关于观察性研究中因果推断的已发表预后评分的汇总

摘要

由于真实世界的药物疗效证据涉及非随机研究，因此需要调整混杂因素的统计方法。在这种情况下，最近已经提出预后评分（PGS）分析作为因果推断的方法。它旨在通过识别对于给定参考暴露具有相似预后的受试者（"对照"）来恢复不同治疗组之间的平衡。这需要在研究样本的对照组中开发多变量预后模型试管婴儿双胞胎论坛，然后将其外推到不同的治疗组。不幸的是，用于开发预后模型的大型队列并不总是可用的。因此，预后模型在过度拟合和简约之间存在两难选择;当忽略重要的协变量时，后者倾向于违反没有不可测量的混杂因素的假设。虽然可以通过使用惩罚策略来限制过度拟合，但另一种方法是采用证据综合。汇总以前发表的预后模型可能会提高PGS的普遍性，同时考虑到大量的协变量，即使有限的个体参与者数据可用。在本文中，我们将预测模型聚合的方法扩展到非随机研究中的PGS分析。与其他用于估计边际治疗效果的PGS分析方法相比，我们进行了广泛的模拟以评估模型聚合的有效性。我们表明，即使基本分数错误地忽略混杂因素或关注不同的结果，将现有的PG聚合成a"meta-score"对于错误指定也是稳健的。我们在哮喘治疗中说明我们的方法。

关键词：聚集;因果推断;观察性研究;预后评分;回归建模。