观察性研究中基于贝叶斯加性回归树的平均处理效应估计

目的 探讨观察性研究中贝叶斯加性回归树估计平均处理效应的统计学性能及适用条件。方法 通过模拟试验和实例分析比较贝叶斯加性回归树与多变量回归、倾向性得分匹配、逆概率加权的估计结果差异。结果 模拟试验表明,在线性假设下,贝叶斯加性回归树的估计表现与常用方法接近。当数据中变量之间关系复杂,存在非线性关系时,贝叶斯加性回归树的估计结果明显优于其他方法。当不满足可忽略性假设时,未观测到的混杂因素导致四种估计方法的结果都会存在偏倚,但是贝叶斯加性回归树的估计偏倚明显小于其他三种方法,结果相对稳健。并在实例中使用该方法估计了戒烟对于体重变化的平均处理效应。结论 在绝大多数观察性研究中,研究结局受到多个因素的影响,研究者很难正确指定变量间的关系。从模型拟合和结果准确性来说,贝叶斯加性回归树是值得推荐的方法。     

PS与DRS匹配对已测量混杂因素的控制效果评价

目的 比较在组间倾向性评分(propensity score, PS)重叠较好和较差的场景下应用PS和疾病风险评分(disease risk score, DRS)进行1∶1匹配的效果,同时探索DRS匹配的最优卡钳值。方法 设置不同的试验组样本量占比、结局事件发生率和PS重叠情况,模拟6种场景比较PS和DRS匹配前后的协变量均衡性和处理效应估计偏差,并进行实例分析。结果 PS重叠较好的场景下,DRS重叠也较好,PS匹配优于DRS,PS匹配最优卡钳值为标准差的10%～20%,DRS匹配相对最优卡钳值为标准差的0.5%。在PS重叠较差的场景中,DRS重叠也变差,但DRS匹配优于PS,DRS匹配最优卡钳值为标准差的15%～20%。此外,PS和DRS匹配对协变量均衡性的改善效果与处理效应估计偏差相一致。结论 当PS重叠较好时,优选PS匹配;当PS重叠较差时,可选DRS,其最优卡钳值为标准差的15%～20%。在实际应用中,可根据匹配前后组间协变量均衡性指标的改善情况评价匹配效果。     

双稳健半参模型法评价CAF和TAC化疗方案治疗乳腺癌疗效的回顾性分析

目的探索TAC化疗方案和CAF化疗方案治疗乳腺癌的真实疗效。方法采用回顾性队列研究的方法选择乳腺癌患者800例,探索不同的化疗方案对乳腺癌患者的生存率的影响。结果 PS匹配后经过log-rank检验两组生存曲线之间差别有统计学意义(P0.05),得出TAC化疗方案治疗乳腺癌的效果优于CAF化疗方案。PS匹配前利用Cox回归模型和logistic回归模型,分别采用PS回归调整法、PS逆概率处理加权法(IPTW)、PS标化死亡比加权法(SMRW)和双稳健半参模型法(PS回归调整与加权法的结合,DRW)进行两种化疗方案的生存分析,加权之后基线协变量得到均衡,并经过调整的log-rank检验两组生存曲线之间差别均有统计学意义(P0.05),且结果均显示TAC化疗方案治疗乳腺癌的效果优于CAF化疗方案。通过对不同模型之间的比较,利用DRIPTW模型和DRSMRW模型得出的处理效应的偏倚显著减小,且减小偏倚的效果优于与之相对的IPTW和SMRW法,同时也优于匹配法和回归调整法,其中DRSMRW模型法最优,相对偏倚为0.037。结论在回顾性队列研究中,TAC化疗方案治疗乳腺癌的效果优于CAF化疗方案,为乳腺癌患者指定了最佳的治疗方案。     

针对连续型处理因素的广义倾向性评分估计方法简介

在观察性研究中进行因果推断的众多方法中,用于控制已测量混杂的倾向性评分方法应用越来越广泛。该类方法主要分为两步：首先估计倾向性评分,然后采取回归、加权、匹配和分层等手段进一步估计感兴趣的因果参数。不同于传统的二分类处理情况,近年来针对连续型处理因素的广义倾向性评分方法被提出。目前已发展出了许多估计广义倾向性评分和直接估...     

随机森林倾向性评分方法及其在药品不良反应信号检测中的应用

目的探讨利用随机森林倾向性评分法控制混杂因素的基本思想和步骤,及其在药品不良反应信号检测中的应用。方法利用随机森林计算给定危险因素的条件下研究对象服用双膦酸盐的概率,而后分别通过倾向性评分1:1匹配,1:M匹配和回归调整法控制性别、年龄等混杂因素,分析服药双膦酸盐与骨折发生风险的关系,并与logistic回归倾向性评分法对应结果进行比较。结果随机森林倾向性评分法与logistic回归倾向性评分方法的结果是一致的。其中,倾向性评分1:1匹配样本量损失较大,且与1:M匹配和回归调整法的结果相差较大。结论随机森林倾向性评分法能有效控制药品不良反应信号检测过程中的混杂因素,可以与logistic回归倾向性评分法所得结果相互验证,提高结果的可靠性;但1∶1匹配可能不适用于药品自发呈报系统数据。     

群随机研究中倾向性评分匹配与混合效应模型比较

目的 比较倾向性评分匹配(propensity score matching, PSM)法和混合效应模型法在群随机试验中的统计效能,为同类研究的统计分析方法选择提供指导。方法 通过模拟研究与急性缺血性脑卒中疗效评级数据,比较倾向性评分后拟合单因素条件logistic回归分析模型和直接拟合混合效应模型应用于含有混杂因素的群随机试验数据时的统计学性能,说明方法应用场景和选择策略。结果 PSM后,各混杂因素组间均衡性明显改善。条件logistic回归分析模型和混合效应模型处理效应估计结果十分接近,但前者的P值更小。实例分析结果显示,匹配后各混杂因素的标准化均数差异(standardized mean difference, SMD)均控制在0.1以内,条件logistic回归分析模型识别出两个研究结局的处理组间差异;而混合效应模型仅识别出7 d有效率的处理组间差异。结论 PSM可以平衡群随机试验中的混杂因素,提高两组间的可比性,其检验效能较高。推荐在临床群随机试验中优先考虑PSM法,但也要注意其应用条件和局限性。     

倾向得分区间匹配法用于非随机对照试验的探索与研究

目的探索研究倾向得分区间匹配法在非随机对照试验中用于均衡组间混杂因素的能力,并与logistic回归分析方法和倾向得分卡钳匹配进行比较。方法通过Monte Carlo模拟分析倾向得分区间匹配法处理二分类资料的能力,并与传统的logistic回归方法以及倾向得分卡钳匹配法进行比较,通过I类错误、检验效能、标准化差异以及匹配比例等指标进行综合评价。结果倾向得分区间匹配法与logistic回归法以及倾向得分卡钳匹配法的检验效能、I类错误、标准化差异和匹配比例四个评价指标无明显差异。结论在观察性研究和流行病学研究中,采用倾向得分区间匹配法均衡组间协变量得到真实的处理效应具有很高的实用价值。     

倾向性评分法和马氏距离法在匹配中的比较与应用

目的比较倾向性评分法与马氏距离法在匹配中的效果,在医学数据中验证倾向性评分悖论的观点。方法通过最邻近匹配及卡钳匹配选择最佳匹配方法,计算不同卡钳值下删减个体数后样本的不平衡性,比较倾向性评分法与马氏距离法的稳定性。结果对于本研究的数据,倾向性评分法的卡钳匹配是最佳的匹配方法;倾向性评分法在删减个体数达到一定后,继续删减匹配较差个体会增加样本的不平衡性,马氏距离匹配的样本不平衡性随着删减个体数的增加而减少。结论倾向性评分匹配法调整混杂时,不宜删减较多个体寻找更加精确匹配的匹配集。     

常见倾向性评分匹配方法在真实世界研究中的应用

目的 倾向性评分匹配在真实世界研究中的应用评价。方法 采用最邻近匹配、卡钳半径匹配和逆概率加权匹配。结果 在大样本下小的卡钳半径能达到很好的匹配效果，但会损失部分信息。逆概率加权和最邻近匹配能保留所有信息，但是会造成过度匹配。结论 实际应用中，应根据样本量大小、混杂因素的数量和最终的分析目的来选择合适的匹配方法。大样本情况下可以选择卡钳值较小的匹配，使组间可比性增加。     

Logistic回归中误调整工具变量对因果效应估计的影响

  目的  通过统计模拟和实例数据分析,探索当存在不可观测的混杂因素时,Logistic回归分析模型中调整工具变量(instrumental variable, Ⅳ)对估计因果效应的影响。  方法  设定变量均服从二项分布,在Logistic回归分析模型中依次使用不同的参数进行统计模拟,以因果效应估计值的偏倚和标准误作为评价指标;实例数据分析是基于山东省多家医院健康体检中心的体检随访数据,以高血压为目标结局,构建纵向观察队列,筛选单核苷酸多态性(single nucleotide polymorphism, SNP)位点rs12149832作为Ⅳ,在Logistic回归分析模型中,采用不同策略(纳入/不纳入rs12149832协变量)来分析BMI与患高血压风险之间的关系。  结果  统计模拟结果显示在以Logistic回归分析模型估计暴露与结局间的效应时,协变量集中纳入Ⅳ会增大效应估计的偏倚和标准误,但增大程度较小;实例分析中,高血压队列共纳入1 240名女性,基线年龄为(37.7±10.5)岁,BMI为(22.1±3.1)kg/m2。纳入Ⅳ的模型所得的效应估计值为0.225(P＜0.001),略小于不包含Ⅳ的回归模型所得的效应估计值(0.228, P＜0.001),基本验证了关于纳入Ⅳ进行调整的统计模拟结果。  结论  观察性流行病学研究中,Logistic回归分析模型误纳入Ⅳ对效应估计值的偏倚和标准误均有影响。     

基于个体的标准化法--倾向评分加权

倾向评分加权是利用倾向评分值对每个观察单位进行加权调整.由于倾向评分将许多协变量综合为一个变量,因此通过倾向评分加权可以使各混杂变量在两组人群中的分布趋于一致.根据调整后标准人群的不同分为两种加权方法:逆处理概率加权法(IPTW)和标准化死亡比加权法(SMRW).本文实例分析表明,用IPTW和SMRW加权调整后处理组和对照组妇女各混杂变量的分布均趋于一致,两种方法调整后的效应估计基本相同.本文介绍倾向评分加权法的基本原理、具体方法,并结合实例探讨了其在流行病学中的应用.     

基于倾向性评分加权的内蒙古居民休闲静坐时间与糖尿病的关联研究

目的 基于倾向性评分逆概率加权法均衡多组间协变量的分布，以评价内蒙古地区居民休闲静坐时间与糖尿病的关联。方法 采用多阶段分层整群抽样方法调查内蒙古地区35～75岁居民，共纳入20 119人，采用广义提升模型（generalized boosted model, GBM）倾向性评分逆概率加权法控制混杂偏倚，利用logistic回归模型评价静坐时间对糖尿病的影响。结果 研究人群休闲静坐时间的中位数为2 h/d，四分位数间距为1.43 h，倾向性评分逆概率加权后所有基线特征均达到组间均衡（ASMD<0.2）。倾向性评分加权后，静坐时间与糖尿病患病之间依然存在关联，静坐时间为2～<3h、≥3 h的居民罹患糖尿病的可能性均高于每天静坐时间<2 h的居民（OR:1.16, 95%CI:1.04～1.29;OR:1.24, 95%CI:1.09～1.42）。结论 内蒙古地区居民休闲静坐时间与糖尿病患病存在关联，在糖尿病的预防及管理中应重视减少每日静坐时间，以降低糖尿病发生风险。     

倾向指数匹配法的模拟研究

目的 采用SAS程序模拟来研究倾向指数匹配法在处理非随机化试验数据中的效果.方法 利用蒙特-卡罗（Monte Carlo）模拟法产生有3个协变量（连续性变量X1,二分类变量X2,X3）的2组随机样本,以分组变量为因变量,以协变量为自变量建立logistic回归模型,并计算研究对象的倾向指数,然后按照倾向指数做组间无放回的卡钳匹配,得到一个各协变量均衡的处理组与对照组样本.用假设检验法和标准差异法分别评价匹配前后2组之间协变量的均衡性,并估计匹配前后2组间的处理效应.结果 假设检验法评价组间均衡性的结果为：匹配之前,协变量X1,X2,X3在2组间均有统计学差异,表明协变量X1,X2,X3在2组间不均衡;匹配之后,协变量X1,X2,X3在2组间均无统计学差异,表明协变量在2组间均衡.标准差异法评价组间均衡性的结果为：匹配之前,X1,X2,X3标准差异的均值分别为1 967.03%,117.29%,63.74%,均远远大于10%,表明协变量X1,X2,X3在处理组和对照组间都不均衡;匹配之后,X1,X2,X3标准差异的均值分别为19.46%,7.37%,6.85%,表明协变量X1,X2,X3在匹配后都基本变的均衡.可见使用基于倾向指数的卡钳匹配法对非随机化数据进行处理,协变量间不均衡的2个处理组在匹配以后达到了均衡.对处理效应的估计结果为：匹配之前,2组间的处理效应有统计学差异,但在匹配之后,2组间的处理效应变得没有统计学差异,表明匹配之前2组间的统计学差异是由协变量的不平衡引起的.结论 倾向指数法是一种有效的处理非随机化试验数据的方法,具有重要的应用价值.     

倾向性评分方法及其在伽玛刀治疗垂体腺瘤疗效评价中的应用

[目的]本课题采用传统多因素分析和基于倾向性评分的3种方法比较伽玛刀分次和单次治疗垂体腺瘤患者的疗效,证实倾向性评分可以用来平衡两个组的协变量,从而降低偏倚。[方法]采用t检验和简单线性回归方法逐个分析每一因素的作用,利用多因素回归平衡混杂因素来探讨处理方法的效果;倾向性评分方法均衡数据后采用1︰1配对、分层及分层后回归调整比较处理方法的效果。[结果]①多因素分析平衡了其他因素后处理方法仍然为术后疗效的显著影响因素。②经配对、分层后,伽玛刀分次治疗组垂体肿瘤的体积差小于对照组,差异均具有统计学意义,采用分层后回归调整处理方法后,分次伽玛刀治疗的体积增大风险是单次伽玛刀治疗的22.1%,分次伽玛刀治疗的效果要优于单次伽玛刀。③两方法结果一致,平衡了其他因素后处理方法不同术后疗效不同,分次伽玛刀治疗的效果要优于单次伽玛刀。[结论]倾向评分法能够有效地均衡各对比组间特征变量的分布和构成,并在组间均衡的基础上评价干预措施或危险因素与结果变量间的联系或作用。     

倾向性评分匹配法在不良反应信号检测中的应用

目的介绍倾向性评分匹配法的基本原理及具体实施过程,并探讨其在分析药品不良反应自发呈报数据中的应用效果。方法通过模拟自发呈报数据评价倾向性评分方法的可行性与效果,将倾向性评分匹配法运用在上海市的自发呈报数据中,分析比较矫正混杂因素前后影响药品与不良反应关联的变化。结果在模拟试验中,预设的两个真阳性组合和两个假阳性组合均被挖掘算法提示为可疑信号,倾向性评分均衡后,假阳性组合的信号消失;真阳性组合均衡前后差别不大,仍提示为可疑信号。类似的,在实际应用中"喹硫平-闭经"组合均衡前为可疑信号,运用倾向性评分匹配法均衡性别年龄等协变量后无可疑信号产生。结论倾向性评分匹配法能有效利用自发呈报系统的信息,减少混杂因素导致的偏倚,在一定程度上可减少可疑信号的假阳性率。     

倾向性评分在早期乳腺癌疗效评价中的应用

目的采用倾向性评分法均衡早期乳腺癌患者保乳手术和改良根治手术两组间的混杂因素,评价早期乳腺癌的两种治疗方法的临床疗效。方法回顾性收集2009年1月~2013年12月在徐州医科大学附属医院接受乳腺癌手术治疗的女性患者。应用SPSS22.0中PSM模块采用1∶1最近邻匹配法、设定卡钳值为0.2进行倾向性匹配分析,以α=0.05作为检验水准。结果共收集286例患者,保乳手术组91例,改良根治手术组195例。经过倾向性评分匹配后,有52对患者获得匹配,匹配后9个观察协变量在两组间的分布均衡;保乳手术组和改良根治手术组的无复发生存率差异无统计学意义(P0.05)。结论倾向性评分法可以有效的均衡保乳手术组和改良根治手术组间混杂因素的分布,患者的5年无复发生存率差异无统计学意义。     

疾病风险评分在药物流行病学研究中的应用

疾病风险评分通过平衡不同组间研究对象的基线疾病风险以控制高维数据结构中的混杂效应,从而减小暴露因素效应估计的偏倚,因此在利用医疗数据库探索药物疗效或不良反应等规律的药物流行病学研究中有重要的应用价值。尽管疾病风险评分方法在很多情况下具有与倾向性评分相似的作用,而且在一些特殊暴露条件的研究中具有倾向性评分与传统混杂控制方法不可比拟的优势,但目前疾病风险评分在药物流行病学研究中应用范围远不及倾向性评分广泛。基于对疾病风险评分方法在药物流行病学研究中应用价值的考量,本文阐述了疾病风险评分的原理、模型构建、评分估计和应用的方法,以期为疾病风险评分方法在药物流行病学研究中的应用提供参考。     

倾向评分匹配法在横断面资料处理中的应用价值研究

目的探讨心血管疾病与骨关节炎疾病患病情况之间的相关性,进而评价倾向评分匹配法在横断面资料处理中的应用价值。方法对山西省阳城县和偏关县农村社区7126名16岁以上常住居民进行心血管疾病与骨关节炎的相关调查,根据心血管患病情况分为2组进行比较;利用Stata14.0对组间协变量进行倾向评分卡钳匹配,计算2组的倾向评分,对匹配前后心血管疾病组与非心血管疾病组发生骨关节炎的危险性进行评估。结果心血管疾病组与非心血管疾病组各有1123例匹配成功,匹配前2组骨关节炎患病率比较差异有统计学意义(P0.001);经倾向评分匹配后,年龄、性别、职业、口味、BMI、吸烟情况等协变量达到了均衡,2组骨关节炎患病率比较差异仍有统计学意义(P0.001)。结论心血管疾病与骨关节炎患病之间有一定的相关性,但具体机制仍需进一步的研究证实。倾向评分匹配法能有效降低观察性研究组间的混杂偏倚,在横断面资料数据处理中有广阔的应用前景。     

观察性研究中校正连续型混杂因素的非线性方法

<正>混杂偏倚(confounding bias)是观察性研究中的一类重要偏倚,它是指由于混杂因素既与暴露因素又与结局存在相关关系,导致暴露与结局之间的真实关系受到了干扰而产生的偏倚[1]。因此,观察性研究中如何控制混杂一直是研究人员所关注的重要问题。在统计分析阶段一种常用的处理办法是将混杂因素纳入回归模型中进行校正。实际问题中常常遇到这样的情况,即混杂变量为连续型指标,该变量与结局变量间的     

倾向评分分层和回归分析

在流行病学研究中,分层分析和回归分析是资料分析阶段控制混杂偏倚的重要手段。将倾向评分法与传统的分层和回归结合,则可更有效地控制混杂偏倚,同时可以克服传统方法的一些局限性。