贝叶斯工具变量方法在药品安全性主动监测中的应用:一项数据模拟研究

目的建立适用于药品不良反应主动监测数据特点的贝叶斯工具变量分析模型,控制潜在、未知的混杂因素对药品-不良反应关联推断的影响,获得更准确的药品安全性信息。方法采用汉密尔顿蒙特卡洛方法进行数据模拟和参数估计,对传统工具变量分析方法和贝叶斯工具变量方法在不同的参数设置情境下的结果进行比较和评价。结果在小样本、弱工具变量、遗漏混杂因素强度强和处理因素与结局变量发生率低的情况下,贝叶斯工具变量分析得到估计量的绝对偏倚较小,置信区间宽度最窄,估计结果最稳定。结论当主动监测研究中收集的数据量较小,关注的处理和结局因素为二分类变量且发生率较低时,贝叶斯工具变量分析可较好的控制潜在、未知混杂因素的影响,且与传统工具变量分析相比可提高处理效应估计的准确性和精确性。

药品不良反应主动监测中混杂因素控制的现状及挑战

药品不良反应监测是保证用药安全的重要手段。目前,监测模式主要包括被动监测和主动监测两种。但由于被动监测是自主上报,存在大量漏报、错报等问题,故主动监测成为了更有效的监测手段。然而主动监测的研究又面临着一系列方法学的新问题,如控制混杂偏倚,特别是利用工具变量分析控制潜在、未知混杂偏倚的问题。因此本文结合药品安全性监测的现状,介绍当前混杂因素控制的一些方法及应用中面临的挑战。

药物流行病学研究混杂因素的控制

中国药学会于2019年9月发布《中国药物流行病学研究方法学指南》(以下简称"《指南》")。本文检索2007~2021年Web of Science、CNKI等数据库中有关药物流行病学研究中混杂偏倚控制的相关文献,依据《指南》相关内容,进一步描述混杂偏倚控制,为药物流行病学研究中的混杂偏倚控制提出新思路。本文发现,混杂因素包括单因素、多因素和未知混杂因素,应用较广泛的混杂偏倚控制方法有分层分析、Logistic回归、倾向性评分、工具变量分析和敏感性分析等。《指南》提示,药物流行病学的研究质量需结合健康中国战略,有效控制研究中不可避免的混杂偏倚,提高药物流行病研究结果的安全、有效性,激励公共医疗健康的创新,促进全民健康发展。

长江经济带土地城镇化、人口城镇化与城市生态效率提升——基于108个地级及以上城市面板数据的实证分析

基于2007-2018年中国长江经济带11省市108个地级及以上城市的土地城镇化和人口城镇化数据,运用包含非期望产出的SBM-DEA模型测算各城市的生态效率水平,并选取城市商品房销售价格作为控制城镇化建设反向因果效应内生性的工具变量,在两阶段最小二乘法和三阶段最小二乘法的框架内实证分析城镇化建设对城市生态效率的影响及其传导机制。研究发现,土地城镇化和人口城镇化对城市生态效率具有非线性的"U"型影响,且现阶段均已跨过拐点,能显著提高城市的生态效率水平;产业结构优化和人力资本积累是城镇化影响长江经济带各城市生态效率的两个重要传导渠道;商品房销售价格的适度提高能有效促进人口和土地城镇化建设,进而提升城市生态效率;人口城镇化建设对城市生态效率改善的促进作用明显大于土地城镇化。