Matchen: Difference between revisions
(New page: Het matchen van patiënten is het gericht bij elkaar zoeken van patiënten met gelijke baseline karakteristieken om een zuivere vergelijking van de uitkomstmaat van interesse te verzekeren...) |
|||
(14 intermediate revisions by 3 users not shown) | |||
Line 1: | Line 1: | ||
Het matchen van patiënten is het gericht bij elkaar zoeken van patiënten met gelijke baseline karakteristieken om een zuivere vergelijking van de uitkomstmaat | Het matchen van patiënten is het gericht bij elkaar zoeken van patiënten met gelijke baseline karakteristieken om een zuivere vergelijking van de uitkomstmaat te verzekeren. | ||
== Wanneer is matchen zinvol? == | == Wanneer is matchen zinvol? == | ||
Line 7: | Line 7: | ||
Gevallen waarin matchen wel een duidelijk voordeel oplevert zijn bijvoorbeeld de volgende: | Gevallen waarin matchen wel een duidelijk voordeel oplevert zijn bijvoorbeeld de volgende: | ||
*Wanneer er data verzameld zijn over een periode waarin de behandeling door 'voortschrijdend inzicht' duidelijk verbeterd is, is het wijs | *Wanneer er data verzameld zijn over een periode waarin de behandeling door 'voortschrijdend inzicht' duidelijk verbeterd is, is het wijs de 'controlegroep' uit dezelfde tijdsfase te selecteren. | ||
*Wanneer er dusdanig weinig cases zijn, dat het meenemen van meerdere variabelen in de analysefase (statistisch) niet mogelijk is. | *Wanneer er dusdanig weinig cases zijn, dat het meenemen van meerdere variabelen in de analysefase (statistisch) niet mogelijk is. | ||
*Wanneer de twee groepen duidelijk zeer scheve verdelingen hebben van predictors waarvan verwacht wordt dat ze van invloed zijn op de uitkomstmaat (bijvoorbeeld als de ene groep 30-50 jaar oud is en de andere groep 45-60 jaar oud). | *Wanneer de twee groepen duidelijk zeer scheve verdelingen hebben van predictors waarvan verwacht wordt dat ze van invloed zijn op de uitkomstmaat (bijvoorbeeld als de ene groep 30-50 jaar oud is en de andere groep 45-60 jaar oud). | ||
Line 15: | Line 15: | ||
Als er gekozen wordt voor matching is de volgende aanpak een gestructureerde: | Als er gekozen wordt voor matching is de volgende aanpak een gestructureerde: | ||
Selecteer voor iedere persoon uit de eerste groep alle personen uit de tweede groep die overeenkomen op de belangrijke predictors. Kies uit deze selectie at random een (of meerdere - meer dan 5 controls per case levert vaak geen extra voordeel op) persoon uit. | Selecteer voor iedere persoon uit de eerste groep alle personen uit de tweede groep die overeenkomen op de belangrijke predictors. Kies uit deze selectie at random een (of meerdere - meer dan 5 controls per case levert vaak geen extra voordeel op) persoon uit. | ||
== Hoe kan ik automatisch matchen? == | |||
SPSS heeft vanaf versie 22 een procedure voor (propensity score) matching. In het softwarepakket [[statistische software#R|R]] is een package [http://cran.r-project.org/web/packages/Matching/Matching.pdf Matching] beschikbaar voor verschillende typen matching. | |||
== Moet ik in mijn survey-onderzoek de case en controle groep matchen om ze te kunnen vergelijken? == | |||
Ik heb data verzameld van een groep patiënten uit het AMC en wil de uitkomsten van de vragenlijsten vergelijken met die van een random sample van de populatie, van wie ik die gegevens ook heb (een soort ongematchte case - control studie). De demografische gegevens van mijn patiëntenpopulatie verschillen significant met de controlegroep. Mag ik de uitkomsten van de vragenlijsten direct met elkaar vergelijken, of moet ik twee groepen eerst matchen? | |||
Daar dit geen gerandomiseerde studie is, moet er inderdaad rekening gehouden worden met andere variabelen die de onderzochte relatie kunnen verstoren. Matchen kan een optie zijn, maar is ook een betwiste methode. Daar je bovendien blijkbaar al voor alle controls de data verzameld hebt, adviseer ik om alle controls te gebruiken en voor de scheve verdeling van variabelen waarvan je verwacht dat ze de relatie die je onderzoekt kunnen verstoren te corrigeren in de analysefase d.m.v. gebruik van een [[multivariabele regressie | multivariabel model]]. | |||
Als boek kun je het volgende raadplegen: Clinical Epidemiology - Principles, Methods and Applications for Clinical Research, Diederick E Grobbee / Arno W Hoes (Chapter 9 Case control Studies) | |||
== Aanvullende bronnen bij observationele studies == | |||
* Grobbee, D.E. & Hoes, A.W. (2008) Clinical Epidemiology - Principles, Methods and Applications for Clinical Research | |||
* [https://www.equator-network.org/reporting-guidelines/strobe/ STROBE Statement: breed gedragen richtlijn voor het rapporteren van observationele studies] | |||
* [https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/ Hernán MA, Robins JM (2020). Causal Inference: What If. Boca Raton: Chapman & Hall/CRC.] | |||
== Referenties == | == Referenties == | ||
*[http://www.bmj.com/cgi/content/full/309/6962/1128 Statistics notes: Matching, J M Bland, D G Altman, BMJ 1994;309:1128] | |||
*[http://www.bmj.com/cgi/content/full/310/6975/329/d Matching in case-control studies, H T Sorensen, M W Gillman, BMJ 1995;310:329-330] letter in response to above article | |||
{{onderschrift}} | |||
Latest revision as of 16:14, 20 November 2024
Het matchen van patiënten is het gericht bij elkaar zoeken van patiënten met gelijke baseline karakteristieken om een zuivere vergelijking van de uitkomstmaat te verzekeren.
Wanneer is matchen zinvol?
In geval van een case-control design waarbij de twee groepen op basis van de uitkomstmaat gevormd zijn, is matchen af te raden omdat het bias kan introduceren. In geval van een cohort studie is matchen wel een optie. Vaak echter is het niet nodig en het kan meer effort met zich meebrengen dan dat het oplevert. Vaak namelijk kan het effect van potentiele confounders evengoed in de analyse-fase meegenomen worden, door het meenemen van meerdere predictors in het een multivariabel analysemodel.
Gevallen waarin matchen wel een duidelijk voordeel oplevert zijn bijvoorbeeld de volgende:
- Wanneer er data verzameld zijn over een periode waarin de behandeling door 'voortschrijdend inzicht' duidelijk verbeterd is, is het wijs de 'controlegroep' uit dezelfde tijdsfase te selecteren.
- Wanneer er dusdanig weinig cases zijn, dat het meenemen van meerdere variabelen in de analysefase (statistisch) niet mogelijk is.
- Wanneer de twee groepen duidelijk zeer scheve verdelingen hebben van predictors waarvan verwacht wordt dat ze van invloed zijn op de uitkomstmaat (bijvoorbeeld als de ene groep 30-50 jaar oud is en de andere groep 45-60 jaar oud).
Hoe voer ik praktisch het matchen uit?
Als er gekozen wordt voor matching is de volgende aanpak een gestructureerde: Selecteer voor iedere persoon uit de eerste groep alle personen uit de tweede groep die overeenkomen op de belangrijke predictors. Kies uit deze selectie at random een (of meerdere - meer dan 5 controls per case levert vaak geen extra voordeel op) persoon uit.
Hoe kan ik automatisch matchen?
SPSS heeft vanaf versie 22 een procedure voor (propensity score) matching. In het softwarepakket R is een package Matching beschikbaar voor verschillende typen matching.
Moet ik in mijn survey-onderzoek de case en controle groep matchen om ze te kunnen vergelijken?
Ik heb data verzameld van een groep patiënten uit het AMC en wil de uitkomsten van de vragenlijsten vergelijken met die van een random sample van de populatie, van wie ik die gegevens ook heb (een soort ongematchte case - control studie). De demografische gegevens van mijn patiëntenpopulatie verschillen significant met de controlegroep. Mag ik de uitkomsten van de vragenlijsten direct met elkaar vergelijken, of moet ik twee groepen eerst matchen?
Daar dit geen gerandomiseerde studie is, moet er inderdaad rekening gehouden worden met andere variabelen die de onderzochte relatie kunnen verstoren. Matchen kan een optie zijn, maar is ook een betwiste methode. Daar je bovendien blijkbaar al voor alle controls de data verzameld hebt, adviseer ik om alle controls te gebruiken en voor de scheve verdeling van variabelen waarvan je verwacht dat ze de relatie die je onderzoekt kunnen verstoren te corrigeren in de analysefase d.m.v. gebruik van een multivariabel model.
Als boek kun je het volgende raadplegen: Clinical Epidemiology - Principles, Methods and Applications for Clinical Research, Diederick E Grobbee / Arno W Hoes (Chapter 9 Case control Studies)
Aanvullende bronnen bij observationele studies
- Grobbee, D.E. & Hoes, A.W. (2008) Clinical Epidemiology - Principles, Methods and Applications for Clinical Research
- STROBE Statement: breed gedragen richtlijn voor het rapporteren van observationele studies
- Hernán MA, Robins JM (2020). Causal Inference: What If. Boca Raton: Chapman & Hall/CRC.
Referenties
- Statistics notes: Matching, J M Bland, D G Altman, BMJ 1994;309:1128
- Matching in case-control studies, H T Sorensen, M W Gillman, BMJ 1995;310:329-330 letter in response to above article
Klaar met lezen? Je kunt naar het OVERZICHT van alle statistische onderwerpen op deze wiki gaan of naar de pagina KEUZE TOETS voor hulp bij het uitzoeken van een geschikte toets of analyse. Wil je meer leren over biostatistiek? Volg dan de AMC e-learning Practical Biostatistics. Vind je op deze pagina's iets dat niet klopt? Werkt een link niet? Of wil je bijdragen aan de wiki? Neem dan contact met ons op.
De wiki biostatistiek is een initiatief van de voormalige helpdesk statistiek van Amsterdam UMC, locatie AMC. Medewerkers van Amsterdam UMC kunnen via intranet ondersteuning aanvragen.