Bayesci Vaka Serileri — Bayesian Vaka Serisi Analizi
Bayesian Case Series Analysis · Ayrıca şöyle bilinir: Bayesian case-series, BCS analysis, Bayesian self-controlled case series, Bayesian SCCS
Bayesian vaka serisi, ilaç veya aşı maruziyeti ve olumsuz bir sağlık olayı yaşayan hastaların kayıtları gibi tipik vaka serisi verilerine Bayesçi çıkarım uygulayan gözlemsel bir epidemiyolojik yöntemdir. Önsel kanıtları dahil ederek ve önceden belirlenmiş risk pencereleri içindeki insidans hızı oranının sonsal tahminlerini hesaplayarak, yöntem sabit bireysel düzeydeki karıştırıcıları kontrol ederken bir maruziyet ile bir sonuç arasındaki zamansal bir ilişkinin gücünü ölçer.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bireysel düzeyde olumsuz olayların ilaç veya aşı maruziyetini takiben uzunlamasına kayıtlarına sahip olduğunuzda ve amacınız sabit bireysel karıştırıcıları kontrol ederken insidans hızı oranını tahmin etmek olduğunda Bayesian vaka serisini kullanın. Özellikle ön klinik çalışmalar veya benzer ürünlerden elde edilen ön bilgilerin mevcut olduğu ve resmi olarak dahil edilmesi gereken farmakovijilans ve aşı güvenliği gözetiminde değerlidir. Zaman içinde değişen endikasyonla karıştırma gibi zamanla değişen karıştırıcıların olası olduğu durumlarda, olayların tekrarlayıcı ve bağımlı olduğu durumlarda, maruziyet dönemi ve olay riski penceresinin bireyler arasında karmaşık şekillerde örtüştüğü durumlarda veya veri kümesinin çok az vaka içerdiği durumlarda kullanmayın — Bayesçi güncelleme tahminleri iyileştirir ancak ciddi şekilde yetersiz güçlü çalışmalara kurtarma yapmaz.
Güçlü yönler & sınırlılıklar
- Ölçme veya zaman-sabit değişkenler için ayarlama yapma ihtiyacını ortadan kaldırarak, tasarım gereği tüm sabit bireysel düzeydeki karıştırıcıları kontrol eder.
- Ön klinik çalışmalar, mekanistik bilgi veya geçmiş gözetim verilerinden önsel dağılım aracılığıyla resmi olarak önsel kanıtları içerir.
- Basit bir p-değerinin ötesinde kalibre edilmiş belirsizlik ölçümü sağlayan, insidans hızı oranı üzerinde tam bir sonsal dağılım üretir.
- Sıralı güncellemeyi destekler: bir veri kümesinden elde edilen sonsal dağılım, bir sonraki için önsel olur ve gerçek zamanlı güvenlik gözetimini mümkün kılar.
- Klasik sıklıkçı yöntemlerin kararsız tahminler ürettiği seyrek veri ayarları için uygundur.
- Olayların maruziyete bağlı olarak bağımsız olduğunu varsayar; tekrarlayıcı, bağımlı olayların varlığında veya bir olayın daha fazla maruz kalma olasılığını değiştirmesi durumunda ihlal edilir.
- Mevsimsel hastalık veya bireyler içinde değişen eşzamanlı ilaçlar gibi zamanla değişen karıştırıcıları kontrol etmez.
- Önsel seçimi küçük örneklemlerde sonuçları önemli ölçüde etkileyebilir; zayıf veya yanlış belirlenmiş önseller sinyali hafife alabilir veya şişirebilir.
- Tam ve yanlı olmayan vaka tespiti gerektirir; sonuç yanlış sınıflandırması veya olumsuz olayların seçici raporlanması geçerliliği zayıflatır.
SSS
Bayesian vaka serisi, standart kendinden kontrollü vaka serisinden nasıl farklıdır?
Standart SCCS, klasik (sıklıkçı) koşullu Poisson regresyonunu kullanır ve maksimum olabilirlik tahmini ve güven aralığı üretir. Bir Bayesian vaka serisi, insidans hızı oranı üzerine bir önsel dağılım yerleştirir ve tam bir sonsal dağılım üretir. Bayesçi versiyon, önsel kanıtları resmi olarak içerir, yeni veriler geldikçe sıralı güncellemeyi destekler ve parametre hakkında doğrudan bir olasılık ifadesi olarak yorumlanabilen bir güven aralığı sağlar.
Hangi önsel dağılımı kullanmalıyım?
Log insidans hızı oranı üzerinde zayıf bilgilendirici bir log-normal önsel — 0'da merkezlenmiş (IRR = 1'e karşılık gelir) orta varyansla — verilerin çok seyrek olmadıkça verilerin baskın olmasına izin veren yaygın bir varsayılan değerdir. Benzer bileşiklerden veya ön klinik çalışmalardan elde edilen geçmiş veriler varsa, daha bilgilendirici bir önsel gerekçelendirilebilir, ancak sonuçların önsel varsayımlara ne kadar bağlı olduğunu okuyucuların değerlendirebilmesi için alternatif önseller altındaki hassasiyet analizleri her zaman bildirilmelidir.
Bu yöntemi elektronik sağlık kayıtları yerine spontan olumsuz olay raporlarıyla kullanabilir miyim?
Evet, ancak önemli uyarılarla. Spontan raporlama sistemleri, eksik raporlama, raporlama yanlılıkları (ünlü yanlılığı, Weber etkisi) ve payda veri eksikliğinden muzdariptir. Spontan raporlara uygulanan Bayesian vaka serisi, orantısızlığı tahmin edebilir ancak gerçek insidans hızı oranlarını tahmin edemez. Bayesian Bilgi Bileşeni (BIC) veya Gamma Poisson Shrinker gibi yöntemler, spontan raporlama veri tabanları için özel olarak geliştirilmiştir ve bu veri kaynağı için daha uygundur.
Ne kadar örneklem büyüklüğü gerekiyor?
Evrensel bir minimum yoktur, ancak son derece seyrek veriler — tüm vakalarda toplamda beşten az olay — önselden bağımsız olarak yüksek derecede belirsiz sonsal dağılımlar üretecektir. Pratikte, Bayesian vaka serisi en az 10-30 olay mevcut olduğunda en kullanışlıdır. Bayesçi çerçeve, küçük örneklemleri sıklıkçı SCCS'den daha iyi ele alır çünkü önsel tahminleri stabilize eder, ancak gerçek anlamda yetersiz güçlü bir çalışma istatistiksel çerçeve tarafından tek başına kurtarılamaz.
Ya sonuç aynı birey içinde tekrarlayabilirse?
Standart vaka serisi yöntemleri ya tek bir tekrarlamayan olayı ya da bağımsız tekrarlayan olayları varsayar. Olaylar tekrarlayıcıysa ve bir olayın meydana gelmesi sonraki bir olayın olasılığını etkilerse (örneğin, nöbetler), bağımsızlık varsayımı ihlal edilir. Tekrarlayıcı bağımlı olaylar için genişletilmiş SCCS modelleri Farrington ve arkadaşları tarafından geliştirilmiştir ve standart formülasyon yerine kullanılmalıdır.
Kaynaklar
- Strom, B. L. (Ed.). (2001). Pharmacoepidemiology (3rd ed.). Wiley. [Chapter on case series and signal detection] link ↗
- Whitaker, H. J., Farrington, C. P., Spiessens, B., & Musonda, P. (2006). Tutorial in biostatistics: The self-controlled case series method. Statistics in Medicine, 25(10), 1768–1797. DOI: 10.1002/sim.2302 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Bayesian Case Series Analysis. ScholarGate. https://scholargate.app/tr/epidemiology/bayesian-case-series
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kohort ÇalışmasıEpidemiyoloji↔ karşılaştır