The Extent and Magnitude of Bias in Case-Crossover Studies of Real-World Non-transient Medications Patterns: A Simulation Study with Real-World Examples
Notice bibliographique
Résumé
INTRODUCTION: A case-crossover study is a self-controlled design most appropriate for evaluating transient medication exposures. However, it has increasingly been used in studies of chronic medications and can cause bias in effect estimates that vary based on the pattern of medication use. The goal of this study was to evaluate the magnitude of this bias across different medication-use patterns. OBJECTIVE: To quantify the magnitude of the bias introduced by different medication patterns and evaluate different case-crossover approaches to mitigate the bias. METHODS: We conducted a simulation study evaluating the bias introduced by (1) seven common medication patterns separately, and (2) cohort with 15 different patterns combined. We evaluated each scenario under risk ratios of 0.50, 0.75, 1.00, 1.50, and 2.00. Each approach was analyzed using conditional logistic regression comparing the probability of exposure on the outcome day to 30 days prior. A case-time-control design was used in each of the scenarios. Sensitivity analysis was performed to evaluate the impact on the estimates when changing the length of the risk and control windows. We conducted a real-world example focusing on sodium-glucose co-transporter-2 inhibitor users as real-world examples. RESULTS: The case-crossover design resulted in unbiased estimates when patterns were consistent with transient exposures but were biased upward with prolonged exposure patterns. The magnitude of the bias varies by patterns or pattern combinations. When evaluating prolonged exposures individually or combined as a cohort with mixture patterns, case-time-control with extended risk and control window (30 days) produced unbiased results (mean bias ≤ 0.03). CONCLUSION: Researchers who use the case-crossover design to evaluate non-transient exposures should implement recommended methods to account for biases.
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 | 0,177 | 0,258 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,008 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».