Abstract
Zusammenfassung
Hintergrund
Bei der Ermittlung von Behandlungseffekten mit Real World Data (RWD) kann die Gefahr bestehen, verzerrte Ergebnisse zu erhalten, wenn die Verteilung der Vorbehandlungscharakteristika der Studienteilnehmer in den zu vergleichenden Gruppen unterschiedlich ist (Confounding). Propensity Scores (PS) sind eine geeignete Methode zur Bildung von Gruppen mit vergleichbarer Verteilung von Charakteristika, um anschließend den interessierenden Behandlungseffekt zu schätzen.
Ziel der Arbeit
Ziel des vorliegenden Beitrags ist eine Einführung in die Berechnung und Anwendung von PS.
Material und Methoden
Die Methode der PS wird beschrieben und mit Bezug zur Übersichtsliteratur erläutert. Vor- und Nachteile der Methodik werden aufgezeigt.
Ergebnisse
Es wird dargestellt, wie PS berechnet und angewendet werden. Varianten der Berechnung sind: die logistische oder die Probit-Regression, die Diskriminanzanalyse, „classification and regression trees“ (CART), neuronale Netze und andere Methoden. PS werden zum Matching, zur Stratifizierung, zur Gewichtung und im Rahmen einer Regression angewandt.
Schlussfolgerung
Die Anwendung der PS führt zu einem quasiexperimentellen Studiendesign und hilft ggf. unverzerrte Behandlungseffekte im Rahmen der Analyse von RWD zu schätzen.
Funder
UMIT TIROL-Private Universität für Gesundheitswissenschaften und -technologie GmbH
Publisher
Springer Science and Business Media LLC
Subject
Public Health, Environmental and Occupational Health