药物流行病学研究中具有中介作用的时依性混杂及其控制的系统综述

目的了解药物流行病学研究中时依性混杂控制方法的应用情况。方法系统检索英文数据库PubMed和Embase,中文数据库中国知网和万方数据知识服务平台,纳入发表于2020年6月15日以前且涉及具有中介作用的时依性混杂问题的药物流行病学研究,对其基本特征、药物暴露和结局、时依性混杂及其控制方法等问题进行分析。结果共纳入298篇文献。涉及时依性混杂的药物流行病学研究在近年来明显增长,HIV/AIDS研究领域对该问题关注最多,占全部纳入研究的35.6%(106/298),且其中92个研究涉及抗反转录病毒药物。最常见的研究结局为死亡,而最常关注的时依性混杂因素为实验室检查指标(179,60.1%)、合并症(136,45.6%)和合并用药(108,36.2%)。边际结构模型(MSM)和逆治疗概率加权(IPTW)是最常用的控制时依性混杂的分析方法(244,81.9%)。与合理控制时依性混杂的分析相比,传统方法调整基线混杂引起偏倚的中位数为18.2%(IQR:7.4%~40.8%)。此外,分别有28.9%和64.8%的研究对因果推断的阳性假设和无未观测混杂假设进行了检验或讨论。结论目前大多数慢性病药物治疗领域对时依性混杂关注仍然不足。实验室检查、合并症、合并用药等在常规医疗中容易获得的指标是最普遍考虑的时依性混杂。在控制方法上,MSM和IPTW等相对较简单、结果易理解的方法最常用。

存在时依性混杂时的G方法

目的介绍处理时依性混杂的G方法,并对不同G方法进行探讨和比较。方法通过4个情境的模拟试验验证不同G方法在不同情境下对时依性混杂的处理效果,并应用英国生物样本库(UK Biobank)的数据集进行实例分析。结果模拟试验和实例分析结果均显示G方法能有效处理时依性混杂。模拟试验显示3种方法效果类似,G-computation易受G-null paradox的影响。随着时依性混杂因素数量增加,相比于G-computation和G-estimation,逆概率加权法(inverse probability of treatment weighting,IPTW)的效果波动较大。结论不同G方法都能适当地处理时依性混杂,降低统计分析过程中的偏倚大小。

边缘结构模型在医学研究中的应用现状及对护理研究的启示

对边缘结构模型的概念、统计思想、模型特点以及在医学研究中的应用现状进行综述,为护理研究中处理时依性混杂因素并对纵向数据进行因果推断提供思路。

基于边缘结构模型的慢性乙型肝炎抗病毒疗效评估

目的介绍边缘结构模型原理,并将该方法应用于具有时依性混杂变量的纵向数据中。方法以慢性乙型肝炎(chronic hepatitis B,CHB)抗病毒治疗的初治患者随访研究为例,根据逆概率权重构建虚拟人群解决ALT和HBV DNA的时依性混杂,拟合边缘结构模型。结果本研究所构建的边缘结构模型解决了在随访研究中时依性混杂对治疗组的影响,并有效地评估了各类CHB抗病毒药物的疗效。结论边缘结构模型基于假设条件下能无偏地估计治疗/暴露组的效应,且弥补了传统生存分析方法在时依性混杂、删失和治疗转换问题上的不足。

基于Super Learner的边缘结构模型研究及发展

时依性混杂是纵向观察性研究数据中常见,但较难用传统回归模型控制的特殊混杂。边缘结构模型通过计算逆概率权重对原始人群进行加权,获得新的虚拟人群,消除混杂因素的影响,是目前控制时依性混杂较流行的方法。近年来,随着机器学习的发展,利用数据自适应算法计算逆概率权重的边缘结构模型逐步受到关注。Super Learner是其中较新颖的一种方法,其能很好地规避传统估计逆概率权重方法的缺陷。该文基于前人的相关研究,总结传统边缘结构模型和逆概率权重的构建与计算,介绍Super Learner的构建、优缺点以及目前在药物流行病学相关研究中的实际应用,并提出未来可研究和待解决的问题。

Parametric g-formula方法在因果分析中的应用

目前,传统的统计学方法在控制时依性混杂等方面存在局限,本研究详细介绍了一种可调整时依性混杂的分析方法——parametric g-formula,并举例说明了实施的具体步骤,为研究者处理长期观察性数据提供了新的参考.