Adjusted restricted mean survival times in observational studies.
Adjusted restricted mean survival times in observational studies.
复制标题
DOI：
10.1002/sim.8206
复制
发表时间：
2019-09-10
影响因子：
2
通讯作者：
Trinquart L
中科院分区：
文献类型：
--
作者：
Conner SC;Sullivan LM;Benjamin EJ;LaValley MP;Galea S;Trinquart L
在带有删节数据的观察性研究中，暴露-结果关联通常是用多变量Cox比例风险模型中调整后的风险比(HR)来衡量的。限制的平均生存时间(RMST)直到预先指定的时间点的差异是一种替代的测量方法，它提供了临床上有意义的解释。有几种基于回归的方法可以估计调整后的RMST差异，但它们偏离了在生存函数下计算面积的无模型方法。我们通过将调整的Kaplan-Meier估计量与逆概率加权(IPW)相结合来得到调整后的RMST。调整后的RMST差值是两个IPW调整后的生存函数之间的面积。在蒙特卡罗模拟研究中，我们证明了所提出的估计量的性能与两种基于回归的方法一样好：Tian等人的ANCOVA方法和Andersen等人的伪观察法。在弗雷明翰心脏研究中，我们通过重新检查总胆固醇与冠心病10年风险之间的关系来说明这些方法。
In observational studies with censored data, exposure-outcome associations are commonly measured with adjusted hazard ratios (HRs) from multivariable Cox proportional hazards models. The difference in restricted mean survival times (RMST) up to a pre-specified time point is an alternative measure that offers a clinically meaningful interpretation. Several regression-based methods exist to estimate an adjusted difference in RMSTs, but they digress from the model-free method of taking the area under the survival function. We derive the adjusted RMST by integrating an adjusted Kaplan-Meier estimator with inverse probability weighting (IPW). The adjusted difference in RMSTs is the area between the two IPW-adjusted survival functions. In a Monte Carlo-type simulation study, we demonstrate that the proposed estimator performs as well as two regression-based approaches: the ANCOVA-type method of Tian et al and the pseudo-observation method of Andersen et al. We illustrate the methods by re-examining the association between total cholesterol and the 10-year risk of coronary heart disease in the Framingham Heart Study.
登录
查看更多内容
影响因子：
1.9
作者：
Schaubel DE;Wei G
通讯作者：
Wei G
影响因子：
2
作者：
Austin PC
通讯作者：
Austin PC
影响因子：
2.7
作者：
Finegold, Judith A.;Shun-Shin, Matthew J.;Francis, Darrel P.
通讯作者：
Francis, Darrel P.
影响因子：
2
作者：
Austin, Peter C.
通讯作者：
Austin, Peter C.
影响因子：
2
作者：
Royston, P;Parmar, MKB
通讯作者：
Parmar, MKB