Estimating the effect of referral for nephrology care on the survival of adults with advanced chronic kidney disease in a real-world clinical setting
Notice bibliographique
Résumé
IntroductionLongitudinal studies ascertain exposure, covariates, and outcomes over time. For estimating treatment effect on mortality, ignoring the time-varying nature of an exposure may lead to immortal time bias. Time-dependent confounding that affects future treatment may bias the estimated effects. Differences in baseline prognosis between treatment groups further complicate this issue. Objectives and ApproachWe applied sequential Cox modeling to estimate the causal effect of referral for nephrology care on the survival of adults with advanced chronic kidney disease, linking laboratory and administrative data from Alberta, Canada. We created pseudo-data by mimicking successive randomized controlled trials. To address immortal time bias, each “mini-trial” consisted of individuals starting treatment, and those not yet treated, in each 3-month time interval. We incorporated inverse-probability-of-treatment-weights (IPTW) to minimize treatment selection bias for each “mini-trial. ” We fit a “mini-trial”-stratified, weighted Cox model to estimate the overall hazard ratio for death by averaging the effect estimates across “mini-trials.” ResultsWe included 9,675 patients who entered the cohort between 2002 and 2013. The mean age was 82 years; 35% were male; and 33% were ultimately referred to a nephrologist after a median wait-period of 6 months. Compared to non-referred patients, those referred were younger and had fewer comorbidities at baseline. Referral was associated with a significant 45% lower hazard for death in an adjusted Cox model. The effect was attenuated in a multivariate Cox model with a time-varying exposure and in a sequential Cox model further controlling for potential time-dependent confounding by measures reflecting kidney-, cardiovascular-, and cerebrovascular-health. After incorporating IPTW for addressing treatment selection bias in the same sequential Cox model, the effect estimate was toward the null and no longer significant. Conclusion/ImplicationsWe found that applying analytical strategies that addressed immortal time bias, time-dependent confounding, and treatment selection bias, the survival benefit associated with nephrology referral was attenuated. Inverse-probability-of treatment weighted sequential Cox approach may be used to address these important biases and confounding that are common in real-world clinical settings.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,068 | 0,150 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».