Bayesçi İç İçe Vaka-Kontrol Çalışması
Bayesian Nested Case-Control Study · Ayrıca şöyle bilinir: Bayesian NCC, Bayesian nested case-referent study, Bayesian sampled case-control within cohort
Bir Bayesçi iç içe vaka-kontrol çalışması, tanımlanmış prospektif bir kohort içinde bir vaka-kontrol örnekleme şeması yerleştirir ve ardından Bayesçi çıkarım kullanarak maruziyet-sonuç ilişkilerini tahmin eder. Vakalar, kohortta ilgilenilen sonucu geliştiren bireylerdir; kontroller, her vaka belirlendiği zamanki risk kümesinden örneklenir. Bayesçi çerçeve, önceki çalışmalardan, uzman görüşünden veya biyolojik makullükten gelen ön bilgilerin dahil edilmesine izin verir ve güven aralıklarıyla tekil nokta tahminleri yerine etki tahminleri için tam sonsal dağılımlar üretir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Aşağıdaki durumlarda bir Bayesçi iç içe vaka-kontrol çalışması kullanın: (1) depolanmış numunelere veya kaydedilmiş maruziyetlere sahip iyi karakterize edilmiş bir prospektif kohorta erişiminiz varsa, (2) tam kohort analizi maliyet-yasaklayıcı veya pahalı laboratuvar testleri nedeniyle imkansızsa, (3) yalnızca mevcut verilere dayanmak yerine ön kanıtları resmi olarak tahminlere dahil etmek istiyorsanız ve (4) sonuç nadir olduğundan standart kohort analizi büyük örnekler gerektirecektir. Bu tasarım, özellikle örneklem boyutları mütevazı olduğunda ve önceki çalışmalardan güç ödünç almak istediğinizde değerlidir. Önceden var olan bir kohort mevcut olmadığında (geleneksel bir vaka-kontrol veya prospektif kohort kullanın), sonuç vaka-kontrol verimliliği kazançları için çok yaygın olduğunda, anlamlı ön bilgi mevcut olmadığında ve Bayesçi makine fayda sağlamadan karmaşıklık eklediğinde veya düzenleyici bağlam yalnızca sıklıkçı çıkarım gerektirdiğinde KULLANMAYIN.
Güçlü yönler & sınırlılıklar
- Ana kohortun zamansal ve popülasyon avantajlarını korurken, maruziyet değerlendirme maliyetini önemli ölçüde azaltır.
- Risk kümesi örneklemesi, kontrollerin vakalarla aynı temel nüfustan çekilmesini sağlayarak seçim yanlılığını en aza indirir.
- Bayesçi çıkarım, doğrudan olasılık ifadeleri ve ön bilginin kolay entegrasyonunu sağlayan tam sonsal dağılımlar sağlar.
- Önceki çalışmalar mevcut olduğunda özellikle güçlüdür: çalışmalar arasında güç ödünç almak, yeni büyük bir denek gerektirmeden hassasiyeti artırır.
- Önler tarafından uygulanan düzenleme yoluyla seyrek verileri, tamamen sıklıkçı koşullu lojistik regresyondan daha iyi işler.
- Tam takip verileriyle mevcut, iyi bakımlı bir kohort gerektirir - önemli bir altyapı ön koşulu.
- Ön belirtimi özneldir; kötü seçilmiş önler sonuçları yanlı hale getirebilir ve şeffaf hassasiyet analizleri esastır ancak raporlama yükünü artırır.
- MCMC tahmini hesaplama açısından yoğundur ve doğru bir şekilde uygulamak, teşhis etmek ve yorumlamak için istatistiksel uzmanlık gerektirir.
- Tasarım, örneklenen setlerde kullanılan kohort bilgisinin yalnızca alt kümesini yakalar; maruziyet ölçüm maliyetleri izin veriyorsa tam kohort analizi daha verimlidir.
SSS
İç içe vaka-kontrol çalışması standart bir vaka-kontrol çalışmasından nasıl farklıdır?
Standart bir vaka-kontrol çalışmasında, vakalar ve kontroller potansiyel olarak farklı popülasyonlardan işe alınır, bu da seçim yanlılığı riski oluşturur. İç içe bir vaka-kontrol çalışmasında, hem vakalar hem de kontroller aynı iyi tanımlanmış prospektif kohorttan çekilir, bu da aynı temel nüfusu ve takip yapısını paylaştıklarından emin olur. Maruziyet bilgileri, sonuç oluşmadan önce kaydedildi, bu da geçmiş maruziyetler için hatırlama yanlılığını ortadan kaldırır.
Vaka başına kaç kontrol örneklemeliyim?
Vaka başına bir ila on kontrol geleneksel aralıktır. İstatistiksel verimlilik yaklaşık dört kontrol/vaka'ya kadar artar ve ondan sonra çok az kazanır. Optimal sayı, vaka ve kontrol maliyetlerinin oranına bağlıdır: maruziyet ölçümü pahalıysa, daha az kontrol tercih edilir; kontrollerin işe alınması ve ölçülmesi ucuzsa, beş veya daha fazlası maliyet etkin olabilir. Küçük vaka sayılarına sahip nadir sonuçlar için, daha fazla kontrol güç sağlar.
Olasılık oranı için hangi ön dağılımı kullanmalıyım?
Yaygın bir varsayılan, log olasılık oranı üzerinde zayıf bilgilendirici normal bir ön, örneğin N(0, 1) veya N(0, 2.5) gibi, makul olmayan büyük etki boyutlarını dışlarken verilerin baskın olmasına izin verir. Önceki çalışmaların bir meta-analizi mevcutsa, havuzlanmış tahmini ve standart hatası bilgilendirici bir önü doğrudan parametrelendirebilir. Sonuçların farklı ön seçimler altında değişip değişmediğini karşılaştıran bir hassasiyet analizi her zaman çalıştırın - sonuçlar önemli ölçüde değişirse, her ikisini de raporlayın.
Bayesçi analizde eşleştirmeyi dikkate almam gerekiyor mu?
Evet. Risk kümesi örneklemesindeki eşleştirme, Bayesçi model içindeki olasılık olarak koşullu lojistik regresyon kullanılarak dikkate alınır. Standart lojistik regresyon kullanarak eşleştirilmiş yapıyı göz ardı etmek yanlılığa neden olabilir ve varyansı hafife alabilir. Pratikte, Stan veya JAGS gibi MCMC örnekleyicileri, eşleştirilmiş vaka-kontrol setlerini doğru şekilde işleyen koşullu bir olasılık belirtimini kabul eder.
Bayesçi iç içe vaka-kontrol düzenlemesi düzenleyici başvurularda kabul ediliyor mu?
Düzenleyici kurumlar (FDA, EMA), özellikle ön verilerin güçlü olduğu farmakoepidemiyoloji ve tıbbi cihaz çalışmaları için Bayesçi yaklaşımlara giderek daha açık olan kılavuzlar yayınlamıştır. Ancak, ön dağılımların önceden belirlenmesi ve kapsamlı hassasiyet analizleri gereklidir. Yalnızca sıklıkçı sonuçların kabul edildiği bağlamlarda, tasarım hala klasik bir iç içe vaka-kontrol olarak çalıştırılabilir ve Bayesçi katman atlanabilir.
Kaynaklar
- Thomas, D. C. (1977). Addendum to: Methods of cohort analysis: Appraisal by application to asbestos mining. Journal of the Royal Statistical Society, Series A, 140(4), 469–491. link ↗
- Wakefield, J. (2007). Disease mapping and spatial regression with count data. Biostatistics, 8(2), 158–183. DOI: 10.1093/biostatistics/kxl008 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Bayesian Nested Case-Control Study. ScholarGate. https://scholargate.app/tr/epidemiology/bayesian-nested-case-control
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayesci Vaka-Kontrol ÇalışmasıEpidemiyoloji↔ karşılaştır
- Bayesçi Kohort ÇalışmasıEpidemiyoloji↔ karşılaştır
- Vaka-Kontrol ÇalışmasıEpidemiyoloji↔ karşılaştır
- Kohort ÇalışmasıEpidemiyoloji↔ karşılaştır
- İç İçe Vaka Kontrol ÇalışmasıEpidemiyoloji↔ karşılaştır