Abstract 11521: Prevalence of Immortal Time Bias in High-Impact Cardiovascular Publications
Notice bibliographique
Résumé
Background: Immortal time bias (ITB) is a consequence of non-uniform time zeros (ie. start of follow-up) between treatment groups, resulting in misclassification or selection bias in observational cohort studies. ITB poses a substantial problem as its presence favors the treatment, leading to an overestimation of the protective effect or an underestimation of the harmful effects of the treatment group compared to the control group. Depending on the amount of person-time misclassified or excluded, the magnitude of bias due to ITB may be substantially greater than other biases, such as confounding. Objective: To determine the prevalence of ITB in observational cohort studies published between 2020 and 2021 in high-impact cardiovascular journals. Methods: Observational cohort studies published in Circulation, European Heart Journal, and the Journal of the American College of Cardiology between January 2020 and December 2021 were screened for inclusion. Cross-sectional studies, case series, case-control, time-series analyses, and survey or surveillance studies were excluded. Two independent reviewers (ie. epidemiologists) evaluated each article for the presence and type of ITB. Results: Of 1,558 screen articles, 154 published articles were eligible for inclusion. Twenty of 154 (13%) publications had ITB present. ITB was most frequently due to misclassification bias (17 of 20 articles, 85%). ITB due to selection bias was present in 5 of 20 (25%) articles. Two articles had ITB due to both misclassification and selection biases. Most studies (75%) with ITB did not have an active comparator group. Among studies with ITB, event-based cohorts were the most frequent (65%), followed by event-exposure based cohorts (15%), and exposure-based (10%) and time-based (10%) cohorts. ITB was present in studies with various exposures, including medications (7), surgeries or procedures (5), devices (4), and diseases (4). Conclusion: A substantial proportion (13%) of published observational cohort studies in high-impact cardiovascular journals had ITB present and may result in an overestimation of treatment effect. As ITB is preventable with study design techniques, researchers need to be cognizant of this bias.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».