Abstract
Zusammenfassung
Hintergrund
Therapieentscheidungen, die durch „Wenn-dann“-Algorithmen basierend auf bspw. Krankheitsverläufen oder vergangenen Therapien geregelt werden, sind dynamische Fragestellungen. Die Effektivität von dynamischen Therapiestrategien wird häufig mit Real World Data (RWD), d. h. Realdaten, untersucht. Einerseits bieten RWD ein großes Potenzial, da hiermit viele unterschiedliche in der Routineversorgung vorkommende Therapiestrategien analysiert werden können. Andererseits bergen Effektschätzer aus RWD-Analysen ein hohes Verzerrungspotenzial.
Ziel der Arbeit
Dieser Artikel beschreibt, wie dynamische Behandlungsstrategien mithilfe von RWD adäquat verglichen und damit die optimale Therapiestrategie identifiziert werden können.
Material und Methoden
Wir beschreiben, wie die Kombination aus drei Ansätzen eine kausale Interpretation der Ergebnisse erlaubt. Hierzu gehören (1) Kausaldiagramme, (2) Target-Trial-Emulierung sowie (3) statistische g‑Methoden. Der beschriebene kausale Ansatz und die genannten Begriffe und Konzepte werden erläutert und anhand eines Fallbeispiels verdeutlicht, in welchem untersucht wird, wann die antivirale Therapie bei behandlungsnaiven Patient:innen mit HIV-Infektion begonnen werden sollte.
Ergebnisse
Kausaldiagramme visualisieren kausale Prozesse, die der Datengenerierung zugrunde liegen. Sie helfen, Parameter zu identifizieren, die in der Analyse berücksichtigt werden müssen. Die Target-Trial-Emulierung simuliert eine randomisierte klinische Studie, indem alle möglichen dynamischen Strategien definiert, die Patientendaten kopiert („geklont“) und jede:r Patient:in jedem Behandlungsarm zugewiesen werden. In einer kausalen Per-Protokoll-Analyse werden alle Patient:innen, die das jeweilige Protokoll einer Behandlungsstrategie verletzen, zensiert. Durch g‑Methoden wird für informatives Zensieren adjustiert. Die erwarteten Outcomes jeder Behandlungsstrategie werden simuliert und miteinander verglichen.
Schlussfolgerung
Dynamische Behandlungsstrategien können mithilfe von RWD adäquat verglichen werden, wenn drei kausale Ansätze kombiniert werden und die erforderlichen Daten vorliegen. Diese Ansätze sind (1) Kausaldiagramme, (2) Target-Trial-Emulierung sowie (3) statistische g‑Methoden.
Funder
Land Tirol
UMIT TIROL-Private Universität für Gesundheitswissenschaften und -technologie GmbH
Publisher
Springer Science and Business Media LLC
Subject
Public Health, Environmental and Occupational Health
Cited by
1 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献