Bobot skor kecenderungan dalam analisis Cox PH dan pemilihan kovariat

Mengenai pembobotan skor kecenderungan (IPTW) saat melakukan pemodelan bahaya proporsional Cox dari data survival waktu-ke-peristiwa:

Saya memiliki data registri prospektif di mana kami tertarik untuk melihat efek pengobatan dari obat yang dalam kebanyakan kasus pasien sudah memakai pada awal. Karena itu saya tidak yakin bagaimana cara terbaik menganalisis data. Secara potensial, beberapa variabel dasar sebagian besar dipengaruhi oleh perlakuan dan bukan sebaliknya (misalnya biomarker tertentu). Saya agak bingung kovariat mana yang harus saya sertakan dalam model skor kecenderungan untuk memperkirakan bobot dan kovariat mana yang harus saya masukkan sebagai kovariat dalam coxphmodel (jika ada sama sekali). Petunjuk apa pun di arah yang benar akan sangat membantu! Saya belum dapat menemukan literatur mengenai hal ini dalam pemodelan CoxPh sampai sekarang.

Saya berpikir bahwa kovariat yang mewakili perawatan yang dilembagakan pada awal yang (mungkin) mempengaruhi hasil harus dimasukkan sebagai kovariat Cox PH, tetapi saya tidak yakin akan hal ini.

Bagaimana cara menentukan variabel mana yang harus dimasukkan sebagai kovariat dalam model Cox alih-alih digunakan dalam menghitung bobot skor kecenderungan?

Pertanyaan lanjutan:

Saya memahami masalah bawaan dalam mengevaluasi efek perawatan dari intervensi tertentu yang telah dimulai - yaitu lazim di antara pasien, sebelum memulai pengamatan. Baik dalam hal memperkenalkan bias terkait dengan variasi waktu risiko (misalnya efek samping yang lebih umum pada tahun pertama terapi) dan kovariat yang dipengaruhi oleh pengobatan. Jika saya tidak salah - ini telah diusulkan sebagai penyebab perbedaan antara pengamatan dan acak yang berkaitan dengan titik akhir kardiovaskular dan terapi penggantian hormon. Di dataset saya di sisi lain, kami tertarik untuk melihat kemungkinan efek samping dari perawatan.

Jika saya menggunakan penyesuaian skor kecenderungan untuk menyelidiki efek pengobatan di antara pengguna umum, yaitu sudah menggunakan obat sebelum pengamatan dimulai, dalam data kohort dan kami mengamati efek samping dari terapi farmakologis (dan inilah yang kami cari). Bisakah saya mengesampingkan kemungkinan melebih-lebihkan risiko yang terkait dengan perawatan? Yaitu selama risikonya meningkat secara signifikan, itu paling "pasti" tidak protektif?

Saya tidak bisa membayangkan contoh di mana bias semacam ini dapat menimbulkan perkiraan risiko asosiasi risiko palsu yang berlebihan dalam konteks ini.

Secara teori, setiap variabel yang Anda pilih sebagai bagian dari bobot skor kecenderungan tidak perlu dimasukkan sebagai kovariat dalam model, karena bobot sudah dikontrol untuk potensi pengganggu mereka. Dengan model pembobotan yang tepat, Anda bisa, secara harfiah, hanya memodelkan efek pemaparan.

Yang sedang berkata, ada alasan Anda mungkin ingin memasukkan istilah dalam model:

• Perkiraan "Sangat kuat". Tidak ada alasan, kecuali untuk kehilangan presisi, bahwa Anda tidak dapat menggunakan variabel baik dalam model pembobotan maupun sebagai kovariat. Secara teori, Anda melindungi diri sendiri dari dua cara yang membingungkan (karenanya teknik ini disebut sebagai "sangat kuat"). Perlu diingat bahwa ini hanya melindungi Anda dari model PS atau model kovariat yang tidak ditentukan dengan memberi Anda "kesempatan kedua" untuk menentukan model yang benar, itu bukan perbaikan ajaib.
• Beberapa perkiraan bunga. Bobot membuat perkiraan efek dari kovariat menghilang - jika Anda ingin koefisien regresi untuk variabel, Anda akan ingin memasukkannya sebagai kovariat dalam langkah CoxPH dan bukan dalam model PS.

Coba cari "Sangat kuat" dan istilah serupa dalam jurnal seperti Epidemiologi atau The American Journal of Epidemiology serta literatur biostatistik dan Anda harus mengungkap beberapa sumber yang berguna.

Penting untuk membedakan "dipengaruhi oleh pengobatan" dan "terkait dengan pengobatan". Yang terakhir dapat mencakup faktor-faktor pemilihan pengobatan seperti yang sedang kami coba sesuaikan dengan kecenderungan dan / atau penyesuaian kovariat. "Terpengaruh oleh pengobatan" menyiratkan bahwa kovariat diukur setelah nol waktu (misalnya, setelah pengacakan atau setelah mulai pengobatan), yang berarti mereka harus jarang digunakan.