Trọng số điểm theo tỷ lệ trong phân tích Cox PH và lựa chọn hiệp phương sai

Về trọng số điểm xu hướng (IPTW) khi thực hiện mô hình hóa tỷ lệ rủi ro theo tỷ lệ Cox của dữ liệu sinh tồn theo thời gian:

Tôi có dữ liệu đăng ký tiềm năng trong đó chúng tôi quan tâm đến việc xem xét hiệu quả điều trị của một loại thuốc mà trong hầu hết các trường hợp bệnh nhân đã sử dụng lúc ban đầu. Do đó, tôi không chắc làm thế nào để phân tích dữ liệu tốt nhất. Có khả năng, một số biến số cơ bản ở một mức độ đáng kể bị ảnh hưởng bởi việc điều trị và không phải là cách khác (ví dụ như một số dấu ấn sinh học nhất định). Tôi hơi lạc lõng với việc tôi nên đưa vào mô hình điểm số xu hướng để ước tính trọng số và đồng biến nào tôi nên đưa vào dưới dạng hiệp phương sai trong coxphmô hình (nếu có). Bất kỳ gợi ý theo đúng hướng sẽ hữu ích! Tôi chưa thể tìm thấy bất kỳ tài liệu nào liên quan đến điều này trong mô hình CoxPh.

Tôi nghĩ rằng các đồng biến đại diện cho các phương pháp điều trị được đặt ra lúc ban đầu có thể ảnh hưởng đến kết quả nên được đưa vào dưới dạng các đồng biến Cox PH, nhưng tôi không chắc về điều này.

Làm cách nào để xác định biến nào sẽ được đưa vào dưới dạng đồng biến trong mô hình Cox thay vì được sử dụng để tính trọng số điểm của xu hướng?

Theo dõi câu hỏi:

Tôi hiểu vấn đề di truyền của việc đánh giá hiệu quả điều trị của một can thiệp nhất định đã bắt đầu - tức là phổ biến ở các bệnh nhân, trước khi bắt đầu quan sát. Cả hai liên quan đến việc giới thiệu sai lệch liên quan đến sự thay đổi thời gian của rủi ro (ví dụ: tác dụng phụ bất lợi phổ biến hơn trong năm đầu điều trị) và các đồng biến bị ảnh hưởng bởi điều trị. Nếu tôi không nhầm - điều này đã được đề xuất là nguyên nhân của sự khác biệt giữa quan sát và ngẫu nhiên liên quan đến các điểm cuối tim mạch và liệu pháp thay thế hormone. Mặt khác, trong bộ dữ liệu của tôi, chúng tôi quan tâm đến việc xem xét tác dụng phụ có thể có của việc điều trị.

Nếu tôi sử dụng điều chỉnh điểm xu hướng để điều tra hiệu quả điều trị ở những người dùng phổ biến, tức là đã sử dụng thuốc trước khi bắt đầu quan sát, trong dữ liệu đoàn hệ và chúng tôi quan sát thấy tác dụng phụ của liệu pháp dược lý (và đây là điều chúng tôi đang tìm kiếm). Tôi có thể loại trừ khả năng đánh giá quá cao rủi ro liên quan đến việc điều trị không? Tức là rủi ro tăng cao đáng kể, đó là "chắc chắn" không bảo vệ?

Tôi hoàn toàn không thể hình dung một ví dụ trong đó loại thiên vị này có thể đưa ra sự đánh giá quá cao về rủi ro của mối liên hệ rủi ro giả trong bối cảnh này.

Về lý thuyết, mọi biến bạn chọn là một phần của trọng số điểm xu hướng không cần phải được đưa vào dưới dạng đồng biến trong mô hình, vì trọng số đã được kiểm soát đối với khả năng gây nhiễu của chúng. Với một mô hình trọng số phù hợp, bạn hoàn toàn có thể hiểu theo nghĩa đen, chỉ cần mô hình hóa hiệu ứng phơi sáng.

Điều đó đang được nói, có những lý do bạn có thể muốn bao gồm các điều khoản trong mô hình:

• Ước tính "mạnh mẽ gấp đôi". Không có lý do, tiết kiệm cho một sự mất mát về độ chính xác, rằng bạn không thể sử dụng các biến cả trong mô hình trọng số và như là hiệp phương sai. Về lý thuyết, bạn đang tự bảo vệ mình trước hai cách gây nhiễu (do đó kỹ thuật này được gọi là "mạnh mẽ gấp đôi"). Hãy nhớ rằng điều này chỉ bảo vệ bạn trước mô hình PS hoặc mô hình đồng biến bị sai chính tả bằng cách cho bạn "cơ hội thứ hai" để chỉ định mô hình chính xác, đó không phải là một sửa chữa ma thuật.
• Nhiều ước tính quan tâm. Trọng số làm cho các ước tính hiệu ứng từ các hiệp phương sai biến mất - nếu bạn muốn hệ số hồi quy cho biến, bạn sẽ muốn đưa nó vào dưới dạng đồng biến trong bước CoxPH chứ không phải trong mô hình PS.

Hãy thử tìm kiếm "Nghi ngờ mạnh mẽ" và các thuật ngữ tương tự trong các tạp chí như Dịch tễ học hoặc Tạp chí Dịch tễ học Hoa Kỳ cũng như tài liệu thống kê sinh học và bạn nên khám phá một số nguồn hữu ích.

Điều quan trọng là phải phân biệt "bị ảnh hưởng bởi điều trị" và "liên quan đến điều trị". Loại thứ hai có thể bao gồm các yếu tố lựa chọn điều trị, chẳng hạn như các yếu tố chúng tôi đang cố gắng điều chỉnh theo xu hướng và / hoặc điều chỉnh đồng biến. "Bị ảnh hưởng bởi điều trị" ngụ ý rằng các đồng biến được đo sau thời gian 0 (ví dụ, sau khi ngẫu nhiên hoặc sau khi bắt đầu điều trị), có nghĩa là chúng nên hiếm khi được sử dụng.