Studienanpassung und Schichtung

Matching und Schichtung sind Designelemente, die dazu dienen, Störfaktoren zu kontrollieren, indem von vornherein ein Gleichgewicht für bekannte Faktoren in eine Studie eingebaut wird. Matching paart oder gruppiert Probanden so, dass Vergleichsgruppen die gleiche Verteilung eines Störfaktors aufweisen, während die Schichtung Probanden in homogene Schichten unterteilt, innerhalb derer Vergleiche angestellt werden. Beides sind Methoden, um Vergleichsgruppen hinsichtlich ausgewählter Variablen ähnlicher zu machen, sodass der interessierende Kontrast durch diese Variablen weniger verzerrt wird.

Definition

Matching ist eine Designtechnik, die Vergleichssubjekte so auswählt, dass sie die Verteilung eines oder mehrerer Störfaktoren mit den Indexsubjekten teilen, und Schichtung ist die Unterteilung von Subjekten in Untergruppen (Schichten), die durch Störfaktoren definiert sind, sodass Expositions-Ergebnis-Vergleiche innerhalb homogener Schichten durchgeführt werden.

Scope

Der Eintrag behandelt die Begründung für Matching und Schichtung, den Unterschied zwischen individuellem und Frequenz-Matching, die Verwendung von Schichten sowohl in Beobachtungsstudien als auch in randomisierten Studien sowie die analytischen Implikationen (wie die Notwendigkeit einer gematchten oder geschichteten Analyse). Er ist als methodische Referenz zur Kontrolle von Störfaktoren durch Design konzipiert und enthält keine klinischen Anweisungen.

Key concepts

• Kontrolle von Störfaktoren durch Studiendesign
• Individuelles (Paar-)Matching versus Frequenz-Matching
• Schichten und Vergleich innerhalb von Schichten
• Geschichtete Randomisierung in Studien
• Gematchte Analyse (bedingte Methoden)
• Overmatching
• Effizienzverlust durch Matching auf Nicht-Störfaktoren

Mechanisms

Beide Techniken eliminieren oder reduzieren die Störfaktoren durch eine gewählte Variable vor der Analyse. Matching erzwingt, dass der gematchte Faktor in den verglichenen Gruppen die gleiche Verteilung aufweist, sodass er die Assoziation nicht mehr stören kann, erfordert jedoch eine Analyse, die die gematchte Struktur berücksichtigt; die Analyse gematchter Daten, als wären sie nicht gematcht, kann die Ergebnisse verzerren. Die Schichtung teilt die Probanden in Schichten ein, innerhalb derer der Störfaktor im Wesentlichen konstant ist, schätzt die Assoziation innerhalb jeder Schicht und kombiniert die schichtspezifischen Schätzungen. In randomisierten Studien führt die geschichtete Randomisierung die Zuweisung separat innerhalb der Schichten durch, um wichtige prognostische Faktoren über die Arme hinweg auszugleichen, üblicherweise in Kombination mit Blocking.

Clinical relevance

Zu erkennen, ob eine Studie Störfaktoren durch Matching oder Schichtung kontrolliert hat und ob die Daten entsprechend analysiert wurden, ist Teil der Beurteilung, ob eine beobachtete Assoziation glaubwürdig ist. Dieser Eintrag beschreibt Design- und Analysemethoden für die Forschung und ist keine Quelle für diagnostische oder therapeutische Anleitungen.

Evidence & guidelines

Die methodische Literatur unterscheidet den Designakt des Matchings vom analytischen Akt der geschichteten oder gematchten Analyse und betont, dass gematchte Designs gematchte Analysen erfordern, um Verzerrungen zu vermeiden. Leitlinien zur geschichteten Randomisierung in Studien weisen darauf hin, dass sie in kleineren Studien am nützlichsten ist und mit Blocking kombiniert werden sollte, und Standardlehrbücher der Epidemiologie legen dar, wann Matching die Effizienz verbessert und wann ein Overmatching bei einem Nicht-Störfaktor schadet.

History

Matching wird seit langem in Fall-Kontroll-Studien chronischer Krankheiten eingesetzt, um starke Störfaktoren wie Alter und Geschlecht zu kontrollieren, und die Monographie von Breslow und Day aus dem Jahr 1980 kodifizierte die bedingte (gematchte) Analyse, die diese Designs erfordern. Die geschichtete Analyse geht auf die Mantel-Haenszel-Methoden Mitte des 20. Jahrhunderts zurück, und die geschichtete Randomisierung wurde in klinischen Studien übernommen, um prognostische Faktoren über die Behandlungsarme hinweg auszugleichen, wobei spätere methodische Überprüfungen klärten, wann sie einen Mehrwert bietet.

Debates

Wann hilft Matching, und wann schlägt es fehl?

Matching auf einen echten Störfaktor kann die Effizienz verbessern, aber Matching auf eine Variable, die kein Störfaktor ist oder auf dem kausalen Pfad liegt, kann die Effizienz verringern oder Verzerrungen einführen (Overmatching); die Entscheidung hängt von der Kausalstruktur ab, nicht von der Bequemlichkeit.

Ist eine geschichtete Randomisierung in großen Studien notwendig?

Die Schichtung hält wichtige prognostische Faktoren im Gleichgewicht und ist in kleineren Studien am wertvollsten, während in großen Studien die einfache Randomisierung dazu neigt, Faktoren von selbst auszugleichen; eine Überschichtung kann viele spärliche Schichten erzeugen und das Design verkomplizieren.

Key figures

• Norman Breslow
• Nicholas Day
• Kenneth Rothman
• Sander Greenland
• Neil Pearce

Seminal works

• breslow-day-1980-matching
• pearce-2016-matched
• kernan-1999-stratified

Frequently asked questions

Was ist der Unterschied zwischen Matching und Schichtung?

Matching ist eine Stichprobenentscheidung, die bei der Auswahl von Probanden getroffen wird (Auswahl von Vergleichsprobanden, die eine Verteilung eines Störfaktors teilen), während die Schichtung Probanden in Untergruppen unterteilt, die durch einen Störfaktor definiert sind, und Exposition und Ergebnis innerhalb dieser Untergruppen vergleicht; gematchte Daten erfordern auch eine gematchte Analyse.

Was ist Overmatching?

Overmatching ist das Matching auf eine Variable, die nicht gematcht werden sollte, wie z. B. eine, die kein Störfaktor ist oder die auf dem kausalen Pfad zwischen Exposition und Ergebnis liegt; es kann die statistische Effizienz verringern oder die Schätzung verzerren, anstatt die Kontrolle von Störfaktoren zu verbessern.