Puedo válidamente ampliar la odds ratio de forma análoga a la relación entre el riesgo relativo y la razón de tasas de incidencia?

Question

Estoy involucrado en un estudio Caso-Control anidado que implica cohortes, de casos y controles de entrar a un programa, con el resultado de la falla por seis meses. Casos y controles son individualmente emparejado en el mes / año de la entrada. Tengo un lote (>10,000) de ambos.

Un factor principal de riesgo de interés es recibir un diagnóstico médico (psiquiátrico, músculo esquelético, respiratorio) después de la entrada y antes de los 6 meses. Tengo a la persona-tiempo en riesgo de casos y controles para desarrollar este factor de riesgo, y puede medir directamente la densidad de incidencia de aparición de los factores de riesgo en cada cohorte.

Ahora, para el fondo:

El riesgo relativo (RR) se define como: $$ \frac{\left(\frac{N_\text{Casos expuestos}}{N_\text{población expuesta}}\right)}{\left(\frac{N_\text{casos no expuestos}}{N_\text{población no expuesta}}\right)}. $$ La razón de tasas de incidencia (IRR) se define como: $$ \frac{{\left(\frac{N_\text{Casos expuestos}}{\text{Persona-tiempo expuesto}}\right)}}{\left(\frac{N_\text{casos no expuestos}}{\text{Persona-tiempo no expuestos}}\right)}. $$ El odds ratio (or) se define como: $$ \frac{N_\text{casos expuestos}*N_\text{controles no expuestos}}{N_\text{controles expuestos}*N_\text{casos no expuestos}}. $$ En virtud de la rara enfermedad de la asunción de la O se aproxima a la RR.

Mis Preguntas:

Puedo válidamente ampliar la odds ratio utilizando persona-tiempo: $$ \frac{N_\text{casos expuestos}*\text{Persona-tiempo no expuestos}}{N_\text{controles expuestos}*\text{Persona-tiempo expuesto}} $$

• para aproximar la TIR?
• Si no, ¿por qué no, y qué alternativa sugeriría usted?
• Si puedo hacer esto, sería de regresión logística sería la adecuada?
• ¿Qué otros enfoques analíticos sugeriría usted?

Answer 1

Este enlace ofrece una discusión decente sobre esto: https://www.ctspedia.org/do/view/CTSpedia/SampleIncidence

Su respuesta es sí, condicionada. Si se utiliza un muestreo de densidad de incidencia (es decir, que los controles se muestrean del conjunto de riesgo cada vez que se diagnostica un caso), que efectivamente hace coincidir los casos y los controles con el tiempo de riesgo, se está estimando la tasa de incidencia. Este artículo también puede ser de interés.

Sí, si se puede hacer esto, la regresión logística sería apropiada.

Answer 2

No estoy seguro de que su enfoque dé un resultado válido $IRR$ aproximación. En primer lugar, se estaría "mirando al futuro" para determinar la persona-tiempo en riesgo mediante este enfoque, ya que se conocen los casos/controles. En general, mirar al futuro de esa manera causa todo tipo de problemas. En segundo lugar, la hipótesis de la enfermedad rara tiene una condición, y es que cada estrato es raro (generalmente definido como el 10%). Eso significa que cada estrato de mes/año (junto con cualquier otra variable por la que se estratifique) tendría que satisfacer la suposición. En tercer lugar, si se cumple el supuesto de enfermedad rara, entonces el $RR$ se aproximará al $IRR$ después de $RR \le IRR \le OR$ cuando $RR \ge 1$ .

En lugar del enfoque anterior, recomendaría revisar el procedimiento de selección de controles, ya que tiene un estudio de casos y controles anidado. Dependiendo de cómo se seleccionen los controles, el estudio de casos y controles $OR$ (abreviado $ccOR$ en adelante) pueden aproximar diferentes medidas de cohorte. Hay tres enfoques que detallaré brevemente: el de cohorte de casos, el de densidad y el de control acumulativo. ( nota: el muestreo de cohortes de casos y el muestreo de densidad requieren una determinación cuidadosa de la hora de inicio)

Para el muestreo de casos y cohortes, los controles se muestrean a partir de la línea de base del estudio de cohortes independientemente de la situación posterior del caso . En este escenario $ccOR$ es la cohorte $RR$

Para el muestreo de densidad (este es el que querrá utilizar), los controles se seleccionan en cada punto de tiempo cuando se produce un caso, independientemente de la situación posterior del caso . Como ejemplo, consideremos que el caso 1 ocurre en $t=0.5$ . Desde todo individuos que son no casos en $t \le 5$ se selecciona al azar un control de ese grupo. De este modo, la selección del control imita el tiempo-persona en el estudio de cohortes, y $ccOR$ se aproxima a la $IRR$

Por último, está el muestreo acumulativo, en el que los controles se seleccionan en el momento final del seguimiento, cuando los controles no pueden ser casos. En este caso, el $ccOR$ se aproxima a la cohorte $OR$ que bajo el supuesto de enfermedad rara la cohorte $OR$ se aproxima a la cohorte $RR$

Por último, basándose en el procedimiento de emparejamiento, tendría que utilizar la regresión logística condicional. Sin embargo, yo renunciaría al emparejamiento, ya que no mejorará necesariamente la eficacia y seguirá siendo necesario incluir los criterios de emparejamiento en su modelo de regresión a pesar del emparejamiento. Yo omitiría el emparejamiento e incluiría directamente el mes/año de entrada en el modelo logístico condicional

Fuentes / Lecturas complementarias

Selección de casos y controles: Epidemiología moderna 3ª edición pg 121-126

Emparejamiento en casos y controles: Pearce 2016 , Mansournia 2018