Cox PH分析和协变量选择中的倾向得分加权


11

关于对事件生存时间进行Cox比例风险建模时的倾向得分加权(IPTW):

我有前瞻性的注册表数据,我们希望了解大多数情况下患者已经在基线时服用的药物的治疗效果。因此,我不确定如何最好地分析数据。潜在地,一些基线变量在很大程度上受到治疗的影响而不是相反(例如某些生物标志物)。我对于应该在倾向评分模型中估计权重的哪些协变量以及应该在coxph模型中作为协变量的哪些协变量(如果有的话)不知所措。正确方向的任何提示都将有所帮助!到目前为止,我还没有找到任何有关CoxPh建模的文献。

我认为协变量代表Cox PH协变量应包括代表基线(可能)影响治疗结果的基线治疗,但我不确定。

如何确定应将哪些变量作为协变量包括在Cox模型中,而不是用于计算倾向得分权重?


后续问题:

我了解评估已经开始的某种干预措施的治疗效果的继承问题-即在开始观察之前在患者中普遍存在。关于引入与风险的时间变化相关的偏见(例如,不良副作用在治疗的第一年更加普遍)以及受治疗影响的协变量。如果我没记错的话,这是由于心血管终点和激素替代疗法引起的观察性和随机性差异的原因。另一方面,在我的数据集中,我们有兴趣查看治疗的可能不利影响。

如果我使用倾向评分调整来调查普遍使用者的治疗效果,即在观察开始之前已经使用过药物,则在队列数据中,我们会观察到药物治疗的不利影响(这就是我们所要寻找的)。我可以排除高估与治疗相关的风险的可能性吗?即是说,只要风险显着增加,它是“绝对”没有保护意义的吗?

我无法完全想象一个例子,在这种情况下,这种偏见会导致高估虚假风险关联的风险。

Answers:


9

从理论上讲,您选择作为倾向得分权重的一部分的每个变量都不必作为协变量包括在模型中,因为权重已经控制了它们的潜在混淆。使用正确的加权模型,从字面上看,您可以仅建模曝光的效果。

话虽这么说,您可能有一些理由希望在模型中包含术语:

  • “双稳健”的估计。除了精度损失外,没有理由不能在加权模型中和协变量中都使用变量。从理论上讲,您在保护自己免受两种方式的混淆(因此,该技术被称为“双重鲁棒性”)。请记住,这只是通过给您“第二次机会”指定正确的模型来保护您免受PS模型或协变量模型错误指定的影响,这并不是万能的解决方案。
  • 多个兴趣估算。加权使协变量的效果估计消失了-如果您想要变量的回归系数,则需要将其作为协变量包括在CoxPH步骤中,而不是 PS模型中。

尝试在流行病学《美国流行病学杂志》等期刊以及生物统计学文献中搜索“双稳健”和类似术语,您应该发现一些有用的资源。


感谢您的(快速)明确答案!我看到有人提到双重健壮性,但确实做了很多研究。我现在肯定会的。您是否会说,在权重(例如,治疗组之间仍然存在显着差异)后未充分调整协变量时,有必要使用双重稳健估计?
Kjetil Loland 2013年

1
@KjetilLoland这可能是使用双重鲁棒估计的原因-通常,每当您担心一种控制变量的方法遭受错误指定时,就需要研究一下。我还将检查以确保您的PS模型没有起作用,并且在两组之间为您提供了不错的重叠倾向得分。
Fomite 2013年

1
由于危险比不具有可比性,仅在PS中包含变量是不够的。通常让PS包含“厨房水槽”,并且将已知的最重要的预测变量再次作为协变量包含在内。这样可以防止低估暴露的危险比。
Frank Harrell

再次感谢@EpiGrad和Frank的回答。我不能确切地说治疗组的倾向得分好,重叠。因此,我可能最终会使用广泛的协变量调整。附带一提,我注意到我写了IPTW,而实际上我正在使用twang程序包-该程序使用广义增强回归来估计权重(如果我是对的话)-但我想这不会改变一般方法许多。
Kjetil Loland

@KjetilLoland您至少可以通过观察按治疗组分布的重叠图来直观地检查PS分数是否重叠。
Fomite 2013年

3

区分“受治疗影响”和“与治疗有关”很重要。后者可以包括治疗选择因素,例如我们尝试通过倾向性和/或协变量调整进行调整的因素。“受治疗影响”表示协变量是在时间零之后(例如,在随机化之后或在治疗开始之后)进行测量的,这意味着应很少使用它们。


再次感谢哈雷尔博士。我们的某些变量肯定是“受治疗影响的”。我们尝试研究的治疗是在基线之前开始的,这当然是不理想的。倾向得分调整是否完全适合这种分析可能是一个更好的问题。但是,我不知道有任何其他方式可以对此进行调查。
Kjetil Loland

研究设计可能不适合您想要做的事情。该研究将很难解释。您可能会请主题专家来提出一些变量的子集,这些变量很可能不会随治疗而改变,但因暗示而导致的混淆调整可能是不完整的。
Frank Harrell

我知道了。我想这看起来有点像关于CVD的旧的观察性与随机性HRT研究。如果我错了,请纠正我,但我并不是要“低估”所有可能不利治疗效果的风险(这就是我们要寻找的)-即,只要我们证明治疗不利,那种混杂因素只会削弱这一发现吗?我已经相应地更新了问题。
Kjetil Loland 2013年

2
这不仅是观察性问题还是随机性问题,但与HRT研究有关系。您可能是对的,有些谨慎的推理可能证明将结果视为下界是合理的。
Frank Harrell 2013年
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.