W odniesieniu do ważenia wyniku skłonności (IPTW) podczas modelowania proporcjonalnego hazardu Coxa danych dotyczących przeżycia czasu do zdarzenia:
Mam potencjalne dane rejestru, w których jesteśmy zainteresowani spojrzeniem na efekt leczenia lekiem, który w większości przypadków pacjenci przyjmowali już na początku. Dlatego nie jestem pewien, jak najlepiej analizować dane. Potencjalnie pewne zmienne wyjściowe są w znacznym stopniu wpłynęły w leczeniu, a nie na całym sposób (na przykład niektóre biomarkers). Trochę się zagubiłem, które zmienne towarzyszące powinienem uwzględnić w modelu oceny skłonności do szacowania wag, a które zmienne powinienem uwzględnić jako zmienne towarzyszące w coxph
modelu (jeśli w ogóle). Wszelkie wskazówki we właściwym kierunku byłyby pomocne! Do tej pory nie znalazłem żadnej literatury na ten temat w modelowaniu CoxPh.
Myślę, że zmienne towarzyszące reprezentujące terapie wprowadzone na początku, które mogą (mogą) wpływać na wynik, powinny być uwzględnione jako zmienne towarzyszące Cox PH, ale nie jestem tego pewien.
Jak określić, które zmienne powinny być uwzględnione jako zmienne towarzyszące w modelu Coxa zamiast być używane do obliczania wag wyniku skłonności?
Dalsze pytanie:
Rozumiem odziedziczony problem oceny efektu terapeutycznego pewnej interwencji, która już się rozpoczęła - tj. Jest powszechna wśród pacjentów przed rozpoczęciem obserwacji. Zarówno w odniesieniu do wprowadzenia uprzedzeń związanych ze zmiennością ryzyka w czasie (np. Niepożądane skutki uboczne częściej w pierwszym roku terapii), jak i zmiennych towarzyszących, na które wpływa leczenie. Jeśli się nie mylę - zaproponowano to jako przyczynę rozbieżności między obserwacją a randomizacją w odniesieniu do punktów końcowych sercowo-naczyniowych i hormonalnej terapii zastępczej. Z drugiej strony, w moim zestawie danych, jesteśmy zainteresowani zbadaniem możliwego niekorzystnego wpływu leczenia.
Jeśli zastosuję korektę oceny skłonności, aby zbadać efekt leczenia wśród powszechnych użytkowników, tj. Już używam leku przed rozpoczęciem obserwacji, w danych z kohorty i obserwujemy niekorzystny wpływ terapii farmakologicznej (i tego właśnie szukaliśmy). Czy mogę wykluczyć możliwość przeszacowania ryzyka związanego z leczeniem? Tj. Dopóki ryzyko jest znacznie podwyższone, to „zdecydowanie” nie ma charakteru ochronnego?
Nie mogę sobie wyobrazić przykładu, w którym tego rodzaju stronniczość może wprowadzić w tym kontekście przeszacowanie ryzyka powiązania ryzyka falsji.
źródło
Ważne jest, aby odróżnić „dotknięty leczeniem” i „związany z leczeniem”. Te ostatnie mogą obejmować czynniki wyboru leczenia, takie jak te, które próbujemy dostosować za pomocą skłonności i / lub dostosowania zmiennej. „Wpływ na leczenie” oznacza, że zmienne towarzyszące są mierzone po czasie zero (np. Po randomizacji lub po rozpoczęciu leczenia), co oznacza, że powinny być rzadko stosowane.
źródło