MétaCan
Menu
Retour à la cohorte
Enregistrement W4392938758 · doi:10.1111/jebm.12600

Handling time‐varying treatments in observational studies: A scoping review and recommendations

2024· review· en· W4392938758 sur OpenAlexaff
Jiayue Xu, Qiao He, Ming‐Qi Wang, Mei Liu, Qianrui Li, Yan Ren, Minghong Yao, Guowei Li, Kevin Lu, Kang Zou, Wen Wang, Xin Sun

Notice bibliographique

RevueJournal of Evidence-Based Medicine · 2024
Typereview
Langueen
DomaineMathematics
ThématiqueAdvanced Causal Inference Techniques
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare HamiltonImpact
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésObservational studyProtocol (science)WorkflowObservational methods in psychologyComputer scienceSet (abstract data type)Process (computing)Medical physicsManagement scienceSelection (genetic algorithm)MedicineAlternative medicineMachine learningEngineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Time-varying treatments are common in observational studies. However, when assessing treatment effects, the methodological framework has not been systematically established for handling time-varying treatments. This study aimed to examine the current methods for dealing with time-varying treatments in observational studies and developed practical recommendations. METHODS: We searched PubMed from 2000 to 2021 for methodological articles about time-varying treatments, and qualitatively summarized the current methods for handling time-varying treatments. Subsequently, we developed practical recommendations through interactive internal group discussions and consensus by a panel of external experts. RESULTS: Of the 36 eligible reports (22 methodological reviews, 10 original studies, 2 tutorials and 2 commentaries), most examined statistical methods for time-varying treatments, and only a few discussed the overarching methodological process. Generally, there were three methodological components to handle time-varying treatments. These included the specification of treatment which may be categorized as three scenarios (i.e., time-independent treatment, static treatment regime, or dynamic treatment regime); definition of treatment status which could involve three approaches (i.e., intention-to-treat, per-protocol, or as-treated approach); and selection of analytic methods. Based on the review results, a methodological workflow and a set of practical recommendations were proposed through two consensus meetings. CONCLUSIONS: There is no consensus process for assessing treatment effects in observational studies with time-varying treatments. Previous efforts were dedicated to developing statistical methods. Our study proposed a stepwise workflow with practical recommendations to assist the practice.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarecherche
Domaine: Méthodes · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquelow
gptMétarecherche
Domaine: Méthodes · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquelow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,424
score de la tête « metaresearch » (Gemma)0,679
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,576
Score d'incertitude au seuil0,710

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4240,679
Méta-épidémiologie (sens strict)0,0050,005
Méta-épidémiologie (sens large)0,0100,017
Bibliométrie0,0350,025
Études des sciences et des technologies0,0060,007
Communication savante0,0150,032
Science ouverte0,0140,011
Intégrité de la recherche0,0180,015
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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 Opus0,833
Tête enseignante GPT0,631
Écart entre enseignants0,202 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeRevue systématique
DomaineMéthodes
GenreSynthèse

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

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Evidence-Based MedicineMême sujetAdvanced Causal Inference TechniquesCatégorieMétarechercheTravaux en français237 207