文献

J-GLOBAL ID：202202270835583358   整理番号：22A0911799

大規模健康管理データベースを用いた因果効果を推定するための交絡者選択と調整法の比較【JST・京大機械翻訳】

A comparison of confounder selection and adjustment methods for estimating causal effects using large healthcare databases

著者 (21件)： Benasseur Imane (Departement de Mathematiques et de Statistique, Universite Laval, Quebec, Canada) ,  Benasseur Imane (Unite Sante des Populations et Pratiques Optimales en Sante, CHU de Quebec - Universite Laval research center, Quebec, Canada) ,  Talbot Denis (Unite Sante des Populations et Pratiques Optimales en Sante, CHU de Quebec - Universite Laval research center, Quebec, Canada) ,  Talbot Denis (Departement de Medecine Sociale et Preventive, Universite Laval, Quebec, Canada) ,  Durand Madeleine (Departement de Medecine, Universite de Montreal, Montreal, Canada) ,  Durand Madeleine (CHUM Research Center, Montreal, Canada) ,  Holbrook Anne (Division of Clinical Pharmacology & Toxicology, Department of Medicine, McMaster University, Hamilton, Canada) ,  Matteau Alexis (Departement de Medecine, Universite de Montreal, Montreal, Canada) ,  Matteau Alexis (CHUM Research Center, Montreal, Canada) ,  Potter Brian J. (Departement de Medecine, Universite de Montreal, Montreal, Canada) ,  Potter Brian J. (CHUM Research Center, Montreal, Canada) ,  Renoux Christel (Centre for Clinical Epidemiology, Lady Davis Institute for Medical Research - Jewish General Hospital, Montreal, Canada) ,  Renoux Christel (Department of Epidemiology, Biostatistics, and Occupational Health, McGill University, Montreal, Canada) ,  Renoux Christel (Department of Neurology and Neurosurgery, McGill University, Montreal, Canada) ,  Schnitzer Mireille E. (Department of Epidemiology, Biostatistics, and Occupational Health, McGill University, Montreal, Canada) ,  Schnitzer Mireille E. (Faculty of Pharmacy, Universite de Montreal, Montreal, Canada) ,  Schnitzer Mireille E. (Ecole de sante publique - Departement de medecine sociale et preventive, Universite de Montreal, Montreal, Canada) ,  Tarride Jean-Eric (Department of Health Research Methods, Evidence, and Impact, McMaster University, Hamilton, Canada) ,  Tarride Jean-Eric (Programs for Assessment of Technology in Health, The Research Institute of St. Joseph’s, Hamilton, Canada) ,  Guertin Jason R. (Unite Sante des Populations et Pratiques Optimales en Sante, CHU de Quebec - Universite Laval research center, Quebec, Canada) ,  Guertin Jason R. (Departement de Medecine Sociale et Preventive, Universite Laval, Quebec, Canada)
資料名： Pharmacoepidemiology and Drug Safety  (Pharmacoepidemiology and Drug Safety)
巻： 31  号： 4  ページ： 424-433  発行年： 2022年 
JST資料番号： W0540A  ISSN： 1053-8569  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： PURPOSE:Confounding調整は,観察研究における結果に対する曝露の影響を推定するために必要である。しかし,大きな健康管理データを解析するとき,可変選択と非測定交絡は特に困難である。機械学習法は,これらの課題に対処するのに役立つ。目的は,交絡因子を選択し,未測定の交絡バイアスを低減するためのそのような方法の能力を評価することである。方法:既知の真の効果によるシミュレーション研究を行った。実際の大きな健康管理データを組み込んだ完全合成および部分合成データを作成した。交絡(BAC),一般化Bayes因果効果推定(GBCEE),グループLassoおよびDoublyロバスト推定,高次元傾向スコア(hdPS)およびスケーラブル協調標的最尤アルゴリズムに対するBayes調整を比較した。hdPSに対して,全母集団における効果を標的とする2つの調整アプローチを考察した:完全マッチングと逆確率重みづけ。結果:隠れ交絡因子のないシナリオでは,ほとんどの方法は本質的に不偏であった。hdPSのバイアスと分散は,アルゴリズムによって選択された変数の数によってかなり変化した。隠れ交絡因子のシナリオでは,部分合成シミュレーションにおいて,観察された交絡因子(hdPS)およびグループLassoだけによって調整するのと比較して,プロキシを同定するために機械学習法を用いて,実質的なバイアス低減を達成した。BAC,GBCEE,およびスケーラブル協調ターゲット最尤アルゴリズムは,特に良好に実行した。結論:機械学習は,大きなヘルスケアデータベースにおける測定交絡因子の同定を助けることができる。また,それらは,残留交絡バイアスを実質的に低減するために,非測定交絡因子のプロキシを資本化できる。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  確率 ,  シミュレーション ,  *データベース ,  研究 ,  最尤法 ,  変数 ,  *健康管理 ,  高次元 ,  母集団 ,  マッチング ,  ロバスト推定 ,  機械学習
準シソーラス用語： プロキシ ,  傾向スコア ,  観察研究 , 【Automatic Indexing@JST】

著者キーワード (6件)： アルゴリズム ,  生物統計学 ,  交絡因子 ,  機械学習 ,  薬剤疫学 ,  傾向スコア

分類 (2件)： 疫学  (GB03000E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 大規模 ,  管理データベース ,  推定 ,  交絡 ,  調整法