Comparisons of Propensity Score Methods for Time to Event Outcomes: Evaluation through Simulations and Oral Squamous Cell Carcinoma Case Study
Notice bibliographique
Résumé
Introduction & Objective: In observational studies, it is recommended to use propensity score (PS) methods or covariate adjustment for confounding effect adjustment. However, few guidelines are available regarding the choice of PS approaches or covariate adjustment for the best performance in a particular data. In this study, we compared different PS methods and conventional covariate adjustment to investigate the treatment effect for the overall population on time-to-event outcomes. Methods: In the Monte Carlo simulations, we compared the hazard ratio (HR) and precision estimated using covariate adjustment and eight different PS approaches, including matching, stratification, and inverse probability of treatment weighting (IPTW). In the Oral Squamous-Cell Carcinoma Cancer case study, we applied the aforementioned PS approaches to compare the effect of receiving post-operative radiation therapy (PORT) and having engraftable tumors on different time-to-event clinical outcomes. Results: In the simulations, both IPTW and covariate adjustment produced unbiased HR estimates with small uncertainty. In the case study, covariate adjustment showed that patients with engraftable tumors were twice as likely to have local/regional recurrence (HR 1.98 [1.23, 3.18], p-value<0.005) and any recurrence or death (HR 2.02 [1.38, 2.96], p-value<0.001); patients received PORT were twice as likely to develop either local, regional, or distance recurrence (HR 2.12 [1.32, 3.41], p-value<0.005). Results produced by IPTW were consistent with covariate adjustment method (within ± 0.1 differences). Conclusion: Covariate adjustment and the IPTW method performed well across simulations and the case study. In practice, care should be taken to select the most suitable method when estimating the treatment, exposure or intervention effect on time-to-event outcomes.
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 | 0,066 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».