Application of Targeted Maximum Likelihood Estimation using Varying Lookback Windows in Pharmacoepidemiology
Notice bibliographique
Résumé
In observational research, confounding control is critical to appropriate inference.In the field of pharmacoepidemiology, determining the appropriate lookback period is essential as it dictates how far back we examine potential confounding factors from the time of exposure.This study aims to compare treatment effect estimates using two different approaches: targeted maximum likelihood estimation (TMLE) and propensity score method under inverse probability weighting approach (PS-IPW), considering varying lookback periods (short term and long term).To conduct the comparison, simulation settings were established, considering eight different lookback periods (1,3,6 months, and 1,2,5,7,9 years), with 10 years as the ideal reference lookback period.We applied two different approaches: PS-IPW and TMLElogistic, both within the logistic regression framework.Additionally, we included TMLE using SuperLearner (TMLE-SL) as part of our simulation.To assess the effect of lookback on propensity score models, propensity score quantile estimates were computed, revealing that longer lookback periods exhibited less bias compared to shorter ones.Subsequently, the average treatment effect (ATE) along with standard error was estimated using PS-IPW, TMLE-logistic, and TMLE-SL.It was observed that TMLE-logistic and TMLE-SL produced lower standard errors than the PS-IPW approach across the varying lookback periods.Finally, the study applied both methods to the CPRD (Clinical Practice Research Datalink) database to evaluate how TMLE and PS-IPW perform in real-life scenarios for each of the specified lookback periods.In conclusion, this research contributes valuable insights into the impact of lookback periods on treatment effect estimates, highlighting the advantages of using TMLE approaches over PS-IPW in certain lookback scenarios.Furthermore, the application of these methods to real-world data from CPRD aids in understanding their performance in practical healthcare research settings.i AbrgEn recherche observationnelle, le contrle des facteurs de confusion est essentiel pour obtenir des infrences appropries.Dans le domaine de la pharmacopidmiologie, la dtermination de la priode de rfrence approprie est essentielle, car elle dtermine quel point nous examinons les facteurs de confusion potentiels partir du moment de l'exposition.Cette tude vise comparer les estimations des effets du traitement en utilisant deux approches diffrentes : l'estimation du maximum de vraisemblance cible (TMLE) et la mthode du score de propension avec approche de pondration par probabilit inverse (PS-IPW), en tenant compte de diffrentes priodes de rfrence (court terme et long terme).Pour mener la comparaison, des paramtres de simulation ont t tablis en considrant huit priodes de Above all else, I wish to convey my profound appreciation to my supervisor Dr. Robert Platt, for being an unwavering source of support throughout my graduate study.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».