По всем вопросам звоните:

+7 495 274-22-22

УДК: 519.23

Современные методики обработки данных медицинских исследований с использованием псевдорандомизации

Гржибовский А. М. Национальный институт общественного здравоохранения, г. Осло, Норвегия
Иванов С. В. Северный государственный медицинский университет, г. Архангельск

В статье представлен метод псевдорандомизации (propensity score matching — PSM) — эффективный способ устранения конфаундинг-эффекта различных факторов, искажающих результаты при сравнении наблюдаемых групп в обсервационных исследованиях. Метод PSM используется на этапе статистической обработки данных, сравним по эффективности с регрессионным анализом, но не требует при этом большого размера выборочной совокупности. В статье представлены основы данного метода и алгоритмы его применения с использованием статистического программного обеспечения STATA 13 для оценки различий между средними значениями количественной переменной исхода в изучаемых группах в обсервационном исследовании.

Литература:

1. Гржибовский А. М., Иванов С. В. Когортные исследования в здравоохранении // Наука и здравоохранение. — 2015. — № 3. — С. 5–16.

2. Гржибовский А. М., Иванов С. В. Поперечные (одномоментные) исследования в здравоохранении // Наука и здравоохранение. — 2015. — № 2. — С. 5–18.

3. Унгуряну Т. Н., Гржибовский А. М. Программное обеспечение для статистической обработки данных STATA: введение // Экология человека. — 2014. — № 1. — C. 60–63.

4. Флетчер Р., Флетчер С., Вагнер Э. Клиническая эпидемиология. Основы доказательной медицины. — М.: Медиа Сфера, 1998. — 352 с.

5. Acock A. C. Gentle Introduction to Stata. — USA, Texas: Stata Press, 2006. — 289 p.

6. Austin P. C. An introduction to propensity score methods for reducing the effects of confounding in observational studies // Multivariate Behavioral Research. — 2011. — Vol. 46. — P. 399–424.

7. Austin P. C. Optimal caliper widths for propensity-score matching when estimating differences in means and differences in proportions in observational studies // Pharmaceutical statistics. — 2011. — Vol. 10 (2). — P. 150–161.

8. Becker S. O., Ichino A. Estimation of average treatment effects based on propensity scores // The Stata Journal. — 2002. — Vol. 2 (4). — P. 358–377.

9. Cepeda M. S., Boston R., Farrar J. T., Strom B. L. Comparison of logistic regression versus propensity score when the number of events is low and there are multiple confounders // American Journal of Epidemiology. — 2003. — Vol. 158 (3). — P. 280–287.

10. DAgostino R. B. Propensity score methods for bias reduction in the comparison of a treatment to a non-randomized control group // Statistics in Medicine. — 1998. — Vol. 17 (19). — P. 2265–2281.

11. Garrido M. M., Kelley A. S., Paris J., Roza K., Meier D. E., Morrison R. S., Aldridge M. D. Methods for constructing and assessing propensity scores // Health Services Research. — 2014. — Vol. 49 (5). — P. 1701–1720.

12. Guo Sh. Y., Mark W. Fraser. Propensity Score Analysis: Statistical Methods and Applications, 2nd ed. USA // SAGE Publications. — 2015. — 448 p.

13. Hernan M. A., Hernandez-Diaz S., Robins J. M. A structural approach to selection bias // Epidemiology. — 2004. — Vol. 15 (5). — P. 615–625.

14. Patorno E., Grotta A., Bellocco R., Schneeweiss S. Propensity score methodology for confounding control in health care utilization databases // Epidemiology Biostatistics and Public Health. — 2013. — Vol. 10 (3). — P. e8940.

15. Rosenbaum P. R., Rubin D. B. The central role of the propensity score in observational studies for causal eff ects // Biometrika. — 1983. — Vol. 70 (1). — P. 41–55.

16. Sturmer T., Joshi M., Glynn R.J., Avorn J., Rothman K. J., Schneeweiss S. A review of the application of propensity score methods yielded increasing use, advantages in specific settings, but not substantially different estimates compared with conventional multivariable methods // Journal of Clinical Epidemiology. — 2006. — Vol. 59 (5). — P. 437–447.

Одной из целей исследований в медицине является достоверная оценка наличия, направления и силы связи между факторами воздействия и наблюдаемыми исходами. Примерами изучаемых факторов могут служить назначение определенных схем терапии, факторы окружающей среды, организационные мероприятия в области общественного здравоохранения и др. Примерами исходов могут служить количественные характеристики объектов исследования (уровень общего холестерина, длительность госпитализации, расходы на лечение и т. п.), а также категориальные показатели (наличие или отсутствие заболевания, летального исхода, осложнения и т. п.).

Следует учесть, что изучаемый исход подвержен влиянию как изучаемого в ходе исследования фактора, так и достаточного количества прочих факторов, которые могут быть связаны как с изучаемым воздействующим фактором, так и с исходом.

Такие факторы называются конфаундерами [14]. Следствием действия конфаундеров является искажение результатов исследования, то есть возникновение различий между рассчитанным и фактическим значением меры и направления воздействия изучаемого фактора.

Данная проблема может решаться с помощью проведения рандомизированных контролируемых исследований (РКИ), которые при корректной рандомизации обеспечивают сбалансированное распределение конфаундеров между основной группой и группой контроля и поэтому являются «золотым стандартом» оценки воздействия изучаемого фактора на исход. При этом влияние фактора на исход оценивается путем прямого сравнения исходов в основной и контрольной группах [5]. Но так как РКИ имеют существенные ограничения в использовании, к числу которых относится невозможность организовать процедуру рандомизации, а также неэтичность исследований, направленных на изучение лечебного воздействия, наиболее часто встречающимся инструментом оценки связи между фактором и исходом в медицине и особенно в общественном здравоохранении остаются обсервационные исследования [1, 2, 5].

Проведение обсервационных исследований требует корректной оценки мер эффекта действия фактора, учитывающей влияние конфаундеров.

Для Цитирования:
Гржибовский А. М., Иванов С. В., Современные методики обработки данных медицинских исследований с использованием псевдорандомизации. Врач скорой помощи. 2018;11.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: