Future Cases as Present Controls to Adjust for Exposure Trend Bias in Case-only 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
Self-matched case-only studies (such as the case-crossover or self-controlled case-series method) control by design for time-invariant confounders (measured or unmeasured), but they do not control for confounders that vary with time. A bidirectional case-crossover design can be used to adjust for exposure-time trends. In pharmacoepidemiology, however, illness often influences future use of medications, making a bidirectional design problematic. Suissa's case-time-control design combines a case-crossover and case-control design, and adjusts for exposure-trend bias in the cases' self-controlled odds ratio by dividing that ratio by the corresponding self-controlled odds ratio in a concurrent matched control group. However, if not well matched, the control group may reintroduce selection bias. We propose a "case-case-time-control" that involves crossover analyses in cases and future-case controls. This person-time sampling strategy improves matching by restricting controls to future cases. We evaluate the proposed study design through simulations and analysis of a theoretically null relationship using Veterans Administration (VA) data. Simulation studies show that the case-case-time-control can adjust for exposure trends while controlling for time-invariant confounders. Use of an inappropriate control group left case-time-control analyses biased by exposure-time trends. When analyzing the relationship between vitamin exposure and stroke, using data on 3192 patients in the VA system, a case-crossover odds ratio of 1.5 (95% confidence interval = 1.3-1.7) was reduced to 1.1 (0.9-1.3) when divided by the concurrent exposure trend odds ratio (1.4) in matched future cases. This applied example demonstrates how our approach can adjust for exposure trends observed across time axes.
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 | 0,011 | 0,612 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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