Confounder adjustment in observational comparative effectiveness researches: (2) statistical adjustment approaches for unmeasured confounders / 中华流行病学杂志

Observational study of therapy efficacy comparison has been widely conducted to provide the additional efficacy evidence to support randomized control study. Statistical adjustment for unmeasured confounders is a major challenge in observational study of therapy efficacy comparison. This paper summarizes and evaluates the relative statistical methods. Currently, the most commonly used methods include instrumental variable, difference-in-differences (DiD) model and prior event rate ratio (PERR) adjustment. The instrumental variable method skill fully escapes unmeasured confounders through model structure, but it is not easy to obtain satisfied instrumental variables. Both PERR and DiD require the data prior to exposure which are not always collected in observational studies. Unmeasured confounders could result in new requirements and pose new challenges for statistical methods, which needs further study and improvement.

Sensitivity analysis for an unmeasured confounder: a review of two independent methods / Análise de sensibilidade para um confundidor não observado: uma revisão de dois métodos independentes

Um dos principais objetivos dos estudos epidemiológicos é a estimação de efeitos causais. E a inferência causal deve ser discutida tanto por estudos experimentais quanto por estudos observacionais. Uma importante limitação na interpretação causal de estudos observacionais é a possível presença de confundidores não observados (hidden bias). Uma estratégia para avaliar o possível efeito de um confundidor não observado é através de uma análise de sensibilidade, que determina quão forte deveriam ser os efeitos de um confundidor não observado de modo a explicar uma aparente associação. A proposta deste artigo é rever e integrar dois métodos independentes de análise de sensibilidade: um devido a Greenland, sob uma perspectiva epidemiológica; e outro devido a Rosenbaum, sob uma perspectiva estatística. A combinação de questões estatísticas e epidemiológicas torna a análise de sensibilidade mais completa e direta, e deve estimular sua necessária difusão e mais aplicações. Como os estudos observacionais são mais sujeitos a vieses e confundimento, uma análise de sensibilidade considerando aspectos estatísticos e epidemiológicos fortalece o processo de inferência causal.