病院ベースの観察データを使用したターゲットトライアルエミュレーション：Covid-19でのデモと応用

方法論的バイアスは、治療の有効性を評価する観察研究で一般的です。この研究の目的は、病院ベースの観察データを使用して、競合するリスク設定でターゲットトライアルをエミュレートすることです。不滅の時間バイアスと時間固定された交絡バイアスを考慮して確立された方法論を拡張し、退院を超えた生存情報が利用できない設定：コロナウイルス疾患2019（COVID-19）の研究データに共通する状態。この模範的な研究には、Covid-19の618人の入院患者のコホートが含まれています。従来の統計的方法を適用することを克服できない方法論的な機会と課題について説明します。クローンセンサー重量技術を介して、この試行エミュレーションアプローチの実用的な実装を実証します。競合するリスク分析を実施し、原因固有の累積ハザードと累積発生確率を報告します。私たちの分析は、COVID-19病院研究で競合するリスクを説明するためにターゲットトライアルエミュレーションフレームワークを拡張できることを示しています。分析では、不滅の時間バイアス、時間固定された交絡バイアス、および競合するリスクバイアスを同時に避けます。恵み期間の長さを選択することは、臨床的観点から正当化され、信頼できる結果を確保する上で重要な利点があります。競合するリスク分析とのこの拡張試験エミュレーションにより、治療効果の公平な推定と、すべての臨床的に重要な結果に対する治療の有効性を解釈する能力が可能になります。

Methodological biases are common in observational studies evaluating treatment effectiveness. The objective of this study is to emulate a target trial in a competing risks setting using hospital-based observational data. We extend established methodology accounting for immortal time bias and time-fixed confounding biases to a setting where no survival information beyond hospital discharge is available: a condition common to coronavirus disease 2019 (COVID-19) research data. This exemplary study includes a cohort of 618 hospitalized patients with COVID-19. We describe methodological opportunities and challenges that cannot be overcome applying traditional statistical methods. We demonstrate the practical implementation of this trial emulation approach via clone-censor-weight techniques. We undertake a competing risk analysis, reporting the cause-specific cumulative hazards and cumulative incidence probabilities. Our analysis demonstrates that a target trial emulation framework can be extended to account for competing risks in COVID-19 hospital studies. In our analysis, we avoid immortal time bias, time-fixed confounding bias, and competing risks bias simultaneously. Choosing the length of the grace period is justified from a clinical perspective and has an important advantage in ensuring reliable results. This extended trial emulation with the competing risk analysis enables an unbiased estimation of treatment effects, along with the ability to interpret the effectiveness of treatment on all clinically important outcomes.