Lymphknotenanzahl bei Kolonkarzinomen im Ileus

Restrospektiv, 2014-2018 NSQIP. One-to-one coarsened exact matching (CEM). N=9.412. Definition adäquater Lkn Anzahl >= 12
Signifikant weniger Anteil an adäquater Lkn-Anzahl im Resektat bei Kolonresektionen mit obstruierendem Karzinom (8,2% vs 13.3% p < .001). Ein erhöhtes Alter (OR: 0,99, 95%CI: 0,098-0,99), das Vorliegen einer präoperativen Sepsis (OR: 0,70, 95% KI: 0,055-0,90), linksseitige Tumoren im Vergleich zu rechtsseitigen (OR: 0,64, 95% KI: 0,51-0,81; OR: 0,69, 95% KI: 0,58-0,82) und eine offene chirurgische Resektion im Vergleich zu einem minimal-invasiven chirurgischen Zugang waren mit einer inadäquaten Lkn Anzahl assoziiert (p < 0,05).

Azin A et al. Adequacy of lymph node harvest following colectomy for obstructed and nonobstructed colon cancer. Journal of Surgical Oncology 2020

Zu der statistischen Methode CEM: „Matching“ ist eine nichtparametrische Methode der Vorverarbeitung von Daten um Confounder möglichst auszuschliessen. Nach dieser Vorverarbeitung der Daten können zwar gängige Analysemethode angewandt werden, einige Methoden weisen jedoch noch bessere Eigenschaften auf. CEM ist eine Monotonoic Imbalance Bounding (MIB) Matching-Methode — was bedeutet, dass das Gleichgewicht zwischen der behandelten und der Kontrollgruppe vom Anwender ex ante gewählt wird und nicht durch den üblichen mühsamen Prozess des nachträglichen Überprüfens und wiederholten Neuschätzens entdeckt wird. Die CEM ist robuster gegenüber Messfehlern, schränkt u.a. den durchschnittlichen Fehler bei der Schätzung des Behandlungseffekts ein, macht ein separates Verfahren zur Beschränkung der Daten auf die übliche empirische Unterstützung überflüssig, erfüllt das Kongruenzprinzip, ist robust , arbeitet gut mit fehlenden Daten, kann vollständig automatisiert werden und ist selbst bei sehr großen Datensätzen extrem rechenschnell. Nach der Vorverarbeitung der Daten mit CEM kann der Analytiker dann einen einfachen Unterschied in den Mittelwerten oder ein beliebiges statistisches Modell verwenden, das er ohne Abgleich angewandt hätte.

Wer sich das wirklich antun will und nicht wie ich versucht das so oberflächlich zu verstehen:  „Causal Inference Without Balance Checking: Coarsened Exact Matching“ Political Analysis, 2012 „Multivariate Matching Methods That are Monotonic Imbalance Bounding“ JASA, 2011, “CEM: Coarsened Exact Matching in Stata” Stata Journal, 2009, with Matthew Blackwell, “CEM: Software for Coarsened Exact Matching.” Journal of Statistical Software, 2009 Es gibt statistische Packages für SPSS und R

Kommentar verfassen

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden /  Ändern )

Google Foto

Du kommentierst mit Deinem Google-Konto. Abmelden /  Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden /  Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden /  Ändern )

Verbinde mit %s