Evidence from non-randomized and partially randomized studies (N: Non-randomized)
Zusammenfassung der Projektergebnisse
"Non-randomized" befasste sich mit der adäquaten Modellierung von Confounding in nicht-randomisierten Studien. Zeit-unabhängiges Confounding wurde für lineare Behandlungseffekte mit Hilfe von Propensity score Methoden untersucht und mit Regressionsansätzen verglichen. Für nicht-lineare Behandlungseffekte haben wir Punktschätzer und zugehörige Varianzschätzer für das marginale odds ratio vorgeschlagen und von dem bedingten odds ratio abgegrenzt. Weitere Methoden für die Schätzung von kausalen Effekten haben wir dabei in die Betrachtungen miteinbezogen. Wir konnten die Propensity score Methodik auch erfolgreich auf klinische Fragestellungen anwenden. Für zeitabhängiges Confounding haben wir structural models untersucht und angewandt. Es konnte gezeigt und anhand der Geparduo Daten illustriert werden, dass die Methode des inverse probability of treatment weighting zur Schätzung von Parametern aus einem marginal structural model als eine Erweiterung des Missing data Ansatzes verstanden werden kann.
Projektbezogene Publikationen (Auswahl)
- Impact of the degree of peri-interventional platelet inhibition after loading with Clopidogrel on early clinical outcome of elective coronary stent placement. Journal of the American College of Cardiology 2006;48:1742-1750
Hochholzer W, Trenk D, Bestehorn H, Fischer B, Valina C, Ferenc M, Gick M, Caputo A, Büttner H, Neumann F
- Clinical response by palpation during primary systemic therapy with 4 dose-dense cycles doxombicin and docetaxel in patients with operable breast cancer: further results from a randomised controlled trial. European Journal for Cancer 2007; 43:1654-1661
Müller C, Caputo A, Schumacher M, Raab G, Schütte M, Hilfrich J, Kaufmann M, von Minckwitz G
- Stratification for the propensity score compared with linear regression techniques to assess the effect of treatment or exposure. Statist. Med. 2007; 26(30):5529-5544
Senn S, Graf E, Caputo A
- Evidence from nonrandomized studies: A case study on the estimation of causal effects. Am J Epidemiol 2008; 167(9): 1120-1129
chmoor C, Caputo A, Schumacher M
- Letter to the editor: Comments on the performance of different propensity score methods for estimating marginal odds ratios. Statist. Med. 2008; 27(19):3915-3917
Graf E, Schumacher M
- Estimators and confidence intervals for the marginal odds ratio using logistic regression and propensity score stratification. Statist. Med. 2010; 29(7-8):760-769
Stampf S, Graf E, Schmoor C, Schumacher M
- Correction of confounding bias in non-randomized studies by appropriate weighting. Biom 7 2011; 53(2):369-387
Schmoor C, Gall C, Stampf S, Graf E
