工具变量与倾向性得分匹配.ppt

工具变量与倾向性得分匹配 郑州大学公共卫生学院 张卫东教授 一、比较效果研究多属于观察性 Comparative Effectiveness Research， CER 比较效果研究（CER）是通过分析不同治疗选择的有效性、获益及危害，为医疗卫生决策提供证据。 研究类型 临床注册研究 病例回顾研究 监测数据研究 临床注册研究 以网络数据库为基础的多中心研究 ?有详细的临床资料 ?采用相似的标准化的数据定义 ?高质量 ?横向研究+纵向研究 病例回顾研究 以临床病历、健康档案为基础，分析评价某项疗法或措施效果。 一般需要随访 监测数据研究 基于各种监测数据库 早期溶栓治疗可以降低ST段抬高心肌梗死患者死亡的危险，但是病死率仍然很高。 Gale等利用英国心肌梗死国家监测数据库 分析了ST段抬高心肌梗死患者院内病死率的预测因素 二、CER的重要弊端 RCT采用：随机分配、盲法、安慰剂、标准化治疗 优势：调整已知的、未知的或未观察到 的混杂因素的影响获得高质量结果。 CER的设计：根据患者的实际病情和意愿非随机地 选择治疗措施 优势：良好的病例代表性，适合临床实际。 弊端：由于“开放”产生了较明显的偏倚。 直接进行不同治疗组间比较可比性差 例 比较心脏病的两种治疗方法 重创性治疗（如手术） vs. 非重创性治疗（如药物） 第1组: 重创性治疗 ---- 较严重的心脏病，较可能有后继心脏病发作，较可能死亡。 第2组 : 非重创性治疗 ---- 一般说病情不太严重，较少心脏病发作和死亡 “病情轻重”: 混杂因素, 既与处理因素有关,又与结 局有关。 偏倚: 低估重创性治疗的好处。 三、工具变量Instrumental variable（IV） 1928年Philip G. Wright 提出 工具变量就是满足某种要求的替代变量。 用工具变量替换模型中不能满足假定条件的解释变量是改善模型参数估计量的有效方法。 某一个变量与模型中随机解释变量高度相关，但却不与随机误差项相关 ，这个变量就可以作工具变量 比较效果研究中的工具变量 与患者接受什麽治疗（处理）有关, 但与他们治疗前的健康状况无关。 设法寻找这样的一个因素，按此因素来分组。 例 比较心脏病的两种治疗方法 重创性治疗（如手术） vs. 非重创性治疗（如药物） 第1组: 重创性治疗 ---- 较严重的心脏病，较可能有后继心脏病发作，较可能死亡。 第2组 : 非重创性治疗 ---- 一般说病情不太严重，较少心脏病发作和死亡 “病情轻重”: 混杂因素, 既与处理因素有关,又与结 局有关。 偏倚: 低估重创性治疗的好处。 事实 离专治心脏病突发的医院较近的患者, 较 多接受强化治疗 诸如介入或搭桥术 ； 而离这类医院较远的患者, 较多接受药物治疗 离这类医院较远和较近的患者，心脏病轻 重程度的分布一样; 工具变量：与医院的距离 距离 Z Z 1 , 远 Z 0 , 近 Z , 与患者接受什麽治疗（处理）有关 -- 接受药物治疗还是介入或搭桥术？ Z , 与他们治疗前的健康状况无关（基线） 按照距离分组! Group 1 远 : 多数人采用介入或搭桥术 Group 2 近 : 多数人采用药物治疗 两组间基线状况类似 ----仿佛就基线状况对患者进行了随机分组！ 结果发现: Group 1 远 离这类医院近的患者仅入院 第1天病死率略低一点, 但和他们最终接受 什麽治疗无关。 两组的长期效应并无统计学意义上的差异 四、倾向性得分匹配Propensity score matching 实质为多因素匹配 步骤： （1）Logistic回归计算倾向性得分 （2）按倾向性得分匹配 （3）按照匹配样本进行多因素分析 倾向性得分匹配实例 数据来源: 丹麦国家多项注册登记资料 所有丹麦居民各有一个唯一、永久的注册号，与国内各种注册相连接. “丹麦国家处方注册”，记录了1995年来所有的处方. “全国患者注册”， 1978年以来，所有的住 院患者出院时记录了主要诊断（以及必要 时, 次要诊断）. “全国死因注册”，记录死因信息。 研究人群 在1997和2006年之间开始接受某种促泌剂或二甲双胍单药治疗的所有20岁及以上个体。 剔除了接受胰岛素单一治疗的8183例和多个药物联合治疗的3434例。 统计学方法 倾向性匹配 propensity-matched 倾向性匹配 propensity-matched 总结 两种方法都不是完美的 都可以在一定程度上提高组间可比性，控制偏倚，提高结论的可靠性 谢谢关注！ 二甲双胍 格列美脲 格列齐特 格列苯脲 格列吡嗪 甲苯磺丁脲 瑞格列奈 1.7 结果：无既往