Quantifying the impact of immortal time bias: empirical evidence from meta-analyses
Notice bibliographique
Résumé
Objectives Immortal time bias (ITB) occurs when a period during which, by design, participants cannot experience the outcome (like death) is incorrectly included in the treatment group’s follow-up, artificially making the treatment look better than it truly is. We aimed to identify a systematic sample of cases of ITB in the literature of studies using survival analysis and assess the impact of ITB on the results. Design Meta-epidemiological study (PROSPERO[CRD42022356073]). Setting We searched PubMed/MEDLINE, Embase and Cochrane Database of Systematic Reviews from database inception to August 2024. Systematic reviews with quantitative syntheses that allowed subgroup analysis by the presence of ITB for any available exposure-outcome pairs (‘topics’) were eligible for inclusion. Participants Participants included in the systematic reviews. Main outcome measures Information on ITB and effect sizes (ESs) with 95% confidence interval for individual studies in forest plots were extracted to run re-analysis using generic inverse variance fixed- and random-effects methods. After extracting data, we conducted subgroup analysis by the presence of ITB for all available topics and assessed the impact of ITB on the heterogeneity ( I 2 ), vulnerability of evidence (or conclusion), statistical significance of the finding, and altering ES in favour of intervention/exposure. Results The median (interquartile range (IQR)) number of studies included for a topic was 6 (4–10). Across 25 topics (including 182 studies), 44.0% of the eligible studies (80 studies) were affected by ITB. Among the 21 topics where both studies with ITB and studies without ITB were available (four topics only had studies unaffected by ITB), 57.1% (12/21) demonstrated statistically significant results only in studies with ITB ( n = 11 topics) or only in studies without ITB (one topic). In 23.8% (5/21), the overall summary results changed from statistically significant to non-statistically significant or vice versa after excluding studies with ITB. The ratio of ES – summary ES from studies with ITB relative to summary ES from studies without ITB – was 0.71 (95% CI, 0.66-0.78), suggesting that the ES from studies with ITB was larger by an average of 29% in favour of the intervention/exposure. Excluding studies involving ITB reduced between-study heterogeneity ( I 2 ) by 21.4% on average. Conclusions ITB can be common among studies in some medical areas, and its presence may substantially inflate the ESs and lead to misleading, exaggerated evidence.
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.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | MétarechercheMéta-épidémiologie (sens large) Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Méta-analyse | low |
| gpt | MétarechercheMéta-épidémiologie (sens strict)Méta-épidémiologie (sens large) Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Méta-analyse | high |
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 | 0,341 | 0,656 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,003 |
| Méta-épidémiologie (sens large) | 0,025 | 0,063 |
| Bibliométrie | 0,020 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».