MétaCan
Menu
Retour à la cohorte
Enregistrement W3048846123 · doi:10.1002/pds.5083

Time‐related biases in pharmacoepidemiology

2020· article· en· W3048846123 sur OpenAlexafffundabout
Samy Suissa, Sophie Dell’Aniello

Notice bibliographique

RevuePharmacoepidemiology and Drug Safety · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Causal Inference Techniques
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Foundation for Innovation
Mots-clésMedicinePharmacoepidemiologyCOPDLung cancerHazard ratioObservational studyCohortCohort studyInternal medicineEmergency medicineMedical prescriptionPharmacologyConfidence interval

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Observational studies using computerized healthcare databases have become popular to investigate the potential effectiveness of old drugs for new indications. Many of these studies reporting remarkable effectiveness were shown to be affected by different time-related biases. We describe these biases and illustrate their effects using a cohort of patients treated for chronic obstructive pulmonary disease (COPD). METHODS: The Quebec healthcare databases were used to form a cohort of 124 030 patients with COPD, 50 years or older, treated between 2000 and 2015. Inhaled corticosteroids (ICS) and long-acting bronchodilators were used as exposures, with diverse outcomes, including lung cancer, acute myocardial infarction and death, to illustrate protopathic, latency time, immortal time, time-window, depletion of susceptibles, and immeasurable time biases. RESULTS: Protopathic bias affected bronchodilator-defined cohort entry with an incident rate of lung cancer of 23.9 per 1000 in the first year, compared with around 12.0 in the subsequent years. When latency and immortal times were misclassified, ICS were associated with decreased incidence of lung cancer (hazard ratio [HR] 0.32; 95% CI: 0.30-0.34), compared with 0.50 (95% CI: 0.48-0.53) after correcting for immortal time bias and 0.96 (95% CI: 0.91-1.02) after also correcting for latency time bias. Time-window, depletion of susceptibles and immeasurable time biases also affected the findings similarly. CONCLUSIONS: Many observational studies of new indications for older drugs reporting unrealistic effectiveness were affected by avoidable time-related biases. The apparent effectiveness often disappears with proper design and analysis. Future studies should consider these time-related issues to avoid severely biased results.

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)0,116
score de la tête « metaresearch » (Gemma)0,261
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: aucune
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,614

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1160,261
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,007
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,210
Tête enseignante GPT0,456
Écart entre enseignants0,245 · 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

Citations161
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePharmacoepidemiology and Drug SafetyMême sujetAdvanced Causal Inference TechniquesTravaux en français237 207