Evaluating the Role of High‐Dimensional Proxy Data in Confounding Adjustment in Multiple Sclerosis Research: A Case Study
Notice bibliographique
Résumé
PURPOSE: Given the historical use of limited confounders in multiple sclerosis (MS) studies utilizing administrative health data, this brief report evaluates the impact of incorporating high-dimensional proxy information on confounder adjustment in MS research. We have implemented high-dimensional propensity score (hdPS) and high-dimensional disease risk score (hdDRS) methods to assess changes in effect estimates for the association between disease-modifying drugs (DMDs) and all-cause mortality in an MS cohort from British Columbia (BC), Canada. METHODS: We conducted a population-based retrospective study using linked administrative databases from BC, including health insurance registries, demographics, physician visits, hospitalizations, prescriptions, and vital statistics. The cohort comprised 19 360 individuals with MS, followed from January 1, 1996, to December 31, 2017. DMD exposure was defined as at least 180 days of use for beta-interferon or glatiramer acetate, or at least 90 days for other DMDs. The outcome was time to all-cause mortality. We compared Cox proportional hazards models adjusting for investigator-specified covariates with those incorporating additional empirical covariates using hdPS and hdDRS methods. RESULTS: In the unadjusted analysis, DMD exposure was associated with a 69% lower risk of mortality (HR 0.31; 95% CI: 0.27-0.36). Adjusting for investigator-specified covariates, the adjusted hazard ratio (aHR) was 0.76 (95% CI: 0.65-0.89). HdPS analyses showed a 20%-23% lower mortality risk (aHRs: 0.77 to 0.80), while hdDRS analyses indicated a 19%-21% reduction (aHRs: 0.79 to 0.81). CONCLUSIONS: Incorporating high-dimensional proxy information resulted in minor variations in effect estimates compared to traditional covariate adjustment. These findings suggest that the impact of residual confounding in the question under consideration may be modest. Further research should explore additional data dimensions and replicate these findings across different datasets.
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 | 0,029 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».