Validating an approach to overcome the immeasurable time bias in cohort studies: a real-world example and Monte Carlo simulation study
Notice bibliographique
Résumé
BACKGROUND: Immeasurable time bias arises from the lack of in-hospital medication information. It has been suggested that time-varying adjustment for hospitalization may minimize this potential bias. However, whereas we examined this issue in one case study, there remains a need to assess the validity of this approach in other settings. METHODS: Using a Monte Carlo simulation, we generated synthetic immeasurable time-varying hospitalization-related factors of duration, frequency and timing. Nine scenarios were created by combining three frequency scenarios and three duration scenarios, where the empirical cohort distribution of hospitalization was used to simulate the 'timing'. We used Korea's healthcare database and a case example of β-blocker use and mortality among patients with heart failure. We estimated the gold-standard hazard ratio (HR) with 95% CI using inpatient and outpatient drug data, and that of the pseudo-outpatient setting using outpatient data only. We assessed the validity of adjusting for time-varying hospitalization in nine different scenarios, using relative bias, confidence limit ratio (CLR) and mean squared error (MSE) compared with the empirical gold-standard estimate across bootstrap resamples. RESULTS: With the real-world gold standard (HR 0.73; 95% CI 0.67-0.80) as the reference estimate, adjusting for time-varying hospitalization (0.71; 0.63-0.80) effectively reduced the immeasurable time bias and had the following performance metrics across the nine scenarios: relative bias (range: -7.08% to 0.61%), CLR (1.28 to 1.36) and MSE (0.0005 to 0.0031). CONCLUSIONS: The approach of adjusting for time-varying hospitalization consistently reduced the immeasurable time bias in Monte Carlo simulated data.
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 | 0,108 | 0,233 |
| 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 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».