Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 6 Stimmen.
Real World Health Care Data Analysis: Causal Methods and Implementation Using SAS
Entdecken Sie Best Practices für die Forschung mit realen Daten mit SAS-Code und Beispielen.
Daten aus der realen Welt des Gesundheitswesens sind weit verbreitet und werden in zunehmendem Maße aus Quellen wie Beobachtungsstudien, Patientenregistern, Datenbanken mit elektronischen Krankenakten, Datenbanken mit Versicherungsansprüchen sowie Daten aus pragmatischen Studien verwendet. Diese Daten bilden die Grundlage für die zunehmende Verwendung von Beweisen aus der realen Welt bei medizinischen Entscheidungen. Die Daten selbst sind jedoch keine Evidenz. Es müssen Analysemethoden angewandt werden, um Daten aus der realen Welt in gültige und aussagekräftige Beweise umzuwandeln. Real World Health Care Data Analysis: Causal Methods and Implementation Using SAS fasst die besten Methoden für kausale vergleichende Wirksamkeitsanalysen auf der Grundlage von realen Daten an einem Ort zusammen und bietet SAS-Code und Beispiele, um die Analysen relativ einfach und effizient zu gestalten.
Das Buch konzentriert sich auf Analysemethoden, die um zeitunabhängiges Confounding bereinigt sind und die nützlich sind, wenn die Wirkung verschiedener potenzieller Interventionen auf ein bestimmtes Ergebnis von Interesse verglichen wird, wenn keine Randomisierung vorliegt. Zu diesen Methoden gehören:
⬤ Propensity-Score-Matching, Stratifizierungsmethoden, Gewichtungsmethoden, Regressionsmethoden und Ansätze, die diese Methoden kombinieren und mitteln.
⬤ Methoden zum Vergleich von zwei Interventionen sowie zum Vergleich von drei oder mehr Interventionen.
⬤ Algorithmen für die personalisierte Medizin.
⬤ Sensitivitätsanalysen für nicht gemessene Störfaktoren (Confounding).
| ISBN: | 9781642957983 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
