论文网
数据库有关论文范本,与欧盟《药物流行病学方法学标准指导手册》译介相关毕业论文致谢
本论文是一篇数据库有关毕业论文致谢,关于欧盟《药物流行病学方法学标准指导手册》译介相关毕业论文题目范文。免费优秀的关于数据库及统计分析及药物方面论文范文资料,适合数据库论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
暴露/结局/协变量的正确评估对于研究的效度至关重要.药物暴露量、结局或协变量定义的电子信息验证是根据数据库和项目具体情况而定,并构成每个数据库的技术手册内容[14].5.2.2偏倚和混杂
5.2.2.1暴露风险窗口的选择暴露风险窗口（exposureriskwindow）的选择可以影响风险比较.在ADR研究中,暴露风险窗口构成每个处方的暴露天数.当每个暴露风险窗口将只覆盖本期间潜在超量风险时,为理想设计时机.与药品有关的风险时间取决于药物使用时间以及药物毒性反应发生和持续时间.处方风险窗口的选择,可以影响暴露风险的估计.风险窗口应被验证,或应进行敏感性分析.
5.2.2.2未亡时间偏倚（immortaltimebias）流行病学中的“未亡时间”是指特定期间未见死亡（或决定终结随访的结局）的队列随访时间.当在进入队列和首次出现暴露的日期之间的间期被错误分类或简单地被排除且在分析中未考虑时,未亡时间偏倚就会发生.因此,对于获得出乎意料的有益效果的观察性研究,应警惕这种偏倚的存在.在利用电子数据库开展评价药物效益的观察性研究时,必须进行正确的设计和分析,以避免未亡时间偏倚.
5.2.2.3易感人群损耗易感人群损耗（depletionofsusceptibles）是指坚持用药的人群具有高耐受性,而那些容易遭受不良事件的患者则选择处于危险人群之外的效应.因此,既往使用某药应被作为使用该药发生某事件相关联的非实验风险评估条件下的潜在风险调节.
5.2.2.4适应证混杂因素适应证混杂因素（confoundingbyindication）是指如果特定的高风险或不良预后是实施干预的适应证,那么现有结局参数外部的决定因素就成为了一种混杂.这意味着病例组和对照组之间的医疗差异可能部分源于干预适应证的差异,如特定健康问题存在的危险因素.潜在的适应证混杂可以通过适当的分析方法控制,其中包括分离不同时间用药的疗效、不可测混杂因素的敏感分析、工具变量和G-估计.5.2.2.5药物/暴露原始反应偏倚药物/暴露原始反应偏倚（protopathicbias）是指使用某种药物（暴露）治疗某种疾病（结局）时,发生了某种新诊断症状,并将其判断为该药所导致的某种原始反应.例如,使用镇痛药治疗由一个未确诊的肿瘤引起的疼痛,可能会导致镇痛药引发肿瘤的错误结论.因此,药物/暴露原始反应偏倚反映了原因和效应的倒置[15].
5.2.2.6不可测的混杂因素大型医疗数据库经常被用来分析处方药和生物制剂非预期的效果,此时,这类数据库中的混杂因素由于需要临床参数、生活方式或过度非处方用药方面的详细信息,导致无法测量,进而引起残余混杂偏倚.针对这种使用医疗数据库的药物流行病学研究中的残余混杂因素的分析,SchneeweissS采用较为系统的敏感分析方法[16].
5.2.3控制偏倚和混杂的方法
5.2.3.1新用药者设计（new-userdesigns）大多数观察性研究以纳入现行用药者（即患者在随访研究开始前已治疗一段时间）为主,这种形式可能会导致两类的偏倚.一是现行用药者是初期药物治疗的“幸存者”,如果风险随着时间推移变化,可能导致主要偏倚；二是对药品使用者在进入研究时的协变量往往不可避免地受到药物本身的影响.新用药者设计有助于避免在调整因果路径上不同因素时可能导致混杂的相关错误.
5.2.3.2自身-对照设计病例-交叉研究（case-crossoverstudies）和病例-时间-对照研究（case-time-controlstudies）对于研究短暂暴露-即时效应特别适合,且不易受到适应证混杂因素的影响.病例-交叉研究使用每个病例的暴露史作为自身对照,可以反映暴露与即时效应的时间关系.这种设计通过包括慢性适应证等稳定特性,消除个体之间的混杂[17].病例-时间-对照设计是病例-交叉设计的一个更高层次的改良,它从传统对照组的暴露史数据来估计和调整处方时空变化中的偏倚[18].然而,如果未能很好地匹配,对照组可能会重新产生选择偏倚.在这种情况下,病例-病例-时间-对照（case-case-time-control）方法可能有所帮助[19].
自身对照病例系列（self-controlledcaseseries,SCCS）方法产生于研究短暂暴露（疫苗）和不良事件之间的关联研究中.将每个病例给定的观测时间划分为对照期和风险期,风险期定义为暴露过程中或在暴露后,然后比较在对照期和风险期的发病率.其优点是那些不随时间推移而变化的混杂因素（如遗传学、地理位置、社会经济状态）都是可控的,即使在高度暴露的人群中亦可进行风险评估[20].
5.2.3.3疾病风险评分控制大量混杂因素的方法之一是构建一个多变量混杂因素的综合评分,将潜在的混杂因素汇总为一个分值.其中一个例子是疾病风险评分（diseaseriskscores,DRS）,其估计在未暴露条件下的疾病发生的概率或率.然后估计暴露与疾病之间的关联性,对单个协变量进行疾病风险评分的调整.如果结局是罕见的,DRS则较难估计.
5.2.3.4倾向性评分药物流行病学研究中使用的数据库通常包括处方药记录,并面向医疗服务提供者,从中可以构建潜在混杂因素（药物暴露和协变量）的替代测量方法.逐日跟踪这些变量的变化往往是可行的.尽管这些信息是研究成功的关键,但其数量为统计分析带来了挑战.
倾向性评分（propensityscore,PS）将大量可能的混杂因素综合成为1个单一的变量（得分）,这和疾病风险评分类似.暴露倾向性评分（exposurepropensityscore,EPS）是指暴露条件概率（暴露于给定观察协变量的治疗措施下）.在队列研究中,匹配或分层处理和比较受试者的EPS趋向于平衡所观察到的所有协变量.然而,与治疗方法随机分配不同的是,PS不能平衡未观测的协变量.
| 有关论文范文主题研究: | 关于数据库的论文范文集 | 大学生适用: | 学士学位论文、学校学生论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 20 | 写作解决问题: | 写作技巧 |
| 毕业论文开题报告: | 论文任务书、论文选题 | 职称论文适用: | 核心期刊、职称评初级 |
| 所属大学生专业类别: | 写作技巧 | 论文题目推荐度: | 免费选题 |
除高维倾向性评分（high-dimensionalpropensityscore,hd-PS）外,与传统的多变量模型相比,在研究者可识别的混杂因素调整方面,虽然在大多数情况下PS模型不具有任何优势,但仍然可能会获得一些益处.PS方法可能有助于探索治疗的决定因素,包括年龄、衰老和合并症,可以帮助识别与期望相反的治疗个体.PS分析原理的优势在于在暴露不罕见而结局罕见的情况下,可以调整大量的协变量,这是药物安全性研究中经常遇到的一种情况.
5.2.3.5工具变量工具变量（instrumentalvariable,IV）模型的方法,是在70年前发明的,但最近才被应用于流行病学研究.其中IV校正法在很多情况下具有应用价值.即使IV假设有问题,校正仍然可以作为敏感性分析或外部调整的一部分.然而,当假设非常有说服力时,在实地试验和获得效度或信度数据的研究中,IV方法可以作为分析中1个完整部分.《安全性和有效性比较研究中的工具变量方法》[21]是药物流行病学中IV分析的1个实用指南.IV分析的1个重要局限是弱工具（IV和暴露之间的微小联系）,会降低统计效能和有偏IV估计.
5.2.3.6时间依赖性混杂因素的控制G-估计（G-estimation）是一种类似于工具变量的方法,该方法主要评估随时间变化治疗措施的联合效应.边际结构模型（marginalstructuralmodels,MSM）是G-估计
数据库有关论文范本,与欧盟《药物流行病学方法学标准指导手册》译介相关毕业论文致谢参考文献资料：