلفة ، علي الرغم من ان عدم وجود العشوائية يدخل التحيز اختيار العلاج2. يحدث التحيز في اختيار العلاج في الدراسات غير المعشاه عندما يعتمد قرار العلاج علي خصائص ما قبل المعالجة المرتبطة بنتيجة الفائدة. وتعرف هذه الخصائص بالعوامل المحيرة.
لان الميل عشرات تقليل هذا التحيز عن طريق موازنة مربكه المعروفة بين مجموعات العلاج ، فقد أصبحت شعبيه متزايدة3. وقد استخدمت درجات الميل لمقارنه النهج الجراحية4 والنظم الطبية5. وفي الاونه الاخيره ، استخدمنا تحليل الميل للبيانات من مستودع بيانات النظام الصحي العسكري في الولايات المتحدة لتقييم تاثير الحالات في الوقاية الاوليه من نتائج القلب والاوعيه الدموية استنادا إلى وجود وشده الشريان التاجي الكالسيوم6.
وتحتوي المجموعة علي معلومات شامله عن المطالبات الاداريه والطبية من خدمات المرضي الداخليين والخارجيين المقدمة للخدمة العسكرية والمتقاعدين وغيرهم من المستفيدين من الرعاية الصحية في وزاره الدفاع ومن يعولونهم. وتشمل قاعده البيانات الخدمات المقدمة في جميع انحاء العالم في مرافق المعالجة العسكرية الامريكيه أو في المرافق المدنية التي تقدم إلى وزاره الدفاع. وتتضمن قاعده البيانات بيانات كامله عن الصيدلة منذ 1 أكتوبر 2001. وتتوفر البيانات المختبرية من 2009 ولكنها تقتصر فقط علي مرافق العلاج العسكري. وفي داخل الجمهورية المقاوم للادويه الشاملة ، تم تعريف الأفواج بأساليب تشمل استخدام أكواد التشخيص (مثل مرض السكري7) أو رموز الإجراءات (علي سبيل المثال ، الجراحة بالمنظار8). وبدلا من ذلك ، يمكن مضاهاة مجموعه محدده خارجيا من المستفيدين المؤهلين ، مثل السجل ، بالجماعة المدرة للادويه للحصول علي بيانات خط الأساس والمتابعة9. وعلي عكس الرعاية الطبية ، فان الادويه المدرة للادويه تشمل مرضي من جميع الاعمار. كما انها اقل تحيزا تجاه الذكور من قاعده بيانات VA لأنها تشمل المعالين. غير ان الوصول إلى الادويه المدرة للادويه محدود. وبصفه عامه ، لا يمكن للمحققين الذين هم أعضاء في النظام الصحي العسكري الا ان يطلبوا الوصول ، وهو ما يماثل متطلبات استخدام قاعده بيانات VA. ويجب علي الباحثين غير الحكوميين الساعيين إلى الحصول علي بيانات النظم الصحية العسكرية ان يفعلوا ذلك من خلال اتفاق لتقاسم البيانات تحت اشراف أحد الرعاة الحكوميين.
عند استخدام اي مجموعه بيانات اداريه ، من المهم ان نضع في اعتبارنا القيود وكذلك نقاط القوه في الترميز الإداري. حساسية وخصوصية التعليمات البرمجية يمكن ان تختلف استنادا إلى التشخيص ذات الصلة ، سواء كان التشخيص الاولي أو الثانوي ، أو ما إذا كان هو المرضي الداخليين أو العيادات الخارجية الملف. يتم الإبلاغ عن رموز المرضي الداخليين لاحتشاء عضله القلب الحاد عموما بدقه مع القيم التنبؤيه الايجابيه أكثر من 90%10، ولكن غالبا ما يكون استخدام التبغ غير مشفر11. وقد يكون لهذا النقص في الترميز أو قد لا يكون له تاثير ذي مغزى علي نتائج الدراسة12. بالاضافه إلى ذلك ، قد توجد عده رموز لشرط معين مع مستويات مختلفه من الارتباط بالمرض في السؤال13. وينبغي لفريق التحقيق ان يجري بحثا واستعراضا شاملين للمنشورات الخاصة بالتصنيف الدولي للامراض ، والتنقيح التاسع ، والتعديلات السريرية ، و/أو كتيبات الترميز الخاصة بالتحليل الكتروني للامراض-10 سم لضمان ادراج الرموز المناسبة في الدراسة.
ويمكن استخدام العديد من الطرق لتحسين حساسية ودقه الرموز التشخيصية لتحديد شروط العروض التركيبية. وينبغي ادراج فتره “أعاده نظر” مناسبه لتحديد الامراض المصاحبة الاساسيه. وتشمل فتره البحث خدمات المرضي الداخليين والخارجيين المقدمة قبل التحاق بالدراسة. قد تكون فتره سنه واحده الأمثل14. الاضافه إلى ذلك ، فان اشتراط مطالبتين منفصلتين بدلا من مطالبه واحده يمكن ان يزيد من الخصوصية ، بينما يمكن ان يؤدي تكميل بيانات الترميز بالبيانات الصيدلانية إلى تحسين الحساسية15. تحديد تدقيقات المخطط اليدوي علي جزء من البيانات يمكن استخدامها للتحقق من دقه استراتيجية الترميز.
وبمجرد تحديد الامراض المصاحبة وتقييمها بالنسبة للفئات المعنية ، يمكن استخدام درجه الميل لتحقيق التوازن بين الاختلافات في المتغيرات المختلطة بين مجموعات العلاج. وتستمد درجه الميل من احتمال ان يتم تعيين المريض لعلاج يستند إلى المتغيرات المعروفة. المحاسبة لهذا العلاج الميل يقلل من تاثير ان المتغيرات لديها علي التعيين العلاج ويساعد علي توليد تقدير اصدق من تاثير العلاج علي النتيجة. وفي حين ان درجات الميل لا توفر بالضرورة نتائج متفوقة للنماذج متعددة المتغيرات ، فانها تسمح بتقييم ما إذا كانت المجموعات المعالجة وغير المعالجة قابله للمقارنة بعد تطبيق درجه الميل3. يمكن للمحققين الدراسة تحليل الاختلافات القياسية المطلقة في المتغيرات قبل وبعد مطابقه الميل أو الاحتمالية المعكوسة لترجيح العلاج (IPTW) لضمان توازن المربكة المعروفة بين المجموعات. والاهم من ذلك ان المربكة غير المعروفة قد لا تكون متوازنة ، وينبغي ان يكون المرء مدركا لامكانيه الخلط المتبقي.
عند تنفيذها بشكل صحيح ، علي الرغم من ان عشرات الميل هي أداه قويه التي يمكن التنبؤ وتكرار نتائج التجارب العشوائية التي تسيطر عليها16. من ال يتوفر [ميل-ببس] تقنيات, تلاءم و [ايكتو] عموما يفضل17. في IPTW ، يتم ترجيح المرضي من خلال ميولهم أو احتماليه العلاج. ويوصي عموما الأوزان استقرار علي الأوزان الخام ، في حين ان تقليم الأوزان يمكن أيضا ان تعتبر18،19،20،21.
وبمجرد ان تكون مجموعات الدراسات متوازنة ، يمكن متابعتها حتى نتيجة الاهتمام. وقد تكون الدراسات التي تستخدم البيانات الاداريه مهتمة بنتائج مثل معدلات أعاده القبول وتحليلات الوقت إلى الحدث. في الدراسات المهتمة بالوفاات ، يتضمن مستودع بيانات النظام الصحي العسكري حقلا للوضع الحيوي يمكن زيادته باستخدام مؤشر الوفاات الوطني22،23. المعهد الديمقراطي الوطني هو قاعده بيانات مركزيه لمعلومات سجل الوفاات من مكاتب الولايات التي يديرها مركز مكافحه الامراض. ويمكن للمحققين ان يطلبوا وضعا حيويا أساسيا و/أو سببا محددا للوفاة استنادا إلى شهادة الوفاة.
البروتوكول التالي يفصل عمليه اجراء دراسة قاعده بيانات اداريه باستخدام الادويه المدرة للادويه المضافة مع معلومات عن الوفاات من المعهد الديمقراطي الديموقراطي. وهو يفصل استخدام IPTW لموازنة اختلافات خط الأساس بين مجموعتين من المعالجة بما في ذلك رمز SAS وإخراج المثال.
Protocol
Representative Results
Discussion
وتوفر التحاليل الاسترجاعية باستخدام مجموعات البيانات الاداريه الكبيرة بديلا ناجعا وفعالا من حيث التكلفة عندما لا تكون التجارب المعشاه ذات الشواهد مجديه. ستعتمد مجموعه البيانات المناسبة علي السكان ومتغيرات الفائدة ، ولكن الادويه المدرة للادويه هي خيار جذاب لا يحتوي علي القيود العمرية ا…
Divulgaciones
The authors have nothing to disclose.
Acknowledgements
وقد تم دعم الأبحاث التي تم الإبلاغ عنها في هذا المنشور من قبل المركز الوطني للنهوض بالعلوم الانتقالية للمعاهد الوطنية للصحة تحت الجائزة رقم UL1 TR002345. والمضمون هو المسؤولية الوحيدة للمؤلفين ولا يمثل بالضرورة الآراء الرسمية للمعاهد الوطنية للصحة.
تنويه: بالاضافه إلى ذلك ، فان وجات النظر المعرب عنها في هذه المادة هي اراء صاحب البلاغ فقط وينبغي الا تفسر علي انها تمثل بأي شكل من الاشكال تلك التي لدي حكومة الولايات المتحدة ، أو وزاره الدفاع في الولايات المتحدة ، أو أداره الولايات المتحدة الجيش. ويعتبر تحديد منتجات معينه أو أجهزه علميه جزءا لا يتجزا من المسعى العلمي ولا يشكل تاييدا أو تاييدا ضمنيا من جانب المؤلف أو وزاره الدفاع أو اي وكاله مكونه.
Materials
| CD Burner (for NDI Request) | |||
| Computer | |||
| Putty.exe | Putty.org | ||
| SAS 9.4 | SAS Institute Cary, NC | ||
| WinSCP or other FTP software | https://winscp.net/eng/index.php |
Referencias
- Concato, J., Shah, N., Horwitz, R. I. Randomized, controlled trials, observational studies, and the hierarchy of research designs. New England Journal of Medicine. 342 (25), 1887-1892 (2000).
- Austin, P. C., Platt, R. W. Survivor treatment bias, treatment selection bias, and propensity scores in observational research. Journal of Clinical Epidemiology. 63 (2), 136-138 (2010).
- Sturmer, T., Wyss, R., Glynn, R. J., Brookhart, M. A. Propensity scores for confounder adjustment when assessing the effects of medical interventions using nonexperimental study designs. Journal of Internal Medicine. 275 (6), 570-580 (2014).
- Schermerhorn, M. L., et al. Long-Term Outcomes of Abdominal Aortic Aneurysm in the Medicare Population. New England Journal of Medicine. 373 (4), 328-338 (2015).
- Williams, R. J., et al. A Propensity-Matched Analysis Between Standard Versus Tapered Oral Vancomycin Courses for the Management of Recurrent Clostridium difficile Infection. Open Forum Infectious Diseases. 4 (4), (2017).
- Mitchell, J. D., et al. Impact of Statins on Cardiovascular Outcomes Following Coronary Artery Calcium Scoring. Journal of the American College of Cardiology. 72 (25), 3233-3242 (2018).
- Rush, T., McGeary, M., Sicignano, N., Buryk, M. A. A plateau in new onset type 1 diabetes: Incidence of pediatric diabetes in the United States Military Health System. Pediatric Diabetes. 19 (5), 917-922 (2018).
- Rhon, D. I., Greenlee, T. A., Marchant, B. G., Sissel, C. D., Cook, C. E. Comorbidities in the first 2 years after arthroscopic hip surgery: substantial increases in mental health disorders, chronic pain, substance abuse and cardiometabolic conditions. British Journal of Sports Medicine. , (2018).
- Mitchell, J., Paisley, R., Moon, P., Novak, E., Villines, T. Coronary Artery Calcium Score and Long-term Risk of Death, Myocardial Infarction and Stroke: The Walter Reed Cohort Study. Journal of the American College of Cardiology: Cardiovascular Imaging. , (2017).
- McCormick, N., Lacaille, D., Bhole, V., Avina-Zubieta, J. A. Validity of myocardial infarction diagnoses in administrative databases: a systematic review. PLoS ONE. 9 (3), e92286 (2014).
- Huo, J., Yang, M., Tina Shih, Y. -. C. Sensitivity of Claims-Based Algorithms to Ascertain Smoking Status More Than Doubled with Meaningful Use. Value in Health. , (2017).
- Nayan, M., et al. The value of complementing administrative data with abstracted information on smoking and obesity: A study in kidney cancer. Canadian Urological Association Journal. 11 (6), 167-171 (2017).
- Birman-Deych, E., et al. Accuracy of ICD-9-CM codes for identifying cardiovascular and stroke risk factors. Medical Care. 43 (5), 480-485 (2005).
- Preen, D. B., Holman, C. D., Spilsbury, K., Semmens, J. B., Brameld, K. J. Length of comorbidity lookback period affected regression model performance of administrative health data. Journal of Clinical Epidemiology. 59 (9), 940-946 (2006).
- Rector, T. S., et al. Specificity and sensitivity of claims-based algorithms for identifying members of Medicare+Choice health plans that have chronic medical conditions. Health Services Research. 39 (6 Pt 1), 1839-1857 (2004).
- Hernán, M. A., et al. Observational studies analyzed like randomized experiments: an application to postmenopausal hormone therapy and coronary heart disease. Epidemiology (Cambridge, Mass.). 19 (6), 766-779 (2008).
- Austin, P. C. The relative ability of different propensity score methods to balance measured covariates between treated and untreated subjects in observational studies. Medical Decision Making. 29 (6), 661-677 (2009).
- Robins, J. M., Hernan, M. A., Brumback, B. Marginal structural models and causal inference in epidemiology. Epidemiology. 11 (5), 550-560 (2000).
- Robins, J. Marginal structural models. 1997 Proceedings of the American Statistical Association, section on Bayesian statistical science. , 1-10 (1998).
- Thoemmes, F., Ong, A. D. A Primer on Inverse Probability of Treatment Weighting and Marginal Structural Models. Emerging Adulthood. 4 (1), 40-59 (2016).
- Xu, S., et al. Use of stabilized inverse propensity scores as weights to directly estimate relative risk and its confidence intervals. Value in Health: the Journal of the International Society for Pharmacoeconomics and Outcomes Research. 13 (2), 273-277 (2010).
- Cowper, D. C., Kubal, J. D., Maynard, C., Hynes, D. M. A primer and comparative review of major US mortality databases. Annals of Epidemiology. 12 (7), 462-468 (2002).
- Skopp, N. A., et al. Evaluation of a methodology to validate National Death Index retrieval results among a cohort of U.S. service members. Annals of epidemiology. 27 (6), 397-400 (2017).
- Buck, C. J. . 2015 ICD-9-CM for Hospitals, Volumes 1, 2, & 3, Professional Edition. , (2015).
- Buck, C. J. . 2018 ICD-10-CM for Hospitals, Professional Edition. , (2018).
- Guo, S., Fraser, W. M. . Propensity Score Analysis: Statistical Methods and Applications, Second Edition. , (2015).
- Elixhauser, A., Steiner, C., Harris, D. R., Coffey, R. M. Comorbidity measures for use with administrative data. Medical Care. 36 (1), 8-27 (1998).
- Charlson, M. E., Pompei, P., Ales, K. L., MacKenzie, C. R. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. Journal of Chronic Diseases. 40 (5), 373-383 (1987).
- Deyo, R. A., Cherkin, D. C., Ciol, M. A. Adapting a clinical comorbidity index for use with ICD-9-CM administrative databases. Journal of Clinical Epidemiology. 45 (6), 613-619 (1992).
- Austin, P. C., Stuart, E. A. The performance of inverse probability of treatment weighting and full matching on the propensity score in the presence of model misspecification when estimating the effect of treatment on survival outcomes. Statistical Methods in Medical Research. 26 (4), 1654-1670 (2017).
- Austin, P. C. Balance diagnostics for comparing the distribution of baseline covariates between treatment groups in propensity-score matched samples. Statistics in Medicine. 28 (25), 3083-3107 (2009).
