共変量の評価において、ルックバック期間を利用可能なすべてのデータに拡大することの効果

背景：固定されたベースライン期間は、請求からの薬物療法研究における一般的な共変量評価アプローチでしたが、高レベルの共変量誤分類につながる可能性があります。シミュレーション研究では、診断、手順、薬物のバイナリ指標について、利用可能なすべてのデータ（AAD）へのルックバックアプローチを拡大することを推奨していますが、このアプローチを使用した実際のデータ分析はほとんどありませんでした。 目的：この研究の目的は、治療効果の推定値への影響と、迅速なサイクル分析プラットフォームであるADeationシステムの5つの検証された研究内で、ルックバック期間を拡大するという共変量の有病率を調査することです。 方法：5つの研究を再現し、（i）固定ウィンドウアプローチ（通常は治療開始の180日前）、（ii）治療開始前の（ii）AAD、および（iii）Remencyアプローチによって分類されたAADを使用して共変量を評価しました。共変量の最近の発生は、最近（固定ウィンドウ内で発生する）または過去（固定ウィンドウの開始前）とラベル付けされました。各共変量評価アプローチについて、傾向スコアマッチングを介して共変量を調整しました。 結果：すべての研究には、固定ウィンドウからAADアプローチまで15％以上の有病率が増加した少なくとも1つの共変量がありました。ただし、共変量評価アプローチが異なることに起因する治療効果の推定値はほとんど変化しませんでした。たとえば、高強度と低強度スタチンユーザーにおける急性冠症候群の研究では、固定ウィンドウアプローチからの推定ハザード比は1.11（95％信頼区間0.98、1.25）に対して1.21（1.07、1.37）でした。Remencyによって分類されたAADおよび1.19（1.05、1.35）。 結論：ベースライン期間をAADに拡大すると、それ以外の場合は見逃されるデータをキャプチャすることにより、共変量感度が改善されましたが、固定ウィンドウアプローチと比較して、全体的な治療効果の推定値を有意に変更しませんでした。Copyright©2017 John Wiley＆Sons、Ltd。

BACKGROUND: A fixed baseline period has been a common covariate assessment approach in pharmacoepidemiological studies from claims but may lead to high levels of covariate misclassification. Simulation studies have recommended expanding the look-back approach to all available data (AAD) for binary indicators of diagnoses, procedures, and medications, but there have been few real data analyses using this approach. OBJECTIVE: The objective of the study is to explore the impact on treatment effect estimates and covariate prevalence of expanding the look-back period within five validated studies in the Aetion system, a rapid cycle analytics platform. METHODS: We reran the five studies and assessed covariates using (i) a fixed window approach (usually 180 days before treatment initiation), (ii) AAD prior to treatment initiation, and (iii) AAD with a categorized by recency approach, where the most recent occurrence of a covariate was labeled as recent (occurring within the fixed window) or past (before the start of the fixed window). For each covariate assessment approach, we adjusted for covariates via propensity score matching. RESULTS: All studies had at least one covariate that had an increase in prevalence of 15% or higher from the fixed window to the AAD approach. However, there was little change in treatment effect estimates resulting from differing covariate assessment approaches. For example, in a study of acute coronary syndrome in high-intensity versus low-intensity statin users, the estimated hazard ratio from the fixed window approach was 1.11 (95% confidence interval 0.98, 1.25) versus 1.21 (1.07, 1.37) when using AAD and 1.19 (1.05, 1.35) using categorized by recency. CONCLUSION: Expanding the baseline period to AAD improved covariate sensitivity by capturing data that would otherwise be missed yet did not meaningfully change the overall treatment effect estimates compared with the fixed window approach. Copyright © 2017 John Wiley & Sons, Ltd.