MétaCan
Menu
Retour à la cohorte
Enregistrement W3005076266 · doi:10.1177/0962280220902179

Modeling of cumulative effects of time-varying drug exposures on within-subject changes in a continuous outcome

2020· article· en· W3005076266 sur OpenAlexafffund
Coraline Danieli, Thérèse Sheppard, Ruth Costello, William G Dixon, Michał Abrahamowicz

Notice bibliographique

RevueStatistical Methods in Medical Research · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesInstitute of Population and Public HealthCanadian Institutes of Health Research
Mots-clésRandom effects modelStatisticsOutcome (game theory)EconometricsMixed modelMedicineRegression analysisCorrelationMathematicsComputer scienceMeta-analysisInternal medicine

Résumé

récupéré en direct d'OpenAlex

An accurate assessment of the safety or effectiveness of drugs in pharmaco-epidemiological studies requires defining an etiologically correct time-varying exposure model, which specifies how previous drug use affects the outcome of interest. To address this issue, we develop, and validate in simulations, a new approach for flexible modeling of the cumulative effects of time-varying exposures on repeated measures of a continuous response variable, such as a quantitative surrogate outcome, or a biomarker. Specifically, we extend the linear mixed effects modeling to estimate how past and recent drug exposure affects the way individual values of the outcome change throughout the follow-up. To account for the dosage, duration and timing of past exposures, we rely on a flexible weighted cumulative exposure methodology to model the cumulative effects of past drug use, as the weighted sum of past doses. Weights, modeled with unpenalized cubic regression B-splines, reflect the relative importance of doses taken at different times in the past. In simulations, we evaluate the performance of the model under different assumptions concerning (i) the shape of the weight function, (ii) the sample size, (iii) the number of the longitudinal observations and (iv) the intra-individual variance. Results demonstrate the accuracy of our estimates of the weight function and of the between- and within-patients variances, and good correlation between the observed and predicted longitudinal changes in the outcome. We then apply the proposed method to re-assess the association between time-varying glucocorticoid exposure and weight gain in people living with rheumatoid arthritis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,635
Tête enseignante GPT0,669
Écart entre enseignants0,033 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStatistical Methods in Medical ResearchMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207