Взвешивание показателя склонности в анализе Кокса PH и выборе ковариат

11

Относительно взвешивания по шкале склонности (IPTW) при моделировании пропорциональных рисков Кокса для данных о выживаемости от времени к событию:

У меня есть проспективные данные реестра, где мы заинтересованы в том, чтобы посмотреть на эффект лечения от лекарств, которые в большинстве случаев пациенты уже принимали в начале исследования. Поэтому я не уверен, как лучше всего проанализировать данные. Потенциально, некоторые из исходных переменных в значительной степени влияют на лечение , а не наоборот (например , некоторые биомаркеров). Я немного растерялся относительно того, какие ковариаты я должен включить в модель оценки склонности для оценки весов и какие ковариаты я должен включить в качестве ковариат в coxphмодель (если они вообще есть). Любые подсказки в правильном направлении будут полезны! Мне пока не удалось найти никакой литературы по этому вопросу в моделировании CoxPh.

Я думаю, что ковариаты, которые представляют лечение, начатое на начальном этапе, которое (может) повлиять на результат, должны быть включены как ковариаты Кокса PH, но я не уверен в этом.

Как определить, какие переменные должны быть включены в качестве ковариат в модель Кокса, а не использоваться для расчета весов показателя склонности?


Дополнительный вопрос:

Я понимаю наследственную проблему оценки лечебного эффекта определенного вмешательства, которое уже началось - то есть распространено среди пациентов до начала наблюдения. Как в отношении введения систематической ошибки, связанной с изменением во времени риска (например, побочные эффекты, более распространенные в первый год терапии), так и в отношении ковариат, влияющих на лечение. Если я не ошибаюсь - это было предложено как причина расхождения между наблюдением и рандомизацией, что касается сердечно-сосудистых конечных точек и заместительной гормональной терапии. В моем наборе данных, с другой стороны, мы заинтересованы в рассмотрении возможного неблагоприятного эффекта от лечения.

Если я использую корректировку показателя склонности для изучения эффекта лечения среди преобладающих пользователей, то есть уже использующего лекарство до начала наблюдения, в когортных данных, и мы наблюдаем неблагоприятное влияние фармакологической терапии (и это то, что мы искали). Могу ли я исключить возможность переоценки риска, связанного с лечением? Т.е. до тех пор, пока риск значительно повышен, он наиболее "определенно" не защищает?

Я не могу вообразить пример, где этот вид смещения может привести к переоценке риска ассоциации ложного риска в этом контексте.

Кжетил Лоланд
источник

Ответы:

9

Теоретически, каждая переменная, которую вы выбираете как часть веса показателя склонности, не должна включаться в модель в качестве ковариат, поскольку взвешивание уже контролировало их потенциальное смешивание. При правильной модели взвешивания вы можете буквально просто смоделировать эффект воздействия.

При этом есть причины, по которым вы можете включить термины в модель:

  • «Вдвойне здравые» оценки. Нет никакой причины, за исключением потери точности, что вы не можете использовать переменные как в весовой модели, так и в качестве ковариат. Теоретически, вы защищаете себя от смешения двумя способами (следовательно, эту технику называют «вдвойне надежной»). Имейте в виду, что это только защищает вас от неверной спецификации модели PS или ковариатической модели, давая вам «второй шанс» указать правильную модель, это не волшебное решение всех проблем.
  • Несколько оценок интереса. В результате взвешивания исчезают оценки эффекта от ковариат - если вам нужен коэффициент регрессии для переменной, вы захотите включить его как ковариату в шаг CoxPH, а не в модель PS.

Попробуйте найти «вдвойне надежные» и подобные термины в таких журналах, как « Эпидемиология» или «Американский журнал эпидемиологии», а также в биостатистической литературе, и вам следует найти несколько полезных источников.

фомиты
источник
Спасибо за (быстрый) и четкий ответ! Я видел вдвойне здравый упоминание, но много заглядывал. Я определенно буду сейчас. Не могли бы вы сказать, что использование вдвойне надежных оценок оправдано, когда ковариаты не корректируются должным образом после взвешивания (например, все еще значительных различий между группами лечения)?
Kjetil Loland
1
@KjetilLoland Это может быть причиной для использования вдвойне надежной оценки - как правило, это то, на что нужно обратить внимание, когда вы обеспокоены тем, что один из методов контроля переменных страдает от неправильной спецификации. Я также проверил, чтобы убедиться, что ваша модель PS не работает и дает хорошие, перекрывающиеся оценки склонности между двумя группами.
Fomite
1
Из-за неразборчивости отношения рисков недостаточно просто включать переменные в PS. Обычно PS разрешает включать в себя «кухонную раковину» и для того, чтобы известные наиболее важные предикторы были снова включены в качестве ковариат. Это предотвратит недооценку соотношения рисков воздействия.
Фрэнк Харрелл
Еще раз, спасибо вам обоим @EpiGrad и Фрэнку за ваши ответы. Я не могу точно сказать, что у групп лечения есть хорошие, перекрывающиеся оценки склонности. Так что я бы, вероятно, в конечном итоге использовал обширную ковариатную настройку. С другой стороны, я заметил, что написал IPTW, когда фактически использую пакет twang - который использует обобщенную ускоренную регрессию для оценки весов (если я прав) - но я думаю, что это не меняет общий подход много.
Kjetil Loland
@KjetilLoland Вы можете по крайней мере визуально проверить, перекрываются ли ваши оценки PS, просматривая перекрывающиеся графики их распределения по группам лечения.
Fomite
3

Важно различать «пострадавших от лечения» и «связанных с лечением». Последние могут включать факторы выбора лечения, такие как те, которые мы пытаемся скорректировать с учетом склонности и / или ковариатной корректировки. «Под воздействием лечения» подразумевает, что ковариаты измеряются после нулевого времени (например, после рандомизации или после начала лечения), что означает, что их следует использовать редко.

Фрэнк Харрелл
источник
Еще раз спасибо, доктор Харрелл. Некоторые из наших переменных определенно «подвержены лечению». Лечение, которое мы пытаемся исследовать, было начато до исходного уровня, что, конечно, не идеально. Вопрос о том, подходит ли корректировка показателя склонности для такого рода анализа, может быть, является лучшим вопросом. Я, однако, не знаю другого способа исследовать это.
Kjetil Loland
Дизайн исследования может не подходить для того, что вы хотите сделать. Исследование будет очень трудно интерпретировать. Вы можете попросить экспертов в данной области попытаться найти подмножество переменных, которые, скорее всего, не изменятся с лечением, но поправка на путаницу по смыслу может быть неполной.
Фрэнк Харрелл
Понимаю. Я предполагаю, что это начинает выглядеть как старые наблюдательные и рандомизированные исследования HRT по сердечно-сосудистым заболеваниям. Поправьте меня, если я ошибаюсь, но не все, я «рискую» недооценивать риск возможного неблагоприятного эффекта лечения (что мы и ищем) - то есть, пока мы показываем, что лечение неблагоприятно, такого рода нарушители могли только ослабить обнаружение? Я обновил вопрос соответственно.
Kjetil Loland
2
Это больше, чем проблема наблюдения и рандомизации, но есть связь с исследованиями HRT. Вы могли бы быть правы, что некоторые осторожные рассуждения могут оправдать трактовку результатов как предоставление нижней границы.
Фрэнк Харрелл