Cox PH 분석 및 공변량 선택에서 성향 스코어 가중치

사건 발생 시간 생존 데이터의 Cox 비례 위험 모델링을 수행 할 때 성향 스코어 가중치 (IPTW)와 관련하여 :

대부분의 경우 환자가 이미 기준선에서 복용하고있는 약물의 치료 효과를 살펴 보는 데 관심이있는 예상 레지스트리 데이터가 있습니다. 따라서 데이터를 가장 잘 분석하는 방법을 잘 모르겠습니다. 잠재적으로, 기준 변수 중 일부는 치료에 의해 영향을받는 정도가 크며 다른 방법 (예 : 특정 바이오 마커)은 아닙니다. 가중치를 추정하기 위해 성향 스코어 모델에 포함해야 할 공변량과 모델에 공변량으로 포함해야하는 공변량에 대해 약간 상실했습니다 coxph. 올바른 방향의 힌트가 도움이 될 것입니다! 아직 CoxPh 모델링에서 이에 관한 문헌을 찾을 수 없었습니다.

결과에 영향을 미칠 수있는 기준선에서 시행 된 치료법을 나타내는 공변량이 Cox PH 공변량으로 포함되어야한다고 생각하지만 확실하지 않습니다.

성향 점수 가중치를 계산하는 데 사용되지 않고 Cox 모델에서 공변량으로 포함 할 변수를 어떻게 결정합니까?

후속 질문 :

본인은 이미 시작된, 즉 관찰을 시작하기 전에 환자들 사이에서 널리 퍼진 특정 중재의 치료 효과를 평가하는 상속 문제를 이해합니다. 위험의 시간-변이 (예를 들어, 치료 첫해에 더 흔한 부작용) 및 치료에 의해 영향을받는 공변량과 관련된 편향을 도입하는 것과 관련하여 둘 다. 내가 실수하지 않은 경우-이것은 심혈관 종말점 및 호르몬 대체 요법과 관련하여 관찰과 무작위 사이의 불일치의 원인으로 제안되었습니다. 반면에 내 데이터 세트에서, 우리는 치료의 부작용에 대해 관심이 있습니다.

코호트 데이터에서 유능한 사용자들 사이의 치료 효과를 조사하기 위해 성향 점수 조정을 사용하는 경우, 즉 관찰이 시작되기 전에 이미 약물을 사용하고 약리 요법의 부작용을 관찰합니다 (그리고 이것이 우리가 찾고있는 것입니다). 치료와 관련된 위험을 과대 평가할 가능성을 배제 할 수 있습니까? 즉, 위험이 크게 높아지는 한 가장 "확실히"보호되지 않는가?

나는 이런 종류의 편견이이 맥락에서 허위 위험 연관의 위험을 과대 평가할 수있는 예를 그림으로 볼 수는 없다.

r survival cox-model propensity-scores

— 크 제닐 롤랜드
소스

답변:

이론적으로, 성향 점수 가중치의 일부로 선택한 모든 변수는 모델에 공변량으로 포함될 필요가 없습니다. 가중치는 잠재적 인 혼란에 대해 이미 제어 되었기 때문입니다. 적절한 가중치 모델을 사용하면 말 그대로 노출 효과를 모델링 할 수 있습니다.

그러나 모형에 항을 포함시키려는 이유는 다음과 같습니다.

"더블 견고"추정치. 가중치 손실 모델과 공변량 모두에서 변수를 사용할 수없는 이유는 없습니다. 정밀도 손실을 줄이십시오. 이론적으로는 두 가지 방법을 혼동하지 않도록 자신을 보호하고 있습니다 (따라서이 기술을 "강력하게"라고 함). 이는 올바른 모델을 지정할 수있는 "두 번째 기회"를 제공함으로써 PS 모델 또는 공변량 모델이 잘못 지정되는 것만 방지합니다.
여러 개의 추정치. 가중치를 적용하면 공변량의 효과 추정값이 사라집니다. 변수에 대한 회귀 계수를 원하는 경우 PS 모델이 아닌 CoxPH 단계에서 공변량으로 포함 시키려고합니다 .

역학 문헌뿐만 아니라 역학 또는 미국 역학 저널과 같은 저널에서 "이중 견고성"과 유사한 용어를 검색해보십시오 . 유용한 자료를 찾아보십시오.

— 포미 테
소스

(빠른) 명확한 답변 주셔서 감사합니다! 나는 두 배의 강력한 언급을 보았지만 많은 것을 보았습니다. 나는 지금 정의 할 것이다. 가중 처리 후 공변량을 적절하게 조정하지 않은 경우 (예를 들어) 치료 그룹간에 여전히 유의 한 차이가있을 때 이중으로 강력한 추정값을 사용해야한다고 주장하십니까?

— Kjetil Loland

@KjetilLoland 이것이 두 배의 강력한 추정을 사용하는 이유 일 수 있습니다. 일반적으로 변수를 제어하는 한 가지 방법이 잘못 구체적으로 고심 될 때 염려 될 때가 있습니다. 또한 PS 모델이 작동하지 않고 두 그룹간에 중복되는 성향 점수를 제공하는지 확인합니다.

— Fomite

위험 비율의 축소 불가능으로 인해 PS에 변수를 포함시키는 것만으로는 충분하지 않습니다. PS에 "부엌 싱크대"를 포함시키고 알려진 가장 중요한 예측 변수를 공변량으로 다시 포함시키는 것이 일반적입니다. 노출 위험률의 과소 평가를 방지 할 수 있습니다.

— Frank Harrell

다시 한 번, @EpiGrad와 Frank 모두 답변 해 주셔서 감사합니다. 치료 그룹이 훌륭하고 겹치는 성향 점수를 가지고 있다고 정확하게 말할 수는 없습니다. 그래서 아마도 광범위한 공변량 조정을 사용하게 될 것입니다. 참고로, 실제로 Twang 패키지를 사용하고있을 때 IPTW를 썼다는 것을 알았습니다.이 패키지는 일반화 된 강화 회귀를 사용하여 무게를 추정합니다 (적절한 경우). 그러나 그것이 일반적인 접근법을 바꾸지 않는 것 같아요 많은.

— Kjetil Loland

@KjetilLoland 치료군 별 분포 분포의 중첩 도표를 보면 PS 점수가 겹치는 지 최소한 육안으로 검사 할 수 있습니다.

— Fomite

"치료에 의해 영향을받는"및 "치료와 관련된"을 구별하는 것이 중요하다. 후자는 성향 및 / 또는 공변량 조정으로 조정하려는 것과 같은 치료 선택 요인을 포함 할 수 있습니다. "치료에 의해 영향을 받는다"는 공변량이 제로 시간 후 (예를 들어, 무작위 화 후 또는 치료 시작 후) 측정되며, 이는 거의 사용되지 않아야 함을 의미한다.

— 프랭크 하렐
소스

하렐 박사님께 다시 한번 감사드립니다. 우리의 변수 중 일부는 "치료에 의해 영향을받습니다". 우리가 조사하려고하는 치료는 기준선 이전에 시작되었는데, 물론 이것은 이상적이지 않습니다. 성향 점수 조정이 이러한 종류의 분석에 적합한 지 여부는 더 나은 질문 일 수 있습니다. 그러나 나는 이것을 조사하는 다른 방법을 모른다.

— Kjetil Loland

스터디 디자인이 원하는 작업에 적합하지 않을 수 있습니다. 연구는 해석하기가 매우 어려울 것입니다. 주제별 전문가가 치료에 따라 변하지 않을 가능성이 높은 변수의 하위 집합을 만들도록 시도 할 수 있지만 함축에 의한 혼란에 대한 조정은 불완전 할 수 있습니다.

— Frank Harrell

내가 참조. 나는 이것이 CVD에 대한 오래된 관측 대 무작위 HRT 연구와 약간 비슷해 보이기 시작한다고 생각합니다. 내가 틀렸다면 바로 고쳐주십시오. 그러나 잠재적 부작용 치료의 위험을 과소 평가하는 것은 "위험"이 아닙니다. 즉, 치료가 불리하다는 것을 보여주는 한, 그런 종류의 혼란 자들은 그 발견을 약화시킬 수 있을까? 그에 따라 질문을 업데이트했습니다.

— Kjetil Loland

이것은 관찰 대 무작위 문제 이상이지만 HRT 연구와의 관계가 있습니다. 일부 신중한 추론이 결과를 하한값으로 제공하는 것으로 정당화 할 수 있다고 생각할 수도 있습니다.

— Frank Harrell