När randomiserade kontrollerade studier inte är genomförbara, en omfattande hälso-och sjukvårdsdata källa som det militära hälsosystemet dataarkivet ger ett attraktivt alternativ för retrospektiva analyser. Att införliva Dödlighetsdata från det nationella döds indexet och balansera skillnader mellan grupper med hjälp av benägenhet viktning bidrar till att minska biaser som är förknippade med retroaktiva konstruktioner.
När randomiserade kontrollerade studier inte är genomförbara, retrospektiva studier med Big data ger ett effektivt och kostnadseffektivt alternativ, även om de är i riskzonen för val av behandling bias. Behandling val bias förekommer i en icke-randomiserad studie när val av behandling är baserat på pre-behandling egenskaper som också är förknippade med resultatet. Dessa pre-behandling egenskaper, eller confounders, kan påverka utvärderingen av en behandling effekt på resultatet. Benägenheten Poäng minimera denna bias genom att balansera de kända störfaktorer mellan behandlingsgrupper. Det finns några metoder för att utföra benägenheten Poäng analyser, inklusive stratifiering av benägenheten poäng, benägenhet matchning, och omvänd sannolikhet för behandling viktning (IPTW). Beskrivs här är användningen av iptw att balansera baseline samsjuklighet i en kohort av patienter inom den amerikanska militären Health system data repository (Mdr). MDR är en relativt optimal datakälla, eftersom den tillhandahåller en innesluten kohort där nästan fullständig information om patienter och öppenvården finns tillgänglig för berättigade stödmottagare. Nedan beskrivs användningen av MDR kompletterad med information från National death index för att tillhandahålla robusta Dödlighetsdata. Det finns också förslag på hur du använder administrativa data. Slutligen delar protokollet en SAS-kod för att använda iptw för att balansera kända störfaktorer och rita den kumulativa incidensen funktion för resultatet av intresse.
Randomiserade, placebokontrollerade studier är den starkaste studiedesign för att kvantifiera effekten av behandling, men de är inte alltid genomförbart på grund av kostnader och tids krav eller brist på Equipoise mellan behandlingsgrupperna1. I dessa fall, en retrospektiv kohort design med storskaliga administrativa data (“Big data”) ofta ger ett effektivt och kostnadseffektivt alternativ, även om avsaknaden av randomisering införs behandling val bias2. Behandling val bias förekommer i icke-randomiserade studier när behandlingen beslut är beroende av pre-behandling egenskaper som är förknippade med resultatet av intresse. Dessa egenskaper är kända som confounding faktorer.
Eftersom benägenheten Poäng minimera denna bias genom att balansera de kända störfaktorer mellan behandlingsgrupper, har de blivit alltmer populära3. Benägenheten Poäng har använts för att jämföra kirurgiska metoder4 och medicinska regimer5. Nyligen har vi använt en benägenhet analys av data från Förenta staternas militära Health system data repository (MDR) för att bedöma effekten av statiner i primär prevention av kardiovaskulära resultat baserat på förekomst och svårighetsgrad av kranskärls kalcium6.
Den MDR, utnyttjas mindre ofta än Medicare och VA datauppsättningar för forskningsändamål, innehåller omfattande administrativa och medicinska påståenden information från sluten och öppenvården tjänster som tillhandahålls för aktiv tjänst militär, pensionärer och andra Department of Defense (DoD) vårdtagare och deras anhöriga. Databasen omfattar tjänster som tillhandahålls över hela världen på amerikanska militära behandlingsanläggningar eller på civila anläggningar faktureras DoD. Databasen innehåller kompletta apoteks data sedan den 1 oktober 2001. Laboratoriedata finns tillgänglig från 2009 men är endast begränsad till militära behandlingsanläggningar. Inom MDR har kohorter definierats med metoder inklusive användning av diagnoskoder (t. ex. diabetes mellitus7) eller procedur koder (t. ex. artroskopisk kirurgi8). Alternativt kan en externt definierad kohort av stödberättigade stödmottagare, till exempel ett register, matchas med MDR för att erhålla baslinje-och uppföljningsdata9. Till skillnad från Medicare omfattar MDR patienter i alla åldrar. Det är också mindre partisk mot män än VA databas eftersom det omfattar anhöriga. Tillgången till MDR är dock begränsad. I allmänhet kan endast utredare som är medlemmar i det militära hälsosystemet begära tillgång, analogt med kraven för användning av VA-databasen. Icke-statliga forskare som söker tillgång till militära hälso-och sjukvårdssystem uppgifter måste göra detta genom ett avtal om datadelning under överinseende av en statlig sponsor.
När du använder någon administrativ datauppsättning, är det viktigt att komma ihåg begränsningarna samt styrkor av administrativ kodning. Känsligheten och specificiteten av koden kan variera beroende på den relaterade diagnosen, oavsett om det är en primär eller sekundär diagnos, eller om det är en sluten eller öppenvården fil. Inpatient koder för akut hjärtinfarkt är i allmänhet korrekt rapporterade med positiva prediktiva värden över 90%10, men tobaksbruk är ofta Underkodade11. Sådan under kodning kan eller inte kan ha en meningsfull effekt på en studieresultat12. Dessutom kan flera koder för ett givet tillstånd förekomma med varierande nivåer av korrelation till sjukdomen i fråga13. En undersökande grupp bör utföra en omfattande litteratursökning och granskning av den internationella sjukdomsklassifikationen, nionde revideringen, klinisk modifiering (ICD-9-CM) och/eller ICD-10-CM kodnings handböcker för att säkerställa att lämpliga koder ingår i studien.
Flera metoder kan användas för att förbättra känsligheten och noggrannheten hos de diagnostiska koderna för att definiera comorbida villkor. En lämplig “Look-Back”-period bör inkluderas för att fastställa sjukdomstillstånd vid baseline. Återblick perioden omfattar sluten vård och öppenvården tjänster som tillhandahålls före studiestart. En period på ett år kan vara optimalt14. Dessutom, kräver två separata påståenden i stället för ett enda anspråk kan öka specificitet, samtidigt komplettera kodning data med farmaceutiska data kan förbättra känslighet15. Välj manuella diagram granskningar på en del av uppgifterna kan användas för att kontrollera kodnings strategins noggrannhet.
När komorbiditeter har definierats och bedömts för kohort i fråga, kan en benägenhet poäng användas för att balansera skillnader i kovariater mellan behandlingsgrupperna. Benägenheten poängen härleds från sannolikheten att en patient tilldelas en behandling baserad på kända kovariater. Redovisning för denna benägenhet behandling minskar den effekt som kovariaterna har på behandlings uppdrag och hjälper till att generera en sannare uppskattning av behandlingseffekten på resultatet. Även benägenhet poäng inte nödvändigtvis ger överlägsna resultat till multivariat modeller, de gör det möjligt för bedömning av om de behandlade och obehandlade grupperna är jämförbara efter att ha tillämpat benägenheten Poäng3. Studie utredare kan analysera de absoluta standardiserade skillnaderna i kovariater före och efter benägenheten matchning eller omvänd sannolikhet för behandling viktning (iptw) för att säkerställa kända störfaktorer har balanserat mellan grupperna. Viktigt, okända störfaktorer kanske inte balanserad, och man bör vara medveten om potentialen för kvarvarande confounding.
När den körs korrekt, men, benägenhet poäng är ett kraftfullt verktyg som kan förutsäga och replikera resultaten av randomiserade kontrollerade prövningar16. Av de tillgängliga benägenheten-Poäng tekniker, matchning och IPTW är i allmänhet föredrog17. Inom IPTW viktas patienterna med sin benägenhet eller sannolikhet för behandling. Stabiliserande vikter rekommenderas generellt över rå vikter, medan trimning av vikterna också kan betraktas som18,19,20,21.
När studiegrupperna är balanserade, kan de följas tills resultatet av intresse. Studier som utnyttjar administrativa uppgifter kan vara intresserade av resultat såsom återtagande grad och tids-till-händelse-analyser. I studier som är intresserade av dödlighet innehåller det militära hälsosystemet data arkivet ett område för Vital status som kan förstärkas ytterligare med hjälp av National death index (NDI)22,23. NDI är en centraliserad databas med döds rekordinformation från statliga kontor som förvaltas av centrum för sjukdomsbekämpning. Utredarna kan begära grundläggande Vital status och/eller specifik dödsorsak baserat på dödsattesten.
I följande protokoll beskrivs processen för att genomföra en administrativ databasstudie med hjälp av MDR förstärkt med dödlighet information från NDI. Det specificerar användningen av IPTW att balansera baseline skillnader mellan två behandlingsgrupper inklusive SAS-kod och exempel output.
Retrospektiva analyser med stora administrativa dataset ger ett effektivt och kostnadseffektivt alternativ när randomiserade kontrollerade studier inte är genomförbara. Den lämpliga datamängden kommer att bero på befolkningen och variabler av intresse, men MDR är ett attraktivt alternativ som inte har åldersbegränsningar ses med Medicare data. Med någon datauppsättning, är det viktigt att vara intimt förtrogen med sin layout och dataordbok. Försiktighet bör iakttas på vägen för att säkerställa att kom…
The authors have nothing to disclose.
Forskning som rapporteras i denna publikation stöddes av National Center for framryckande translationella vetenskaper av National Institutes of Health under tilldelnings nummer UL1 TR002345. Innehållet är uteslutande författarnas ansvar och representerar inte nödvändigtvis de officiella åsikter som finns hos National Institutes of Health.
Disclaimer: Dessutom, de åsikter som uttrycks i denna artikel är de av författaren endast och bör inte tolkas som företräder på något sätt de av USA: s regering, Förenta staternas försvarsdepartementet (DoD), eller Förenta staternas Department of the Armén. Identifieringen av specifika produkter eller vetenskaplig instrumentering anses vara en integrerad del av den vetenskapliga strävan och utgör inte godkännande eller underförstått godkännande av författaren, DoD, eller någon komponent byrå.
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 |