Niveau: Anfänger
【Moderator】
Kosuke Nakazono, Technischer Mitarbeiter, ARO Next Generation Medical Center, Kyushu University Hospital
Hiroko Watanabe, ARO Next Generation Medical Center, Kyushu University Hospital
Masayuki Hirose, ARO Next Generation Medical Center, Kyushu University Hospital
Takeshi Toyama, ARO Next Generation Medical Center, Kyushu University Hospital
Koshiro Tagawa, ARO Next Generation Medical Center, Kyushu University Hospital
Takuya Nagata, ARO Next Generation Medical Center, Kyushu University Hospital
Junji Kishimoto, ARO Next Generation Medical Center, Kyushu University Hospital
[Präsentationsübersicht]
Beobachtungsstudien und epidemiologische Studien, in denen Gruppen verglichen werden, um Behandlungseffekte abzuschätzen, weisen häufig Ungleichgewichte in Bezug auf Hintergrundfaktoren auf. Der Analyse sollte gebührende Aufmerksamkeit geschenkt werden, da das Ungleichgewicht von Hintergrundfaktoren, die zwischen den Gruppen verwirrend sein können, die Vergleichbarkeit beeinträchtigen kann. Im Allgemeinen kann das Ungleichgewicht der Störfaktoren bis zu einem gewissen Grad durch stratifizierte Analyse ausgeglichen werden.
Eine der Anpassungsmethoden, die in solchen Fällen verwendet wird, ist die Analyse mit Neigungswerten. Neigungsbewertungen werden hauptsächlich für stratifizierte Analysen, Matching und inverse Wahrscheinlichkeitsgewichtung (IPW) verwendet, und Matching kann mit JMP-Add-Ins implementiert werden. Die stratifizierte Analyse nach Neigungswert und IPW ist jedoch nicht in JMP implementiert und erfordert einige manuelle Schritte. Da mehrere Propensity-Score-Modelle in der Analyse mit Propensity-Scores untersucht werden, ist die Automatisierung des Verfahrens wichtig, um die Effizienz der Forschung zu verbessern.
In dieser Präsentation konzentrieren wir uns auf IPW basierend auf Neigungswerten und stellen vor, wie es in JMP ausgeführt und wie das Verfahren mit Demonstrationen automatisiert werden kann.
