MedElevator Войти в исследования
← Поиск публикаций

DOI 10.1111/biom.13210

Медицинская библиотека · Biometrics · 2020

Оценка важности лечения туберкулеза, устойчивого к многочисленным лекарственным препаратам, с использованием целевого обучения: метаанализ данных о пациентах с помощью сети наблюдений.

Wang Guanbo, Schnitzer Mireille E, Menzies Dick, Viiklepp Piret, Holtz Timothy H, Benedetti Andrea

СтатьяПоддержка исследования: вне правительства СШАNetwork Meta-AnalysisМашинный перевод · не проверен

Аннотация

Лица, больные туберкулезом с несколькими лекарственными препаратами, страдают болезнью, вызванной штаммом туберкулеза (ТБ), который не реагирует, по крайней мере, на изонизид и рифампицин, которые являются двумя наиболее эффективными лекарственными препаратами против туберкулеза. MDR-TB всегда лечится несколькими антимикробными агентами. Наши данные состоят из данных по отдельным пациентам, полученных в ходе 31 международного исследования, посвященного наблюдению, с использованием различных методов выписки рецептов, доступа к лекарствам и распределения антибиотической устойчивости. В этом исследовании мы разрабатываем критерии идентифицируемости для оценки глобального показателя важности лечения в контексте, когда не все лекарства наблюдаются во всех исследованиях. При наличии более серьезных причинно-следственных предположений этот показатель важности лечения можно интерпретировать как эффект добавления лекарства к существующему лечению. Затем мы используем этот показатель для ранжирования 15 наблюдаемых антимикробных агентов с точки зрения их предполагаемой дополнительной ценности. Используя концепцию переносимости, мы предлагаем провести целевую оценку максимальной вероятности, двойную надежную и эффективную на местном уровне оценку степени важности обработки. Для расчета оценок разницы и установления доверительных интервалов используется группированный оценочный сэндвич. Имитационные исследования проводятся для оценки эффективности работы нашего оценщика, проверки двойных параметров и оценки целесообразности применения подхода, основанного на оценке разницы.

Для цитирования: Wang Guanbo, Schnitzer Mireille E, Menzies Dick, Viiklepp Piret, Holtz Timothy H, Benedetti Andrea. Estimating treatment importance in multidrug-resistant tuberculosis using Targeted Learning: An observational individual patient data network meta-analysis.. Biometrics. 2020. DOI: 10.1111/biom.13210.
Название и аннотация на языке оригинала

Estimating treatment importance in multidrug-resistant tuberculosis using Targeted Learning: An observational individual patient data network meta-analysis.

Persons with multidrug-resistant tuberculosis (MDR-TB) have a disease resulting from a strain of tuberculosis (TB) that does not respond to at least isoniazid and rifampicin, the two most effective anti-TB drugs. MDR-TB is always treated with multiple antimicrobial agents. Our data consist of individual patient data from 31 international observational studies with varying prescription practices, access to medications, and distributions of antibiotic resistance. In this study, we develop identifiability criteria for the estimation of a global treatment importance metric in the context where not all medications are observed in all studies. With stronger causal assumptions, this treatment importance metric can be interpreted as the effect of adding a medication to the existing treatments. We then use this metric to rank 15 observed antimicrobial agents in terms of their estimated add-on value. Using the concept of transportability, we propose an implementation of targeted maximum likelihood estimation, a doubly robust and locally efficient plug-in estimator, to estimate the treatment importance metric. A clustered sandwich estimator is adopted to compute variance estimates and produce confidence intervals. Simulation studies are conducted to assess the performance of our estimator, verify the double robustness property, and assess the appropriateness of the variance estimation approach.

Предметные рубрики MeSH

Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…

История · было → стало

Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.

Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.