Correcció del biaix en estudis observacionals amb el Propensity Score. Aplicació a l'estimació de l'efecte del tractament de la leucèmia
| Autor: | Morgades de la Fe, Mireia |
|---|---|
| Přispěvatelé: | Universitat Politècnica de Catalunya. Departament d'Estadística i Investigació Operativa, Cobo Valeri, Erik, Ribera Santasusana, Josep Mª |
| Jazyk: | Catalan; Valencian |
| Rok vydání: | 2008 |
| Předmět: |
Leukemia--Treatment
estudis observacionals leucèmia quimioteràpia Matemàtiques i estadística::Matemàtica aplicada a les ciències [Àrees temàtiques de la UPC] Leukemia--Palliative treatment alo-trasplantament Propensity Score Terapèutica -- Mètodes estadístics Leukemia--Chemotherapy--Evaluation 92 Biology and other natural sciences::92C Physiological cellular and medical topics [Classificació AMS] |
| Zdroj: | Recercat. Dipósit de la Recerca de Catalunya instname UPCommons. Portal del coneixement obert de la UPC Universitat Politècnica de Catalunya (UPC) |
| Popis: | Volem analitzar l’efecte del tractament (quimioteràpia o alo-trasplantament) de la leucèmia aguda limfoblàstica (LAL) d’alt risc en adults mitjançant un estudi observacional. La limitació més important dels estudis observacionals és que l’assignació dels malalts al tractament no es realitza de manera aleatòria, la qual cosa provoca que existeixi un biaix de selecció per indicació de tractament. Al 1983, Rosembaum i Rubin (1) proposen un nou mètode, el Propensity Score (PS), per tal de controlar aquest tipus de biaix en els estudis observacionals. Mitjançant simulació i per a diferents escenaris, analitzem l’eficàcia del Propensity Score introduït com a variable d’ajustament en el model de Cox. L’estimació delPropensity Score es duu a terme mitjançant models lineals generalitzats (MLG) o reproduint el criteri clínic, el qual està protocolitzat per assignació binària. De la simulació obtenim que, per a l’únic escenari que presenta confusió, la millor estimació de l’efecte del tractament es dóna quan ajustem pel Propensity Score assignat de manera binària. Per a la resta d’escenaris proposats, s’obtenen biaixos de l’estimació del tractament tot ells molt petits i similars sigui quin sigui l’ajustament realitzat. Els mateixos resultats obtenim quan simulem mostres de grandària petita. En conclusió, per als diferent models estudiats mitjançant simulació, demostrem que la millor correcció del biaix la proporciona el Propensity Score, en particular, emprat de manera binària inclús quan la mostra és petita. Emprant aquest ajustament en les dades clíniques, obtenim que els malalts que fan alo-trasplantament tenen un risc de morir entre [0,611; 2,711] respecte als malalts que fan quimioteràpia, la qual cosa ens indica que no hi ha diferències estadísticament significatives entre ambdós grups de malalts tractats. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|