Quantifying the impact of survivor treatment bias in observational studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
RATIONALE: Observational cohort studies are frequently used to measure the impact of therapies on the time to a particular outcome. Treatment often has a time-variant nature since it is frequently initiated at varying times during a patient's follow-up. Studies in the medical literature frequently ignore the time-dependent nature of treatment exposure. Survivor treatment bias can arise when the time dependent nature of treatment exposure is ignored since patients who survived to receive treatment may be healthier than patients who died prior to receipt of treatment. AIMS AND OBJECTIVES: The objective of the current study was to explicitly quantify the magnitude of survivor-treatment bias. METHODS: Monte Carlo simulations using parameters obtained from an analysis of patients admitted to hospital with a diagnosis of acute myocardial infarction in Ontario, Canada. RESULTS AND CONCLUSIONS: When the true treatment was null (hazard ratio of 1), estimated treatment effects varied from a 4% reduction in mortality to a reduction in mortality of 27% when the time varying nature of the treatment was ignored. Furthermore, survivor-treatment bias increased as the time required foe exposed patients to receive treatment increased. Similarly, survivor treatment bias was amplified as exposure was defined to be exposure at any time prior to mortality compared to exposure within a fixed time interval starting at the time origin. Ignoring the time-dependent nature of treatment results in overly optimistic estimates of treatment effects. Depending on the period required for patients to initiate therapy, treatments with no effect on survival can appear to be strongly associated with improved survival. The current study is the first to explicitly quantify the magnitude of bias that results from ignoring the time-varying nature of treatment exposure in survival studies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,180 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle