Risk-Ayarlı Kohort Çalışması — Karıştırıcı Kontrolü ile Gözlemsel Epidemiyoloji

Standart bir kohort çalışması, karıştırıcıları resmi olarak dikkate almadan maruz kalan ve maruz kalmayan gruplar arasındaki ham sonuç oranlarını karşılaştırır. Risk-ayarlı bir kohort çalışması, başlangıçta gruplar arasındaki ölçülen farklılıkları kontrol etmek için istatistiksel bir ayarlama adımı — regresyon modellemesi, eğilim skorlaması veya ağırlıklandırma — ekler. Gruplar önemli kovaryetler üzerinde farklılık gösterdiğinde, risk ayarlaması artık gözlemsel epidemiyolojide standart uygulama olarak kabul edilmektedir.

Hiçbiri evrensel olarak üstün değildir. Çok değişkenli regresyon, sonuç nispeten yaygın olduğunda ve karıştırıcı sayısı örneklem büyüklüğüne göre mütevazı olduğunda (kaba bir kural: kovaryet başına en az 10 sonuç olayı) verimlidir. Eğilim skoru yöntemleri, sonuçlara göre çok sayıda karıştırıcı olduğunda (nadir olaylarda yaygındır), kovaryetleri şeffaf bir şekilde dengelemek istediğinizde veya belirli hedef popülasyonlarda ortalama tedavi etkilerini tahmin etmeniz gerektiğinde tercih edilir. Her ikisi de aynı temel varsayımı gerektirir: ölçülmemiş karıştırıcılık yok.

Hayır. Risk ayarlaması yalnızca ölçülmüş karıştırıcıları kontrol eder. Rastgeleleştirme hem ölçülmüş hem de ölçülmemiş değişkenleri dengeler. Ölçülmemiş karıştırıcıların olası olduğu durumlarda — örneğin, tedavi endikasyonunun hekim yargısı veya hasta tercihi tarafından yönlendirildiği durumlarda — en dikkatli ayarlama bile artık yanlılık bırakır. Hassasiyet analizleri (örn. E-değerleri), bu yanlılığın sonuçları değiştirmek için ne kadar büyük olması gerektiğini ölçebilir, ancak onu ortadan kaldıramazlar.

Örneklem büyüklüğü, sonuç sıklığına, ayarlanacak kovaryet sayısına, beklenen etki büyüklüğüne ve ayarlama yöntemine bağlıdır. Cox regresyonu için yaygın olarak alıntılanan bir kural, modelde yer alan kovaryet başına en az 10-20 sonuç olayıdır. Eğilim skoru yöntemleri, dengelemeye odaklanmayı kaydırır ve daha fazla kovaryeti tolere edebilir, ancak çok küçük maruz kalan veya maruz kalmayan gruplar hala kesinliği sınırlar. Resmi bir önsel güç hesaplaması önerilir.

VanderWeele ve Ding (2017) tarafından tanıtılan E-değeri, ölçülmemiş bir karıştırıcının hem maruz kalma hem de sonuç ile — risk oranı ölçeğinde — gözlemlenen bir ilişkiyi tamamen açıklamak için ne kadar güçlü bir ilişkiye sahip olması gerektiğini ölçer. Okuyuculara artık karıştırıcılıktan kaynaklanan sonuçları değerlendirmek için şeffaf bir kıyaslama noktası sağlar: büyük bir E-değeri, sonucun artık karıştırıcılık olarak reddedilmesinin daha zor olduğu anlamına gelir. Raporlanması, yüksek kaliteli gözlemsel epidemiyolojide giderek daha fazla beklenir hale gelmiştir.