Тренды в тренде? 5 мнений дизайнеров • Интерьер+Дизайн
Арик Леви (Arik Levy).Арик Леви: «Тренды больше не в тренде. Если все фиксируют какой-либо тренд, значит он существует уже минимум два-три года, а значит — устарел. Поэтому я стараюсь работать на опережение. Создавать нечто, на основе чего потом будут формироваться тенденции. Предпочитаю быть не трендсеттером, а визионером. Задача дизайнера и вообще любой креативной личности — сделать шаг за рамки привычного и посмотреть на вещи со стороны.»
Паола Навоне (Paola Navone).Паола Навоне: «Меня часто спрашивают, слежу ли я за актуальными трендами. Мне это ни к чему: я сама создаю тренды. Но не надо думать, что рынок формирует тренды. Тренд — это нечто новое, а рынок живет мейнстримом, ему нужно то, что хорошо продается, то есть знакомое и понятное. От рынка не надо ждать ориентиров на будущее. Тренды формируются в головах дизайнеров. Ну и тех людей, кто работает в отделах развития и продвижения (есть такие подразделения в компаниях).
Карим Рашид: «Я не люблю тренды и мне не очень нравится слово «стиль». Цифровая трансформация нашего мира привела к тому, что из-за переизбытка визуальной информации мы потеряли глубину восприятия. Мы не видим пейзаж целиком, а как будто смотрим на него из маленького окошка. В погоне за трендами многие дизайнеры имитируют стиль. К примеру, industrial chic — уже повсюду, в нем нет былой оригинальности. Можно сказать, что сейчас мы живем в двух мирах. Один из них искусственный, китч оптических иллюзий, а другой — реальный диджитал мир. Дизайн должен быть частью современной культуры, а не зацикливаться на стиле и трендах.»
Борис Берлин: «Тренды меня не интересуют. Тренды – рябь на поверхности воды. Разработка проекта может длиться несколько лет – в зависимости от целого ряда обстоятельств – два, три, даже четыре года. То, что мы делаем, мы предполагаем и надеемся, будет жить намного дольше, чем тренды на какие-то два года. Тренд и стиль меня не интересуют. При всем уважении к «трендовым» дизайнерам. Я понятия не имею, какие цвета будут в моде следующей осенью — какая мне разница. Я создаю «тело», а какую «татуировку» на ней изобразит кто-то другой – мне не важно. Мое тело должно выдержать все тренды и остаться целым.»
Андре Фу: «Тенденции — это то, чего я всегда избегаю. В эпоху компьютерных технологий тенденции стали настолько изменчивы и капризны, что я предпочитаю наблюдать за ними издалека. Мое личное восприятие интерьера — фокус на потребностях клиента, достижение максимального комфорта и качества. Моя задача не поддерживать тенденции, а создавать безвременную классику, личную и уникальную.»
Главные тренды моды весна 2021
Подробнее о трендовых длинных серьгах — здесь
1 / 10
МОНОСЕРЬГА MARNI, 24 523 рубляНосите джинсы в технике пэчворк вместо скучных синихКазалось бы: каких только джинсов мы не видели за последнее время. В моду последовательно возвращались (и снова выходили из нее) скинни, «бойфренды», mom-fit, клеш, цветные, широкие и даже пары с заниженной талией, как в нулевые. Думаете, на этом фантазия дизайнеров иссякла? Очень зря. Встречайте: джинсы в технике пэчворк! Они легко заменят вам скучные голубые и темно-синие — и будут при этом смотреться куда «острее» и оригинальнее. Они могут быть сшиты как из кусков денима разного оттенка (как в новой коллекции Victoria Beckham), так и с добавлением ярких вставок из другой материи (как у Dolce&Gabbana). Вы даже можете попробовать сделать свою стильную пару сами, кастомизировав старые джинсы с помощью контрастных нашивок и заплаток — и оригинально, и экологично!
Подробнее о модных пэчворк-джинсах — здесь
Смените простую комбинацию на макси-платье на тонких бретеляхJacquemus весна-лето 2021, IMaxTree
Все мы любим платья-комбинации — их легко стилизовать, они уместны почти в любой ситуации и в общем-то не выходят из моды.
Подробнее о соблазнительных макси на тонких бретелях — здесь
Family — Teana Labs. Тренди в тренде
Описание
For the past two months tens of thousands of people have learnt about Teana Laboratories beauty products. 14 000 of them got promo-packages and bought cosmetics.Поставленная задача и ее решение
Our objective was to expand the brand recognizability and promote Teana Laboratories’ beauty products.We found the solution in launching an advertising campaign with promo-packages.
“Trendy on trend” campaign insight:
The promo-site https://trendytest.ru/ was built to make our creative campaign as fun as it could be. Everyone who wanted to get a promo-package had to take a test which resembled a conversation with a friend on the Internet.
Besides building the site we created a contest #GENUINELYBEAUTIFUL. The idea of it was quite simple. Participants had to upload their photos with a description about beauty and got points for that.
Campaign activation was supported by well-known beauty-bloggers Nikokko8 and Novosad that sparkled interest among Instagram audience. So we had viral and free of charge ad in various beauty groups.
We posted entertaining and tutorial content on social networks and broadcasted videos with the participation of Teana employes. The result is visible — ER soared up to 260%.
We collaborated with 140 beauty-bloggers who shared their beauty life hacks in order to catch customers’ interest and increase the number of registration on the site.
Задача
Решение
Проведение рекламной кампании с продуктовыми промонаборами.
Концепция кампании: «Тренди в тренде».
Чему по-настоящему доверяют в вопросах по уходу за собой девушки и женщины? Конечно, это советы подруг. И кто как не подруга расскажет о полезных новинках и поможет быть в курсе последних тенденций.
На промосайте https://trendytest.ru/ мы сказали «нет-нет-нет» скучным тестам и механикам. А тогда как? В 2018 году, конечно, формат мессенджера. Вместо теста — чат с подружками и неожиданными вопросами о бьюти-трендах (sic!).
Также на сайте была запущена активация #ЕСТЕСТВЕННОКРАСИВА — это конкурс о красоте и любви к себе. Для участия в конкурсе пользователи загружали фотографию с описанием и получали баллы за действия.
Активацию поддержали популярные бьюти-блогеры — Nikokko8 и Novosad.
Это дало вирусный охват среди небольших по аудитории блогеров Instagram, вирусные и бесплатные размещения в крупных тематических beauty сообществах.
В сообществах бренда в социальных сетях публиковали обучающий/анонсирующий контент, а также проводили онлайн трансляции с участием сотрудников компании Teana. Это позволило увеличить ER на 260%.
Скриншоты
Достигнутые цели и KPI по итогам запуска
Users who signed up — 72 900Those who passed the test — 67 408
People who got a promo-package — 13 899
User who signed up at bloggers invitation — 4 496
People who reposted an info — 1 067
When the content of the public pages had been improved ER of the brand increased dramatically and reached 260%.
Зарегистрировано пользователей — 72 900
Из них прошли тест — 67 408
Подарок получили — 13 899
Зарегистрировались по приглашению — 4 496
Сделали репост в социальных сетях — 1 067
За счёт изменения контента в сообществах бренда вырос ER на 260%.
После начала промо акции количество покупок на сайте бренда по прямым заходам, переходам по ссылокам увеличилось в 2,5 раза по сравнению с предыдущими пиковыми показателями.
Фишки и тренды полиграфических услуг 2020-2021
Как и в любой сфере, существуют определенные тренды полиграфических услуг. Их игнорирование чревато потерей своего места на рынке, если конкуренты окажутся порасторопнее. Конечно, иногда надежнее работать по привычным схемам, выполняя классические заказы. Но даже «необкатанная» сейчас новинка, появившись на рынке и обретя поклонников, очень быстро войдет в спектр предлагаемых услуг.
Покупатели голосуют рублем, и потому то, что еще совсем недавно было новинкой, стоившей немало денег, уже сегодня прочно вошло в список актуальных и востребованных (а значит, освоенных рынком и оттого недорогих) трендов. Давайте же узнаем, на какие тренды полиграфических услуг стоит обратить внимание уже сегодня, чтобы не потерять клиентов завтра.
Перспективы рынка полиграфических услуг
Герой известного советского фильма «Москва слезам не верит» утверждал, что через несколько лет исчезнут театр, кино, газеты, книги и останется только… телевидение. Дело происходило в шестидесятые годы 20 века. Вспомнилось это в связи с тем, что с развитием Интернета в начале 21 века владельцы полиграфических предприятий переживали кризис и ожидали краха «живых» изданий. Но известно, что когда закрываются одни возможности, то непременно находятся другие.
Сегодня в новых условиях полиграфистам приходится перестраивать работу, и если нет спроса на большие тиражи журналов, то остаются средние и мелкие заказы, печать рекламных материалов нового поколения.
- Новые тренды полиграфических услуг
На рынке рекламы начало происходить смещение акцентов. Полиграфисты Европы и Америки снижают объемы печати. Значительная часть потребителей осваивает Интернет, и это стало причиной снижения продаж бумажных изданий. Неплохо только обстоит дело с печатью листовок, флаеров, буклетов и других видов печатной рекламы, так как эта продукция эффективно дополняет маркетинговую онлайн-кампанию.
Сегодня меняется подход к размещению рекламной информации. Чтобы покупатель увидел рекламу, используется печать на упаковке товара, выставляемого в обычных магазинах. Это направление является перспективным для полиграфических кампаний.
- Новое в книгоиздательском деле
Поклонники бумажных книг вряд ли перестанут их покупать в ближайшие 10-20 лет. Изменения вероятно коснутся цепочки доставки книг до потребителя, офлайн-магазины теперь будут дополнением интернет-магазинов, которые уже сейчас заказывают книги небольшими тиражами. Эту тенденцию отмечают шестьдесят процентов иностранных издательских компаний.
Одновременно будут расти объемы цифровых изданий, так как многие сегодня предпочитают приобретать более дешевый электронный вариант книг.
- Преимущества индивидуального подхода
Развитие цифровых видов полиграфии уравняло шансы малых и крупных проектов. Полиграфисты могут предложить сотрудничество в плане сохранения данных в клиентской базе, внесение изменений, увеличение интерактивности. Освоение этого направления началось, но пока предложение превышает спрос.
15 графических тенденций и трендов полиграфических услуг 2020-2021 гг.
- Цветовые решения в стиле киберпанк
В рекламе преобладает дизайн с использованием кричащих цветов и необычных сочетаний. Идея тренда – показать, что наступила та самая будущая эра высоких технологий, которую нам демонстрировали фантастические фильмы.
Роботы, искусственный интеллект, сочетания ярких насыщенных цветов, использование неона и глитча – все это элементы стиля киберпанк в полиграфии. Природные образы уступают место фэнтези.
- Сюрреализм в фото продуктов
Раскладки и снимки в движении – это старо и неинтересно! Сюрреалистический подход при создании фотографий продукции дарит ощущение новизны, зажигает, вдохновляет.
Практичность и органичность сегодня не в тренде. Приветствуется эпатажность, вызов, отказ от традиций.
- Применение аппликаций
Такая простая вещь, как аппликация, способна полностью изменить восприятие картинки, например, в фото вырезают какие-то фрагменты или сдвигают их относительно друг друга.
В дизайнах сегодня сочетают фотографии с иллюстрациями, разные виды графики. Нарочитая небрежность исполнения служит дополнительным приемом привлечения внимания.
- Асимметричные варианты
Новое время требует революционных перемен, отказа от устоявшихся правил. Долой симметрию и классические разметки, даешь эстетичный хаос! Конечно, не все приветствуют такие призывы.
Кто-то действует решительно и смело, большинство пока не стремится к экспериментам.
- Эффект невесомости
Необычно, футуристично и лаконично смотрится соединение классического фона с наложением на него 3D-объекта, причем дизайнер не беспокоится о законе притяжения.
Визуальная глубина изображения и открытая композиция служат средствами привлечения внимания к основному рекламному объекту. Дизайн получается живым и динамичным.
- Комбинация геометрических форм и оригинальных шрифтов
В основе дизайна лежит использование простых геометрических форм, сейчас эта истина открывается с новой стороны. Такие композиции кажутся очень простыми, но их создание требует кропотливого труда.
Дизайн в стиле минимализма не теряет популярности, особую важность при создании макетов приобретает соединение графики и типографики. Текстам придается большое значение, они будут передавать главную идею продукта или компании. Сегодня все чаще отдают предпочтение уникальным брендовым и рукописным шрифтам.
Типографика дала толчок развитию отдельного микротренда, с ее помощью создают изображения объектов или фигур.
Надо признать, что современные дизайнеры работают в самых разных стилях: не забыты классика и минимализм, но применяются новые технологии, материалы, впечатляющие возможности 3D.
- Образ антиутопии
Элементы антиутопии чрезвычайно интересны дизайнерам. Мрачные перспективы краха человеческой цивилизации от собственных действий давно служат предметом обсуждения в СМИ. Тема эта достаточно узнаваемая и дающая пищу для размышлений.
Для образа характерно использование холодной гаммы цветов, механизированной типографики, глитча, сочетание природных, архитектурных и других форм. Сам человек изображается редко.
- Объединение стилей
В 2020-м году дизайнеров привлекают не только грядущие времена, но и прошлое. Бывает, что в одном изображении присутствуют стили из разных эпох. В этом случае необходимо следовать законам гармонии, чтобы все элементы были сбалансированы.
- Монохром
Применение монохрома было на пике популярности в 2017-м году. Сегодня это «забытое старое» вернулось с некоторыми дополнениями в виде однотонных фильтров, придающих фотографиям оригинальность.
- Объемное изображение
Техника объединяет плоский дизайн и скевоморфизм и заключается в создании изображений отдельными линиями, придающими объемность. В результате объект выглядит легко и реалистично.
Благодаря такому решению приобретается глубина, завершенность. Объект хочется потрогать, взять в руки.
Рекомендуем
«Современные технологии полиграфии: обзор методов и приемов» Подробнее - Земля и небо 2.0
Небо и земля в данном случае ассоциируются с соединением вдохновения и высоких технологий. Природа продолжает вдохновлять человека на создание новых и непривычных форм, образов, тем.
- Использование негативного пространства
Негативным называется пространство, окружающее объект. Оно может остаться просто фоном, но те, кто мыслит креативно, превращают это место в дополнительный элемент дизайна.
- В один цвет
Цвет и тень своей игрой создают особую глубину и объемность. Контуры объекта четко видны на фоне, несмотря на отсутствующий контраст.
- Фьюжн
Здесь объединяются разные направления дизайна, типографика, совмещенная с изображениями, разнообразные способы печати. Главное – получить нестандартный и цепляющий вариант.
- Желтый – тренд сезона 2020
Это цвет юности, напористой уверенности, смелого протеста и счастья. Побуждает к действию и настраивает на позитив – таков характер любимчика 2020 года.
Желтый всегда заметен – неважно, используется он как фон или в виде акцентов.
Если перейти к конкретным изделиям, то нельзя не сказать о стикерпаках – наклейках, объединенных одной идеей, тематикой или соответствующих фирменному стилю.
Еще совсем недавно наклейки были лишь детской забавой, но сегодня они могут украшать и школьный дневник, и ноутбук топ-менеджера солидного предприятия:
- Это модно и современно
К стикерам проявляют интерес крупные игроки рекламного рынка: ВКонтаке, Яндекс и другие.
- Универсальный инструмент рекламы
Могут стать отличным способом продвижения любого бизнес-проекта: от продажи хэндмейда до строительного холдинга. Все дело в разработке интересного дизайна.
- Обладают многофункциональностью
С помощью стикеров удачно реализуются самые разные идеи – это может быть выпуск собственного стикерпака или создание уникальной фирменной упаковки товара (пакетов, коробок, банок).
- Эконом-вариант рекламной полиграфии
Экономичный способ продвижения. Даже недорогие канцелярские принадлежности или настольные календари (все, что обычно дарят клиентам) обойдутся дороже, чем стикеры, которые, кстати, сможет увидеть большее количество людей.
Новые технологии и тренды в создании визитных карточек:
- интерактив − визитка со сдвигающимися деталями;
- многослойность, большое количество деталей;
- использование цветных рамок;
- применение экспериментального формата.
Тренды, с которыми можно распрощаться в 2020-2021 гг.
- Усложнение дизайна
Сегодня приоритет отдается минимализму. Современный человек и так перегружен информацией, поэтому преимущество у простых форм, понятных шрифтов и четких изображений.
Желательно избегать повторяющихся картинок и изображений, не несущих смысловой нагрузки.
- Избыточность дизайна
Уходит в прошлое оформление полиграфии с чрезмерным количеством деталей (разнообразные шрифты, геометрические фигуры, огромная цветовая палитра). То, что казалось таким крутым вчера, сегодня никого не привлекает.
Дизайн в виде «сборной солянки», включающий разноплановые изображения и детали, скорее демонстрирует отсутствие собственных идей, чем уникальность и оригинальность.
Рекомендуем
«Идеальные размеры листовки: разбираемся в рекламной полиграфии» Подробнее- Слишком детальные изображения
Все хорошо в меру, это же относится к излишней детализации изображений.
Сегодня все хотят быстрого результата, поэтому убираем пышность, оставляем то, что «бьет аккуратно, но сильно».
- Применение доутона и двойной экспозиции
Одно изображение помещается в другое – эти композиции называются «картинка в картинке» и несут общую смысловую идею, возможно, с каким-то оригинальным подтекстом.
Как вдохновить себя на создание дизайна?
В работе над макетом в первую очередь необходимо определить концепцию. Приемы, методы и техники – это вторично. Даже если кажется, что все уже придумали до вас, не стоит падать духом. Любую понравившуюся идею можно доработать, пересмотреть, дополнить, чтобы она подходила к вашему проекту.
Изучайте новые методы работы, перенимайте опыт, берите лучшее, необычное и креативное из других отраслей, например, от веб-дизайнеров.
Появление Интернета, безусловно, внесло свои коррективы в развитие полиграфической отрасли, но не стоит бояться цифровых технологий. Электронные и аудиокниги, конечно, более дешевы, однако бумажные издания все равно пользуются популярностью. Идея состоит в том, чтобы объединить усилия полиграфии и цифры к общей пользе и взаимной выгоде.
Тренды 2020 – это соединение удачных готовых решений, уникальность, определение своего собственного стиля и направления. Слепое копирование вышло из моды, сегодня время требует новых идей, творчества и креативности. В 2020-м году нужно учитывать опыт прошлого, но смотреть в будущее, соединять природное с технологичным, фантазию и реальность.
Тренды графического дизайна на 2021 год — Блог Crello
Когда нам кажется, что уже ничего нас удивить не может, художники придумывают что-то новенькое. Они экспериментируют и раз за разом выдают в мир что-то совершенно невероятное.
Цифровой дизайн остается таким же влиятельным, как и в 2020 году. Художники выкладывают на Behance и Dribbble мощные проекты, которые вдохновляют креаторов из самых разных сфер. Предлагаем взглянуть на основные дизайн-тренды, которые ворвались в новый год, не сбавляя оборотов.
3D-арт и моделлинг — тактильный дизайнВ последние десятилетие популярность трехмерного дизайна только растет. И новый год не станет исключением. Это значит, что пушистых, гладких и мягких 3D-рендеров появится только больше.
Благодаря Cinema 4D в модной индустрии тоже происходят изменения. Дизайнеры могут отрисовать в цифре буквально все — от особенностей кожи моделей и их волос до одежды. Ограничений никаких.
Если вам нравится 3D и вы подписаны как минимум на нескольких моушн-дизайнеров в Instagram, то в 2021 году точно увидите океан 3D-работ с деревянными, металлическими и бетонными текстурами.
Игра с текстурами остается в топе графических трендов уже много лет подряд. Помните музыкальное видео Major Lazer «Light It Up»? Этот космический прекрасный рендер сделали Method Studios еще в 2016 году.
Те же технологии используются и в статическом дизайне — например, в вебе и мобильном UI/UX. Так что благодаря 3D-дизайну пользовательские интерфейсы в скором времени станут еще более тактильными.
Вдохновляйтесь Instagram-кампанией «Create Don’t Hate» («Создавайте, а не унижайте») в поддержку движения против буллинга. Иллюстрации для официальных постеров этой инициативы сделал Лео Натсум (Leo Natsume) — получились потрясающие 3D-визуализации, которые намекают на безграничный креативный потенциал современных технологий. Пока сложно предугадать, что именно готовит для нас будущее 3D-дизайна, но все, что уже есть, выглядит просто волшебно.
Абстракция, сюр и остальной прекрасный хаосКажется, какой год ни возьми — тренд на абстракцию всегда в топе. Абстрактное искусство настолько разнообразно, что его потенциал просто неисчерпаем. При этом абстракция уже давно вышла за пределы тех работ, о которых рассказывали в школе и которые мы видим в музеях. Сейчас в этом направлении сотни (если не тысячи) микровариаций, которым иногда даже сложно дать название.
С сюрреализмом примерно так же история. Когда-то давно это направление стало глотком свежего воздуха для искусства, но было бы неправильно думать, что на Дали и Пикассо все закончилось. Наследие великих абстракционистов живет, но в новых формах, которые впитали в себя принципы абстрактного искусства, антиутопического футуризма и других поджанров.
Сейчас мы переживаем бум технологий, и искусству просто необходимо адаптироваться в цифровом пространстве — только так оно продолжит существовать и эволюционировать. Именно поэтому арт становится продуктом не только воображения, но и сильного влияния соцсетей, телевидения, поп-культуры и моды.
В этом году мир хочет больше по-настоящему глубоких и многослойных работ — изображений с многими смыслами, которые раскрываются в процессе рассматривания.
Оптические иллюзии и оцифрованное изобразительное искусство перешли из 2020 в 2021 — и это направление будет только расширяться. Глитч и искажения, глиттер и белый шум, размытие, градиенты, зернистость и пиксельность — все ультрасовременное, психоделическое, сюрреалистическое и абстрактное в 2021 году будет на пике популярности.
Иллюстрация всегоСегодня иллюстрация существует во всех форматах, которые только можно представить. Благодаря гигантскому разнообразию кистей и графических редакторов цифровая иллюстрация обеспечила себе прочное место на самом верху списка трендов. Человеку нравятся хорошие истории, в которые можно погрузиться с головой, а иллюстрации как раз дают такую возможность.
Персонажи, созданные при помощью самых разных инструментов и техник (от карандашных набросков до акварели, масла и даже темперы), сейчас в тренде. Герои этих картинок, со своим характером и своей историей, точно не оставят равнодушными тех, кто любит сюжеты.
3D-иллюстрации уже несколько лет остаются на пике популярности, потому что сами инструменты 3D-дизайна становится все более доступным. Так что в 2021 году ждем пополнение в веселом мире объемных персонажей.
Эмодзи захватили мир, но никто и не против! Зачем заново изобретать колесо, когда оно и так прекрасно работает? Достаточно просто взять какой-то смайлик и трансформировать во что-то новое. Смотришь на такой эмодзи — и он сразу кажется чем-то очень знакомым, приятным и добрым. В нашу эру тотальной диджитализации и шумящих соцсетей это прямо то, что нужно. Сегодня эмодзи могут появляться в форме иллюстрации, 3D или даже типографики (эмотиконы — лучшее тому доказательство).
Геометрия и минимализм в разных форматахРазнообразие геометрических узоров, монохрома и дуотонов, включая классическую черно-белую гамму, — всего этого в 2021 году будет очень много.
Геометрические узоры — это решение, в котором минимализм и самодостаточность находятся в абсолютной гармонии. Не всем удается сделать выразительный дизайн с помощью пары оттенков и форм — тут нужно иметь настоящий талант. И при этом ловкие сочетания базовых элементов действуют на зрителя просто магически. А это значит, что тренд останется с нами надолго. Популярность стиля Пита Мондриана стала хорошим доказательством того, что геометрия — наше все. Художник стал широко известен еще в середине XX, когда переехал в Нью-Йорк, и его визуальный подход до сих пор вдохновляет креативные умы.
Фигуры дают простор для фантазии. И это значит, что зрителю захочется рассматривать работу долго-долго, размышлять и интерпретировать образ по-своему. Не запомнить иллюстрацию, которая наталкивает на интересные мысли, просто невозможно.
В 2021 году будет еще больше вариаций на тему кубизма, стиля Баухауза и «Мемфис». Графические дизайнеры как никогда активно переходят на сторону минимализма — а это дает все основания думать, что подход «больше значит меньше» до сих пор очень актуален.
Символы, ретро и типографикаПеремены уже наступили, даже если вы их пока что не чувствуете. В 2021 году работ с акцентированными символами и ретростилем будет еще больше. Может, революции в мире дизайна они и не сделают, но свое место в современной графике у них точно есть.
Символизм снова с нами, но в обновленном формате, и стал ощущаться совершенно иначе. Дизайнеры вдохновляются астрологическими символами и классическими работами Климта, Гогена и Мальчевского.
Ретро-стиль вернулся, но без лишнего шума. Теперь все это не про Вудсток, синтивейв и гоу-гоу, а про переосмысление, возвращение к более реалистичным и приглушенным оттенкам, которые раньше были на плакатах, открытках и в журналах эпохи массового печатного дизайна. Неброско и честно.
В 2021 году типографика становится еще более самостоятельной. Она может выглядеть дерзко и грозно шуметь, а может быть очень деликатной, сдержанной и даже аскетичной. Ретро-, 3D- и геометрические шрифты смело переходят из 2020 в 2021 год.
Подытожим
В 2021 году — на фоне новой жизни в локдауне, изоляции и всевозможных мер предосторожности — графический дизайн становится тем спасительным уголком, в котором можно дышать свободно. Не так важно, что именно вы создаете, если ваши работы вызывают у людей эмоции. И художники, и зрители могут получать от искусства удовольствие вне зависимости от трендов. Так что просто создавайте то, что вам нравится, — а Crello в этом поможет.
Текущие тренды в интернет-маркетинге
Настоящим я, далее – «Субъект Персональных Данных», во исполнение требований Федерального закона от 27.07.2006 г. № 152-ФЗ «О персональных данных» (с изменениями и дополнениями) свободно, своей волей и в своем интересе даю свое согласие Обществу с ограниченной ответственностью «Мистер Труман» (далее – «Оператор», адрес: 454048, г. Челябинск, ул. Худякова, дом 18, корпус 1, офис 427) на обработку своих персональных данных, указанных при регистрации путем заполнения веб-формы на сайте Оператора mrtruman.ru и его поддоменов *.mrtruman.ru (далее – Сайт), направляемой (заполненной) с использованием Сайта.
Под персональными данными я понимаю любую информацию, относящуюся ко мне как к Субъекту Персональных Данных, в том числе мои фамилию, имя, отчество, адрес, должность, контактные данные (телефон, факс, электронная почта, почтовый адрес), иную другую информацию. Под обработкой персональных данных я понимаю сбор, систематизацию, накопление, уточнение, обновление, изменение, использование, распространение, передачу, в том числе трансграничную, обезличивание, блокирование, уничтожение, бессрочное хранение), и любые другие действия (операции) с персональными данными.
Обработка персональных данных Субъекта Персональных Данных осуществляется исключительно в целях регистрации Субъекта Персональных Данных в базе данных Оператора с последующим направлением Субъекту Персональных Данных почтовых сообщений и смс-уведомлений, в том числе рекламного содержания, от Оператора, его аффилированных лиц и/или субподрядчиков, информационных и новостных рассылок, приглашений на мероприятия Оператора и другой информации рекламно-новостного содержания, а также с целью подтверждения личности Субъекта Персональных Данных при посещении мероприятий Оператора.
Датой выдачи согласия на обработку персональных данных Субъекта Персональных Данных является дата отправки регистрационной веб-формы с Сайта Оператора.
Обработка персональных данных Субъекта Персональных Данных может осуществляться с помощью средств автоматизации и/или без использования средств автоматизации в соответствии с действующим законодательством РФ и внутренними положениями Операторами.
Оператор принимает необходимые правовые, организационные и технические меры или обеспечивает их принятие для защиты персональных данных от неправомерного или случайного доступа к ним, уничтожения, изменения, блокирования, копирования, предоставления, распространения персональных данных, а также от иных неправомерных действий в отношении персональных данных, а также принимает на себя обязательство сохранения конфиденциальности персональных данных Субъекта Персональных Данных. Оператор вправе привлекать для обработки персональных данных Субъекта Персональных Данных субподрядчиков, а также вправе передавать персональные данные для обработки своим аффилированным лицам, обеспечивая при этом принятие такими субподрядчиками и аффилированными лицами соответствующих обязательств в части конфиденциальности персональных данных.
Я ознакомлен(а), что:
1. настоящее согласие на обработку моих персональных данных, указанных при взаимодействии с сайтом Оператора, направляемых (заполненных) с использованием Cайта, действует в течение 20 (двадцати) лет с момента отправки таких данных с помощью средств сайта Оператора;
2. согласие может быть отозвано мною на основании письменного заявления в произвольной форме;
3. предоставление персональных данных третьих лиц без их согласия влечет ответственность в соответствии с действующим законодательством Российской Федерации.
что движет аудиторией и как это использовать
В мире контента тренды существуют как кот Шредингера в физике: с одной стороны постоянно меняются, c другой — последние лет пять остаются неизменными. Если вы уже устали читать про доминацию видео контента из каждого утюга, то эта статья — для вас. Да, digital трансформируется быстрее, чем мы это замечаем. Как в этих условиях создавать контент, оставаясь верным бренду, постоянным и при этом всегда актуальным, рассказала Дарья Масинева, директор по маркетингу Deluxe Interactive Moscow.
Забота о ценностях аудитории позволяет ее удержать
Социокультурные тренды в большей степени определяют направления для коммуникации. Бренд больше не может существовать вне контекста, равно как и его аудитория. Нам важно разделять общие ценности и быть значимыми: неважно, касается это заботы об экологии или поддержки образа жизни бедных студентов и домохозяек будущего. Все это находит отражение в языке бренда и точках соприкосновения с аудиторией. И чем их больше — тем лучше.
При просмотре любого контента, который нравится человеку, мозг выделяет дофамин, а значит, создается цепочка: чем больше удовольствия, тем дольше экранное время, а следовательно, тем больше возможностей для вовлечения в бренд через контент. И если раньше бренды «ловили» свою аудиторию онлайн, то в условиях дофаминовой зависимости от контента главной задачей становится работа на удержание и долгосрочную лояльность.
И на стыке социокультурных трендов и вовлечения аудитории рождается платформа бренда. Чем шире аудитория бренда — тем более мощной может быть платформа. Примеры можно найти почти у каждого глобального бренда:
- Новая «зеленая» кампания Adidas x Disney отрабатывает сразу несколько трендов: эко, ностальгию и поп-культуру. При этом очень органично ложится в базовую поддержку как кампания и для более осознанной нишевой, и для массовой аудитории.
- Перекресток выбрал лейтмотивом социальной коммуникации тему полезных привычек
- Мы с Wella Professionals каждый год расширяем территорию бренда через работу с сообществом профессиональных стилистов — путем продвижения ценности профессионального роста, обучения и обмена опытом с помощью платформы бренда.
Человеку нужен человек: люди хотят знать бренд «в лицо»
В 2021 году на первый план в коммуникации брендов вышел человек. Тренд на развитие личных брендов владельцев бизнеса, прозрачности команды совершил огромный скачок из-за пандемии и острой потребности человека в другом человеке. Аудитории важно, кто стоит за продуктом, она хочет знать этих людей в лицо, как в малом и среднем бизнесе, так и для брендов федерального масштаба.
Достаточно посмотреть на TikTok — если у бренда нет лица, то создать качественный и вирусный контент в этом канале почти невозможно.
Для решения этой задачи необходимо работать с приглашенными звездами или экспертами, бренд-амбассадорами, лидерами внутри своего сообщества и самыми лояльными потребителями через UGC. Все это позволит создать больше точек контакта с аудиторией и укрепит вовлечение.
Подход можно интегрировать в базовую поддержку. Например Doritos в России объединяют подход к вовлечению и через селебрити, и через UGC, создавая правильные стримы для коммуникации. И объединяют их в профиле Instagram (сторис: «they love us» и «we love you»). Помимо этого, можно запустить отдельный канал коммуникации, как сделала команда МТС «Твой бизнес», создав проект «Знаем лично».
Почему все вокруг стали одинаково трендовыми
Конкуренция за внимание растет во всех каналах, благодаря малому бизнесу и его контент-менеджерам, сторисмейкерам, «биологам», мобильным дизайнерам и прочим новым фриланс-профессиям. В условиях повышенной конкуренции растет количество модного, но однотипного контента, производимого по трендовым шаблонам.
Чтобы не стать очередным брендом-однодневкой с красивой страницей в Instagram и не растерять внимание аудитории, важно выстраивать долгосрочный план контент-политики и задавать ключевые вопросы для малого бизнеса: «Кто мы? Куда идем и зачем это делаем?»
Визуал и эстетика — это хорошо. Выстраивать бренд с мощной и долгосрочной платформой — еще лучше и эффективнее.
Что на самом деле происходит за красивой картинкой
Cо стороны пользователей основной тренд — это миграция между площадками: из Instagram в Telegram, из Telegram в Clubhouse и обратно, отовсюду в TikTok. Мы больше не можем говорить о сегментировании аудиторий по площадкам, как раньше. Мы живем в эпоху определения коммуникаций в зависимости от канала, его трендов и особенностей.
Основной фокус 2021−2022-го — возможность создать объемную коммуникацию и раскрыть все активы бренда с помощью уникальных инструментов каждой из площадок. Бренды, присутствующие только в одном-двух каналах, останутся узконаправленными и в большинстве случаев просто рискуют потерять часть аудитории под напором более подвижных конкурентов.
44,8% аудитории предпочитают искать информацию о брендах через социальные сети. И если о вас молчат, шанс быть найденным ограничен. А если о бренде есть негатив без реакции — первое впечатление останется навсегда испорченным.
Кросс-постинг позволит сэкономить на кастомизации
Дифференциация подхода к коммуникации часто упирается в вопрос о ее кост-эффективности. Да, мы хотим быть везде, но не всегда можем себе это позволить. Или еще чаще: а где гарантии, что новый канал станет для нас эффективным?
Хорошие новости: чтобы проектировать взаимодействия с аудиторией совсем не обязательно собирать новый контент с нуля. Кросс-постинг остается рабочим подходом. Главное уметь грамотно использовать его, по-разному упаковывая коммуникацию и инфоповоды.
При этом важно понимать особенности потребления контента на площадке и то как они работают на стратегические задачи.
- Допустим, Instagram вам нужен только для медийки. Используйте контент как лендинг с основной информацией из ведите людей через ссылку в профиле на свои активные каналы.
- Не можете обеспечить регулярный продакшен видео для TikTok? Найдите 3−5 лояльных инфлюенсеров, которые будут делать контент для бренда на регулярной основе.
- Хотите продавать через ВКонтакте? Больше времени посвятите работе с магазином и настройте промо с переходами на ваш сайт.
Точечная обработка на каждой из площадок 100% даст больше пользы для бизнеса, чем игнорирование из-за отсутствия свободных бюджетов.
Навигация и реакции — путь к успеху
Отбросим все «модные» тренды и вернемся к скучным, но функциональным. Каждая отдельная единица контента становится навигационным инструментом для пользователя. И поэтому нам нужно четко понимать, куда мы хотим привести аудиторию. Например: с поста — на страницы, со страницы — в stories, из stories — на сайт и обратно в социальные сети через CRM.
Если бросить пользователя одного в темном лесу без хлебных крошек, то скорее всего он потеряется, не дойдет до целевого действия, и по пути его найдут волки (конкуренты). Навигация — это не только тренд, но и главная задача поддержки бренда. А когда навигация совмещается с генерацией реакций, — начинается успех.
Количество реакции драйвят переходы и разогревают аудиторию перед целевым действием. В этом подходе строятся новые механики вовлечения, которые ограничиваются разве что креативом. Игры на тапах, квизы, «настолки» — чем больше пользователь увлечен вашей навигацией, тем выше вероятность, что он дойдет до целевого действия.
Netflix, Amediateka и «Кинопоиск» регулярно работают с игровыми форматами в stories, и каждая публикация у них прошита ссылками на страницы сериалов, чей контент они задействовали.
Уже недостаточно сделать сочную картинку, написать вкусный текст и сидеть в ожидании, когда к тебе упадет очередной лид. Конкуренция растет, коммуникация усложняется, появляются новые инструменты, а внимание человека все еще остается ограниченным.
Современный дизайн исследования причинно-следственных связей
Эпидемиология. 2017 июл; 28 (4): 529–536.
, a , a, b , b и bXinyao Ji
От отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Дилан С. Смолл
От a Департамент статистики, Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Чарльз Э. Леонард
Из отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Шон Хеннесси
Из отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
От a Департамент статистики, Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Автор, ответственный за переписку: Шон Хеннесси, факультет биостатистики и эпидемиологии, Медицинская школа Перельмана Пенсильванского университета, 423 Guardian Drive, 803 Blockley Hall, Philadelphia, PA. Электронная почта: ude.nnepu@yssenneh.Поступило 06.06.2016; Принято 18 октября 2016 г.
Copyright © 2016 Автор (ы). Опубликовано Wolters Kluwer Health, Inc. Эта статья цитируется в других статьях в PMC.Abstract
Когортные исследования могут быть искажены неизмеренным искажением.Мы предлагаем гибридный эколого-эпидемиологический дизайн, называемый «тренд в тренде», который требует сильного временного тренда воздействия, но является беспристрастным, если нет неизмеренных факторов, влияющих на результат, для которых есть временные тренды в распространенности, которые коррелируют с временными трендами. при воздействии по слоям с различными тенденциями воздействия. Таким образом, условия, при которых исследование тенденции в тренде смещено, являются подмножеством тех, при которых когортное исследование смещено. Схема «тренд в тренде» сначала делит исследуемую популяцию на страты на основе кумулятивной вероятности воздействия с учетом ковариат, которые эффективно стратифицируют по временному тренду воздействия, при условии, что тренд есть.Затем модель максимального правдоподобия, не содержащая ковариат, оценивает отношение шансов (OR) с использованием данных о распространенности воздействия и частоте исходов в пределах совокупной вероятности страт воздействия за несколько периодов. При моделировании дизайн с тенденцией к тренду давал OR с незначительным смещением при наличии неизмеренного искажения. В эмпирических приложениях «тенденция в тренде» воспроизводила известную положительную связь между рофекоксибом и инфарктом миокарда (наблюдаемое OR: 1,2, 95% доверительный интервал: 1.1, 1.4), а также известные нулевые ассоциации между рофекоксибом и тяжелой гипогликемией (OR = 1,1 [0,92, 1,3]) и непозвоночными переломами (OR = 0,84 [0,64, 1,1]). Метод «тенденция в тренде» может быть полезен в условиях сильной временной тенденции воздействия, например, недавно одобренный препарат или другое медицинское вмешательство. См. Аннотацию к видео по адресу http://links.lww.com/EDE/B178.
Многие важные причинно-следственные вопросы не могут быть решены с помощью рандомизированных исследований по этическим или практическим причинам. В экологических исследованиях рассматриваются причинно-следственные вопросы путем изучения временных тенденций воздействия и исхода, но они могут быть искажены из-за одновременных тенденций в других факторах, влияющих на исход. 1 Эпидемиологические планы, такие как когортное исследование, могут быть необъективными, если существуют неизмеряемые детерминанты воздействия, связанные с исходом (т. Е. Неизмеренные искажающие факторы). В этой статье мы представляем новый гибридный эколого-эпидемиологический дизайн, который называется «тренд в тренде». Вместо того, чтобы сравнивать людей, подвергшихся облучению, и людей, не подвергавшихся облучению, схема «тенденции в тренде» исследует временные тенденции в исходе как функцию временных тенденций воздействия в разных слоях с разными временными тенденциями воздействия. Интуитивно понятно, что в популяции, стратифицированной по временным тенденциям воздействия, связь между тенденциями времени воздействия и тенденциями времени исхода по стратам должна обеспечивать доказательства причинно-следственной связи, за исключением случаев, когда существуют неизмеряемые факторы, влияющие на исход, для которых существуют временные тенденции распространенности, которые коррелируют с тенденциями времени в экспозиции по слоям. Таким образом, сценарии, при которых исследование тенденции в тенденции подвержено неизмеримым искажениям, должны быть подмножеством тех, при которых подвержено когортное исследование, что делает дизайн более устойчивым к неизмеряемым искажениям, чем другие планы.Компромиссы заключаются в том, что исследование тенденции в тенденции возможно только при наличии сильной временной тенденции воздействия и должно иметь меньшую статистическую точность, чем когортное исследование.
Несмотря на то, что современный дизайн является новым, он связан с двумя устоявшимися эконометрическими подходами. Один из них — это метод разницы в различиях, 4 , поскольку оба устраняют неизмеримое искажение путем изучения внутригрупповых изменений и временных тенденций в результатах. Однако, в отличие от метода, план «тенденции в тренде» оценивает причинный параметр на индивидуальном уровне.В частности, схема «тренд в тренде» дает отношение шансов (OR), которое приблизительно соответствует отношению риска, когда результат является редким. 3 Метод тренда в тренде также связан с использованием календарного времени в качестве инструментальной переменной (IV), 5,6 , и фактически они эквивалентны, если в тренде используется только один слой. в трендовом дизайне. Однако использование календарного времени в качестве IV может быть искажено любой временной тенденцией в распространенности неизмеримого фактора, влияющего на результат. Напротив, план «тренд в тренде» смещается таким трендом только в том случае, если временной тренд неизмеренного фактора коррелирует с временными трендами экспозиции по стратам, определяемым факторами, связанными с экспозицией. Таким образом, план «тренд в тренде» ослабляет допущения, при которых справедливо исследование календарного времени IV.
В этой статье мы сначала вводим кумулятивную вероятность воздействия, которая используется для разделения популяции на страты с различной распространенностью воздействия и, следовательно, с разными временными тенденциями воздействия, при условии, что существует общая временная тенденция. Затем мы предлагаем две разумные модели для отдельных лиц и подгрупп, соответственно. При допущении, что результат является редким, ковариаты либо неизменны во времени, либо изменяются случайным образом с течением времени внутри человека, и отсутствуют временные тенденции в неизмеренных причинных факторах, которые связаны с временными тенденциями воздействия на разные слои, мы даем математический вывод связь между людьми и подгруппами и метод оценки OR с использованием данных на уровне группы.Затем мы математически показываем, что эта оценка не зависит от измеренных и неизмеренных искажающих факторов. Мы сообщаем об имитационном исследовании, показывающем, что OR, оцененное с использованием метода тенденции в тренде, гораздо менее предвзято, чем оцененное с использованием когортных методов, когда имеется неизмеренное смешение факторов без тенденции в распространенности. Наконец, мы применяем метод тенденции к тенденции к данным здравоохранения, чтобы воспроизвести известную положительную связь между рофекоксибом и острым инфарктом миокарда (ОИМ), 7 и двумя предположительно нулевыми ассоциациями: рофекоксиб и тяжелая гипогликемия, а также рофекоксиб и перелом костей. 8
МЕТОДЫ
Стратификация на основе совокупной вероятности воздействия
Анализ исследования тенденции в тенденции включает два этапа. На первом этапе мы оцениваем кумулятивную вероятность воздействия, которая представляет собой прогнозируемую вероятность воздействия на весь период исследования на основе переменных, отличных от воздействия, результата и их потенциальных эффектов. В частности, предположим, что мы наблюдаем за популяцией, в которой наблюдается состояние двойного воздействия на каждого человека в течение периода исследования.Мы также наблюдаем набор переменных, которые влияют, но, как известно из предметной области, не подвержены влиянию воздействия, таких как возраст, пол, географическое место проживания, диагнозы и т. Д. Мы подбираем модель логистической регрессии, используя эти переменные в качестве независимых переменных, с зависимой переменной, являющейся воздействием. Подбираемое значение представляет собой предполагаемую совокупную вероятность воздействия. Поскольку единицей анализа для модели совокупной вероятности воздействия является индивидуум, а ковариаты рассматриваются как инвариантные, каждый субъект будет находиться в одной и той же страте совокупной вероятности воздействия для всех периодов наблюдения.Если, по аналогии с новым когортным исследованием пользователей, субъекты должны присутствовать в течение базового периода перед первой возможностью воздействия, то значения всех переменных в модели совокупной вероятности воздействия могут быть зафиксированы при первой возможности воздействия ( например, одобрение препарата). Тем не менее, многие базы данных здравоохранения имеют высокую текучесть кадров, и ограничение исследования людьми с достаточным исходным периодом до первой возможности контакта может резко сократить доступный размер выборки.В такой ситуации можно позволить, чтобы значение кумулятивной вероятности переменных воздействия, для установления которых требуется время (например, появление диагнозов), определялось данными, наблюдаемыми в течение периода исследования, при условии, что знание предметной области может исключить возможность этот статус воздействия влияет на любую кумулятивную переменную вероятность воздействия. Для воздействия с общим временным трендом распространенности интуиция подсказывает нам, что величина тренда должна варьироваться в зависимости от страты, определяемой кумулятивной вероятностью воздействия.Кумулятивная вероятность воздействия аналогична баллу склонности, 9 , потому что оба предсказывают воздействие, но отличается от него тем, что показатель склонности используется для уравновешивания наблюдаемых ковариат по группам воздействия, в то время как кумулятивная вероятность воздействия используется для определения страт. с разными временными тенденциями выдержки. Также возможно напрямую смоделировать сам тренд, а не совокупную вероятность воздействия. Второй этап анализа, описанный ниже, применим к любой популяции, стратифицированной по временному тренду распространенности воздействия.
Модели в дизайне тенденций
Чтобы получить количественную оценку причинно-следственного эффекта, мы предлагаем две модели результатов. Для каждого субъекта в каждый момент времени определяется одна модель, чтобы учесть неоднородность ковариат по населению и временные тенденции результатов. Другой определяется на уровне популяции в каждый момент времени, который отображает средний результат среди этих субъектов в той же подгруппе. Мы предполагаем, что исследуемая популяция состоит из N особей и существует T временных периодов.Let обозначает вектор ковариант, связанных с индивидуальным i в период времени t , который представляет внутренние характеристики, которые могут повлиять на конкретное воздействие и / или результат. можно наблюдать, ненаблюдать или частично наблюдать. предполагается, что оно соответствует распределению F среди населения. и являются переменными подверженности и исходу для отдельных i за период времени t . G — индекс совокупной вероятности страт подверженности риску.
Субъектно-ориентированная модель
Предполагается, что условные ожидаемые результаты удовлетворяют
(1)
, где h — функция связи. Модель для конкретного субъекта — это частный случай обобщенной линейной смешанной модели, в которой воздействие и период времени являются фиксированными эффектами, а ковариаты для человека (некоторые из которых могут быть ненаблюдаемыми) представлены как случайные эффекты. 10 Поскольку схема «тенденция в тренде» предназначена для оценки мгновенного риска воздействия, только вместо истории лечения рассматривается как предиктор условного ожидаемого результата.Коэффициент β 1 для воздействия имеет причинно-следственную интерпретацию на индивидуальном уровне. Это также логарифм ИЛИ, когда и экспозиция, и результат являются двоичными, а функция h — логит.
Когда неизмеряемых искажений не существует, то есть их можно полностью наблюдать, допустимо оценить все коэффициенты в уравнении (1) с использованием данных на индивидуальном уровне. Например, план когорты использует информацию о каждой единице в группе для изучения связи с воздействием. 11 Однако в наблюдательных исследованиях мы не можем исключить наличие неизмеряемых искажающих факторов, которые могут исказить оценки коэффициентов фиксированных эффектов. Кроме того, предметно-ориентированная модель может быть сложной с вычислительной точки зрения при изучении редких заболеваний, поскольку требуется большое количество испытуемых.
Модель с усреднением по совокупности
Мы предполагаем, что предельное ожидание удовлетворяет:
(2)
, где h * — функция связи.- это функция от воздействия и группы, которая представляет неоднородность в подгруппах, подвергшихся и не подвергавшихся воздействию. Модель, усредненная по населению, — это предельное ожидание предметно-ориентированной модели. Это не требует знания ковариат или предположений о неоднородности отдельных лиц. Его коэффициенты можно напрямую оценить на основе агрегированных данных о воздействии и исходе, но не имеют индивидуальной причинно-следственной интерпретации.
В общем, две модели могут быть связаны путем интеграции.В Zeger et al., 10 обсуждаются случаи функций связи identity, log, probit и logit, а также подробно перечисляются соответствующие математические отношения между () и (). Метод «тенденция в тренде» будет основан на модели, усредненной по совокупности. С целью сделать причинно-следственные выводы для лиц с двоичным исходом, мы требуем, чтобы функция связи h была логистической, чтобы было возможно получение OR exp ( β 1 ), а оценочная величина приближалась к соотношению рисков, полученному из когортное исследование редкого исхода.
Далее мы даем математический вывод связи между двумя моделями и того, как оценить причинное ИЛИ, используя только данные о тенденциях в распространенности как воздействия, так и исходов в стратах. Мы также показываем, что при правдоподобных предположениях метод тенденции в тенденции не основан на измеренных и неизмеряемых факторах при условии, что нет тенденций в распространенности ковариат, которые коррелируют с распространенностью воздействия во времени. Поскольку сценарии, которые приведут к ошибочной оценке в исследовании тенденции в тренде, являются подмножеством тех, которые приведут к ошибочной оценке в когортном исследовании, схема тенденции в тенденции более устойчива к потенциальным искажениям.Однако, в отличие от когортного дизайна, тренд в тренде требует сильного временного тренда экспозиции, поэтому он доступен в меньшем количестве сценариев.
Оценка отношения шансов
Сначала мы стратифицируем всю популяцию по K стратам в соответствии с квантилями оцененной кумулятивной вероятности воздействия. Для каждой подгруппы G и каждого временного периода t мы агрегируем данные на индивидуальном уровне, чтобы получить количества в следующей таблице:
Поскольку h является функцией логита, мы имеем
(3)
In В общем, не существует закрытой формы для предельного среднего как функции фиксированных эффектов, и β 1 не может быть идентифицирован. Однако приблизительная форма становится доступной, когда мы налагаем следующие предположения:
(1) Ковариаты и период времени имеют мультипликативное влияние на подверженность воздействию, то есть. h 1 и h 2 — две детерминированные функции, но неизвестные.
(2) Ковариаты для всех индивидуумов в любой подгруппе G либо неизменны во времени, либо меняются случайным образом во времени. Это случайные величины из неизвестного распределения, то есть.
(3) Результат является редким, поэтому мы можем опустить знаменатель подынтегрального выражения в уравнении.
С этими предположениями можно доказать, что
(4)
(5)
где неизвестные константы, которые зависят от группы.
Уравнения (4) и (5) не содержат ковариаций. Другими словами, предельное ожидание результата одинаково для леченных / контрольных лиц в одной и той же подгруппе. Поскольку каждый из них является бинарным, агрегирование результатов для пролеченных и необработанных дает два биномиальных распределения. Следовательно, мы можем записать параметрическое правдоподобие для ():
(6)
(7)
() являются неизвестными параметрами и могут быть оценены путем максимизации вышеуказанного правдоподобия с использованием алгоритма оптимизации. В частности, представляет интерес операционная. Мы написали пакет для языка вычислений R под названием TrendInTrend, который выполняет эту максимизацию и вычисляет OR с заданным 95% доверительным интервалом.
МОДЕЛИРОВАНИЕ
Мы провели имитационные исследования, чтобы подтвердить, что при наличии неизмеренных искажающих факторов OR, полученный методом тенденции в тренде, незначительно смещен (хотя и несколько менее точен), чем полученный в когортном исследовании.Мы смоделировали исследуемую популяцию размером 250 000 человек с 20 календарными кварталами в качестве периодов обучения. Данные были сгенерированы в соответствии со следующей процедурой:
Шаг 1: Ковариаты представляют собой пятимерный вектор с тремя элементами, созданными из многомерного распределения Гаусса, и двумя другими элементами, созданными из распределений Бернулли с различными вероятностями успеха. Исследуются три сценария: (1) ковариаты выбираются только один раз и фиксируются во времени, (2) ковариаты выбираются независимо для каждого календарного периода, и (3) ковариаты выбираются повторно для каждого календарного периода с коэффициентом автокорреляции 0.5.
Шаг 2: Присвойте 1 с вероятностью.
Шаг 3: Моделирование на основе конкретной предметной модели и выбора функции связи h .
Мы выбираем a 0 , a 1 , a 2 , a 3 таким образом, чтобы смоделированная распространенность воздействия имела форму «вверх-вниз», показанную на рисунке. , который имитирует тенденцию воздействия лекарственного средства, которое становится широко используемым после введения, а затем отменяется (например,g., рофекоксиб). Однако этот метод должен работать и при однонаправленном тренде. Более подробное описание настройки моделирования вместе со значениями всех параметров приведено в разделе 2 дополнительных материалов (http://links. lww.com/EDE/B123).
Тренд смоделированного риска за 20 календарных кварталов. Распространенность подверженности увеличивается с 0% в первом квартале до 5% в 15-м квартале, а затем снижается почти до 0% в 20-м квартале.
На основании совокупной вероятности воздействия, оцененной с помощью логистической регрессии, исследуемая популяция была стратифицирована по квинтилям, то есть K = 5.Как и ожидалось, эти страты, каждая из которых насчитывает 50 000 человек, имели разные тенденции в распространенности воздействия. Модель совокупной вероятности воздействия включала все пять ковариат, как показано на рисунке.
Смоделированные тенденции распространенности воздействия для стратифицированных подгрупп на основе совокупной вероятности квинтилей воздействия. Каждый квинтиль совокупной вероятности воздействия демонстрирует различную тенденцию распространенности воздействия с течением времени. В верхнем квинтиле наблюдается наиболее резкое изменение от базового уровня к пиковому, в то время как нижний квинтиль практически не меняется.
Мы рассмотрели следующие сценарии в предположении редких событий: (1) OR принимает значения 1,0, 1,5, 2,0 и 2,5; (2) сила модели кумулятивной вероятности воздействия имеет три уровня, количественно определяемые нулем, двумя и четырьмя пропущенными искажающими факторами из пяти в общей сложности, и для каждого уровня рассчитывается статистика c для измерения ненаблюдаемой неоднородности факторов, влияющих на исход; (3) количество кумулятивных уровней вероятности воздействия равно пяти или 10.Мы сравниваем предполагаемый OR с рассчитанным с использованием когортного метода. Результаты, которые представляют собой средние значения 1000 симуляций, сведены в таблицы -, соответствующие трем различным сценариям выборки ковариат, как описано выше.
ТАБЛИЦА 1.
Сравнение оценочного отношения причинных шансов с использованием трендового дизайна и метода когортного исследования
ТАБЛИЦА 3.
Сравнение оценочного отношения причинных шансов с использованием трендового дизайна и Метод когортного исследования
ТАБЛИЦА 2.
Сравнение оценочного отношения причинно-следственных связей с использованием дизайна тенденции в тренде и метода когортного исследования
Как и ожидалось, когда не было неизмеренных факторов, влияющих на тенденцию, как тенденции в тренде, так и когортный дизайн дали OR, которые были близки к правда. Однако по мере увеличения количества неизмеряемых искажающих факторов, OR, полученные с помощью когортного дизайна, стали очень смещенными, с погрешностями в диапазоне от 90% до 127%, в то время как результаты из трендового дизайна оставались близкими к истине с диапазоном погрешности. от −3.От 5% до 3%. Стандартные отклонения для метода «тенденция в тренде» были в 1-2 раза больше, чем для когортного метода, чего и следовало ожидать, поскольку информация на индивидуальном уровне частично теряется при агрегировании подсчетов результатов. Кроме того, мы наблюдали снижение SD для метода тенденции в тренде, когда количество страт увеличивается с пяти до 10, как показано в таблице.
ТАБЛИЦА 4.
Сравнение оценочного отношения причинно-следственных связей с использованием дизайна тенденции в тенденции и метода когортного исследования
ПРИЛОЖЕНИЕ
Мы применили метод тенденции в тенденции к базе данных витрины данных Clinformatics (OptumInsight, Eden Prairie, MN), чтобы изучить связь между рофекоксибом и AMI, тяжелой гипогликемией и переломом непозвоночных костей.Совет по институциональному надзору Университета Пенсильвании определил, что это исследование соответствует критериям приемлемости для исключения из рассмотрения IRB, разрешенного 45 CFR 46.101, категория 4. Определения этих результатов описаны в дополнительных материалах (http://links.lww.com/EDE / B123). Сначала мы определили всех лиц в возрасте 18 лет и старше в Optum, которые получали один или несколько рецептов на рофекоксиб в течение периода исследования с 1 апреля 2000 г. по 30 декабря 2004 г. Для каждого эпизода контакта с рофекоксибом мы определили первый месяц и последний месяц эпизода их непрерывного включения (или эпизодов для лиц с несколькими эпизодами включения) в течение периода исследования. Таким образом, единицей наблюдения был эпизод зачисления, определяемый как период непрерывного зачисления человека. Человек может добавить несколько эпизодов. Для каждого эпизода, подвергшегося воздействию рофекоксиба, мы случайным образом отобрали без замены девять эпизодов регистрации, не подвергавшихся воздействию рофекоксиба, с датой начала регистрации не позднее, чем через 1 год от даты начала регистрации субъекта, подвергшегося воздействию рофекоксиба, и с датой окончания регистрации или после даты окончания регистрации субъекта, подвергшегося воздействию рофекоксиба.Обоснованием этого критерия было обеспечение достаточного совпадения календарного времени наблюдения для подвергнутых и не подвергавшихся воздействию субъектов. Таким образом, набор для анализа содержал в 10 раз больше общих эпизодов, чем было эпизодов включения в исследование, подвергшихся воздействию рофекоксиба. Это было сделано для повышения эффективности вычислений по сравнению с включением всего исследуемого населения.
Затем мы аппроксимируем логистическую регрессию для оценки совокупной вероятности воздействия, используя возраст, пол, диагноз ревматоидного артрита и диагноз остеоартрита в качестве независимых переменных.Коды диагностики для этих переменных приведены в дополнительных материалах (http://links.lww.com/EDE/B123). Для субъектов, подвергшихся воздействию рофекоксиба, эти ковариаты были измерены на дату их первого назначения. Для контрольных субъектов эти ковариаты были измерены в тот же день, что и их соответствующие подвергнутые воздействию объекты. Статистика c составила 0,61, что дает хорошее разделение распространенности воздействия по квинтилям, как показано на рисунке. Оценочные коэффициенты и SD (как показано в скобках) равны 0.0228 (0,0001) для постоянного возраста, 0,1458 (0,0027) для женского пола, 2,4418 (0,0124) для ревматоидного артрита и -0,6444 (0,0191) для остеоартрита.
Тенденции воздействия рофекоксиба в стратифицированных группах с использованием базы данных Optum Clinformatics.
Метод тенденции к тенденции дал OR (95% доверительный интервал) для рофекоксиба и AMI, равный 1,2 (1,1, 1,4), что согласуется с результатами предыдущих эпидемиологических исследований: метаанализ 2005 г. дал объединенный относительный риск 1.2 (1,1, 1,3) для когортных и вложенных исследований случай – контроль, 12 и более поздний метаанализ сообщили об объединенном относительном риске 1,3 (1,2, 1,5). 13 OR для исходов отрицательного контроля, тяжелой гипогликемии и непозвоночного перелома кости (ни один из которых, как предполагается, не влияет на рофекоксиб) составили 1,1 (0,92, 1,3) и 0,84 (0,64, 1,1), что соответствует нет эффекта. 14
ОБСУЖДЕНИЕ
Мы описываем новый гибридный дизайн эколого-эпидемиологического исследования, который называется «тренд-в-тренде», даем математический вывод результирующего отношения шансов, используем моделирование, чтобы подтвердить, что результаты менее смещены (хотя и в некоторой степени). менее точен), чем в когортном исследовании, когда имеется неизмеренное искажение, и применять этот метод для воспроизведения одной положительной и двух нулевых ассоциаций с использованием реальных данных.Результаты эмпирического исследования с использованием реальных данных показывают, что дизайн легко применим и дает ожидаемые результаты.
Важно отметить, что современный дизайн избегает ахиллесовой пяты большинства эпидемиологических исследований медицинских вмешательств: совмещения получения лечения с необходимостью в нем. В отличие от когортных исследований, план «тенденция в тренде» не предполагает никаких неизмеримых искажающих факторов, а вместо этого изучает изменения в возникновении результатов как функцию изменений распространенности воздействия по стратам с различными временными тенденциями воздействия.Следовательно, результаты исследования тенденции в тенденции будут необоснованными, если нет неизмеримых факторов, влияющих на результат, для которых существуют временные тенденции в распространенности, которые коррелируют с временными тенденциями воздействия по стратам, определяемым тенденцией воздействия. Это может произойти, если есть совместные вмешательства, для которых тенденция использования положительно коррелирует с тенденциями использования воздействия, или альтернативы, для которых тенденция использования отрицательно коррелирует с тенденциями использования воздействия.Поскольку сценарии, которые дадут смешанную оценку тенденции в тренде, являются подмножеством тех, которые дадут искаженную оценку когорты, схема тенденции в тренде более устойчива к искажениям. Однако дизайн «тренд в тренде» возможен только при наличии сильного временного тренда в распространенности воздействия. Точно так же оценки эффекта, полученные с использованием календарного периода в качестве IV, будут смещены, если есть какая-либо временная тенденция в неизмеряемом причинном факторе, тогда как исследование тенденции в тренде будет смещено только в том случае, если изменения в распространенности такого фактора коррелированы. с изменениями распространенности воздействия по совокупной вероятности страт воздействия. Таким образом, схема «тренд в тренде» ослабляет допущения, при которых допустимо использование календарного времени в качестве IV.
Причинный контраст, исследуемый методом «тренд в тренде», заслуживает обсуждения. Это мгновенный эффект от использования представляющей интерес подверженности риску, а не подверженности риску (если таковые имеются), который тренд к увеличению (или уменьшению) использования представляющей интерес подверженности сместился (или был замещен). В примере с рофекоксибом, вероятно, это комбинация неселективных нестероидных противовоспалительных препаратов, опиоидов и отсутствие лечения.Таким образом, результаты тенденции к тенденции могут не имитировать результаты плацебо-контролируемых исследований, оценивающих исследуемое лечение. Тем не менее причинный контраст с альтернативами, которые он вытесняет или вытесняет, возможно, более уместен с точки зрения общественного здравоохранения.
Основными ограничениями метода «тенденции в тенденции» являются необходимость наличия сильной тенденции в распространенности воздействия и снижение статистической точности, которая сопровождает анализ на уровне группы, а не на индивидуальном уровне. Ограничения настоящего исследования включают скромный диапазон смоделированных сценариев и тот факт, что не существует эмпирического примера с причинно-следственным эффектом, известным с полной уверенностью.
Необходима дополнительная работа, чтобы повысить полезность модного дизайна. Такая работа должна быть направлена на контроль измеренных факторов, для которых могут быть временные тенденции, которые коррелируют с временными тенденциями воздействия по совокупной вероятности слоев воздействия, изучение неоднородности эффекта лечения, методы последовательного анализа, позволяющие множественные взгляды при ограничении ошибки типа 1 и оценка статистической мощности и обнаруживаемой альтернативы.
Сноски
Примечание редактора: Комментарий к этой статье размещен на стр.537.
Это исследование было частично поддержано грантами R01AG025152, R01DK102694, R01HD074756, R01AG040105 и UL1TR000003 от Национальных институтов здравоохранения. Данные моделирования, представленные в этой статье, представлены в виде дополнительных файлов данных; http://links.lww.com/EDE/B123. Из-за соглашения, регулирующего доступ Пенсильванского университета к данным Optum Clinformatics, исследователи не могут предоставить доступ к этим данным. Доктора Хеннесси и Леонард получают финансирование через свое учреждение от Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США для участия в программе Mini-Sentinel.
Доктор Хеннесси консультировал Merck Sharp & Dohme Corp, не имеющий отношения к рофекоксибу. Ни у кого из других авторов нет потенциального конфликта интересов.
Дополнительный цифровой контент доступен через прямые ссылки на URL в версиях HTML и PDF этой статьи (www.epidem.com).
СПИСОК ЛИТЕРАТУРЫ
1. Кук Т.Д., Кэмпбелл Д.Т., День А. Квази-экспериментирование: вопросы проектирования и анализа для полевых настроек. 1979 г. 351 Бостон, Массачусетс: Хоутон Миффлин.[Google Scholar] 2. Мейрик О. Когортные исследования и исследования случай-контроль. 2008 г. Женева: Всемирная организация здравоохранения ;. [Google Scholar] 3. Viera AJ. Соотношения шансов и рисков: в чем разница и почему это важно? South Med J. 2008; 101: 730–734 .. [PubMed] [Google Scholar] 4. Лехнер М. Оценка причинно-следственных связей разностными методами. Сейчас, 2011. [Google Scholar] 5. Каин Л. Е., Коул С. Р., Гренландия С. и др. Влияние высокоактивной антиретровирусной терапии на заболеваемость СПИДом с использованием календарного периода в качестве инструментальной переменной.Am J Epidemiol. 2009: kwp002. [Бесплатная статья PMC] [PubMed] [Google Scholar] 6. Джонстон К.М., Густафсон П., Леви А.Р., Гроотендорст П. Использование инструментальных переменных в анализе обобщенных линейных моделей при наличии неизмеримых искажений с приложениями к эпидемиологическим исследованиям. Stat Med. 2008; 27: 1539–1556 .. [PubMed] [Google Scholar] 7. Юни П., Нартей Л., Райхенбах С., Стерчи Р., Дьеп П. А., Эггер М. Риск сердечно-сосудистых событий и рофекоксиб: кумулятивный метаанализ. Ланцет. 2004; 364: 2021–2029.. [PubMed] [Google Scholar] 8. Вестергаард П., Рейнмарк Л., Мосекильде Л. Риск перелома, связанный с применением нестероидных противовоспалительных препаратов, ацетилсалициловой кислоты и ацетаминофена, а также последствия ревматоидного артрита и остеоартрита. Calcif Tissue Int. 2006; 79: 84–94 .. [PubMed] [Google Scholar] 9. Розенбаум ПР, Рубин ДБ. Центральная роль шкалы предрасположенности в обсервационных исследованиях причинных эффектов. Биометрика 1983; 70: 41–55 .. [Google Scholar] 10. Зегер С.Л., Лян К.Ю., Альберт П.С. Модели для продольных данных: подход обобщенного уравнения оценки.Биометрия. 1988; 44: 1049–1060 .. [PubMed] [Google Scholar] 11. Бенджамин Э.Дж., Леви Д., Вазири С.М., Д’Агостино РБ, Белэнджер А.Дж., Вольф PA. Независимые факторы риска фибрилляции предсердий в популяционной когорте. Фрамингемское исследование сердца. ДЖАМА. 1994; 271: 840–844 .. [PubMed] [Google Scholar] 12. Эрнандес-Диас С., Варас-Лоренцо С., Гарсиа Родригес Л.А. Нестероидные противовоспалительные препараты и риск острого инфаркта миокарда. Basic Clin Pharmacol Toxicol. 2006; 98: 266–274 .. [PubMed] [Google Scholar] 13.Varas-Lorenzo C, Riera-Guardia N, Calingaert B, F и др. Инфаркт миокарда и отдельные нестероидные противовоспалительные препараты, метаанализ наблюдательных исследований. Фармакоэпидемиол лекарственный саф 2013; 22.6: 559–570 .. [Бесплатная статья PMC] [PubMed] [Google Scholar] 14. Соломон Д.Х., Рассен Дж. А., Глинн Р. Дж., Ли Дж., Левин Р., Шнейвайс С. Сравнительная безопасность анальгетиков у пожилых людей с артритом. Arch Intern Med. 2010; 170: 1968–1976 .. [PubMed] [Google Scholar] 15. Левеск Л.Е., Брофи Дж. М., Чжан Б.Риск инфаркта миокарда с ингибиторами циклооксигеназы-2: популяционное исследование пожилых людей. Ann Intern Med. 2005; 142: 481–489 .. [PubMed] [Google Scholar] 16. Киёта Ю., Шнейвайс С., Глинн Р.Дж., Каннуссио С.К., Аворн Дж., Соломон Д.Х. Точность диагноза острого инфаркта миокарда на основе заявлений Medicare: оценка положительной прогностической ценности на основе анализа истории болезни. Am Heart J. 2004; 148: 99–104 .. [PubMed] [Google Scholar] 17. Гинде А.А., Блан П.Г., Либерман Р.М., Камарго Калифорния., Младший Валидация алгоритма кодирования ICD-9-CM для улучшения идентификации посещений при гипогликемии. BMC Endocr Disord. 2008; 8: 4. [Бесплатная статья PMC] [PubMed] [Google Scholar] 18. Heagerty PJ, Zeger SL. Маргинальные многоуровневые модели и вероятностный вывод (с комментариями и ответом авторов). Stat Sci. 2000; 15: 1–26 .. [Google Scholar]Современный дизайн исследования причинно-следственных связей
Эпидемиология. 2017 июл; 28 (4): 529–536.
, a , a, b , b и bXinyao Ji
От отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Дилан С. Смолл
От a Департамент статистики, Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Чарльз Э. Леонард
Из отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Шон Хеннесси
Из отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
От a Департамент статистики, Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Автор, ответственный за переписку: Шон Хеннесси, факультет биостатистики и эпидемиологии, Медицинская школа Перельмана Пенсильванского университета, 423 Guardian Drive, 803 Blockley Hall, Philadelphia, PA. Электронная почта: ude.nnepu@yssenneh.Поступило 06.06.2016; Принято 18 октября 2016 г.
Copyright © 2016 Автор (ы). Опубликовано Wolters Kluwer Health, Inc. Эта статья цитируется в других статьях в PMC.Abstract
Когортные исследования могут быть искажены неизмеренным искажением.Мы предлагаем гибридный эколого-эпидемиологический дизайн, называемый «тренд в тренде», который требует сильного временного тренда воздействия, но является беспристрастным, если нет неизмеренных факторов, влияющих на результат, для которых есть временные тренды в распространенности, которые коррелируют с временными трендами. при воздействии по слоям с различными тенденциями воздействия. Таким образом, условия, при которых исследование тенденции в тренде смещено, являются подмножеством тех, при которых когортное исследование смещено. Схема «тренд в тренде» сначала делит исследуемую популяцию на страты на основе кумулятивной вероятности воздействия с учетом ковариат, которые эффективно стратифицируют по временному тренду воздействия, при условии, что тренд есть.Затем модель максимального правдоподобия, не содержащая ковариат, оценивает отношение шансов (OR) с использованием данных о распространенности воздействия и частоте исходов в пределах совокупной вероятности страт воздействия за несколько периодов. При моделировании дизайн с тенденцией к тренду давал OR с незначительным смещением при наличии неизмеренного искажения. В эмпирических приложениях «тенденция в тренде» воспроизводила известную положительную связь между рофекоксибом и инфарктом миокарда (наблюдаемое OR: 1,2, 95% доверительный интервал: 1.1, 1. 4), а также известные нулевые ассоциации между рофекоксибом и тяжелой гипогликемией (OR = 1,1 [0,92, 1,3]) и непозвоночными переломами (OR = 0,84 [0,64, 1,1]). Метод «тенденция в тренде» может быть полезен в условиях сильной временной тенденции воздействия, например, недавно одобренный препарат или другое медицинское вмешательство. См. Аннотацию к видео по адресу http://links.lww.com/EDE/B178.
Многие важные причинно-следственные вопросы не могут быть решены с помощью рандомизированных исследований по этическим или практическим причинам. В экологических исследованиях рассматриваются причинно-следственные вопросы путем изучения временных тенденций воздействия и исхода, но они могут быть искажены из-за одновременных тенденций в других факторах, влияющих на исход. 1 Эпидемиологические планы, такие как когортное исследование, могут быть необъективными, если существуют неизмеряемые детерминанты воздействия, связанные с исходом (т. Е. Неизмеренные искажающие факторы). В этой статье мы представляем новый гибридный эколого-эпидемиологический дизайн, который называется «тренд в тренде». Вместо того, чтобы сравнивать людей, подвергшихся облучению, и людей, не подвергавшихся облучению, схема «тенденции в тренде» исследует временные тенденции в исходе как функцию временных тенденций воздействия в разных слоях с разными временными тенденциями воздействия.Интуитивно понятно, что в популяции, стратифицированной по временным тенденциям воздействия, связь между тенденциями времени воздействия и тенденциями времени исхода по стратам должна обеспечивать доказательства причинно-следственной связи, за исключением случаев, когда существуют неизмеряемые факторы, влияющие на исход, для которых существуют временные тенденции распространенности, которые коррелируют с тенденциями времени в экспозиции по слоям. Таким образом, сценарии, при которых исследование тенденции в тенденции подвержено неизмеримым искажениям, должны быть подмножеством тех, при которых подвержено когортное исследование, что делает дизайн более устойчивым к неизмеряемым искажениям, чем другие планы.Компромиссы заключаются в том, что исследование тенденции в тенденции возможно только при наличии сильной временной тенденции воздействия и должно иметь меньшую статистическую точность, чем когортное исследование.
Несмотря на то, что современный дизайн является новым, он связан с двумя устоявшимися эконометрическими подходами. Один из них — это метод разницы в различиях, 4 , поскольку оба устраняют неизмеримое искажение путем изучения внутригрупповых изменений и временных тенденций в результатах. Однако, в отличие от метода, план «тенденции в тренде» оценивает причинный параметр на индивидуальном уровне.В частности, схема «тренд в тренде» дает отношение шансов (OR), которое приблизительно соответствует отношению риска, когда результат является редким. 3 Метод тренда в тренде также связан с использованием календарного времени в качестве инструментальной переменной (IV), 5,6 , и фактически они эквивалентны, если в тренде используется только один слой. в трендовом дизайне. Однако использование календарного времени в качестве IV может быть искажено любой временной тенденцией в распространенности неизмеримого фактора, влияющего на результат. Напротив, план «тренд в тренде» смещается таким трендом только в том случае, если временной тренд неизмеренного фактора коррелирует с временными трендами экспозиции по стратам, определяемым факторами, связанными с экспозицией. Таким образом, план «тренд в тренде» ослабляет допущения, при которых справедливо исследование календарного времени IV.
В этой статье мы сначала вводим кумулятивную вероятность воздействия, которая используется для разделения популяции на страты с различной распространенностью воздействия и, следовательно, с разными временными тенденциями воздействия, при условии, что существует общая временная тенденция. Затем мы предлагаем две разумные модели для отдельных лиц и подгрупп, соответственно. При допущении, что результат является редким, ковариаты либо неизменны во времени, либо изменяются случайным образом с течением времени внутри человека, и отсутствуют временные тенденции в неизмеренных причинных факторах, которые связаны с временными тенденциями воздействия на разные слои, мы даем математический вывод связь между людьми и подгруппами и метод оценки OR с использованием данных на уровне группы.Затем мы математически показываем, что эта оценка не зависит от измеренных и неизмеренных искажающих факторов. Мы сообщаем об имитационном исследовании, показывающем, что OR, оцененное с использованием метода тенденции в тренде, гораздо менее предвзято, чем оцененное с использованием когортных методов, когда имеется неизмеренное смешение факторов без тенденции в распространенности. Наконец, мы применяем метод тенденции к тенденции к данным здравоохранения, чтобы воспроизвести известную положительную связь между рофекоксибом и острым инфарктом миокарда (ОИМ), 7 и двумя предположительно нулевыми ассоциациями: рофекоксиб и тяжелая гипогликемия, а также рофекоксиб и перелом костей. 8
МЕТОДЫ
Стратификация на основе совокупной вероятности воздействия
Анализ исследования тенденции в тенденции включает два этапа. На первом этапе мы оцениваем кумулятивную вероятность воздействия, которая представляет собой прогнозируемую вероятность воздействия на весь период исследования на основе переменных, отличных от воздействия, результата и их потенциальных эффектов. В частности, предположим, что мы наблюдаем за популяцией, в которой наблюдается состояние двойного воздействия на каждого человека в течение периода исследования.Мы также наблюдаем набор переменных, которые влияют, но, как известно из предметной области, не подвержены влиянию воздействия, таких как возраст, пол, географическое место проживания, диагнозы и т. Д. Мы подбираем модель логистической регрессии, используя эти переменные в качестве независимых переменных, с зависимой переменной, являющейся воздействием. Подбираемое значение представляет собой предполагаемую совокупную вероятность воздействия. Поскольку единицей анализа для модели совокупной вероятности воздействия является индивидуум, а ковариаты рассматриваются как инвариантные, каждый субъект будет находиться в одной и той же страте совокупной вероятности воздействия для всех периодов наблюдения.Если, по аналогии с новым когортным исследованием пользователей, субъекты должны присутствовать в течение базового периода перед первой возможностью воздействия, то значения всех переменных в модели совокупной вероятности воздействия могут быть зафиксированы при первой возможности воздействия ( например, одобрение препарата). Тем не менее, многие базы данных здравоохранения имеют высокую текучесть кадров, и ограничение исследования людьми с достаточным исходным периодом до первой возможности контакта может резко сократить доступный размер выборки.В такой ситуации можно позволить, чтобы значение кумулятивной вероятности переменных воздействия, для установления которых требуется время (например, появление диагнозов), определялось данными, наблюдаемыми в течение периода исследования, при условии, что знание предметной области может исключить возможность этот статус воздействия влияет на любую кумулятивную переменную вероятность воздействия. Для воздействия с общим временным трендом распространенности интуиция подсказывает нам, что величина тренда должна варьироваться в зависимости от страты, определяемой кумулятивной вероятностью воздействия.Кумулятивная вероятность воздействия аналогична баллу склонности, 9 , потому что оба предсказывают воздействие, но отличается от него тем, что показатель склонности используется для уравновешивания наблюдаемых ковариат по группам воздействия, в то время как кумулятивная вероятность воздействия используется для определения страт. с разными временными тенденциями выдержки. Также возможно напрямую смоделировать сам тренд, а не совокупную вероятность воздействия. Второй этап анализа, описанный ниже, применим к любой популяции, стратифицированной по временному тренду распространенности воздействия.
Модели в дизайне тенденций
Чтобы получить количественную оценку причинно-следственного эффекта, мы предлагаем две модели результатов. Для каждого субъекта в каждый момент времени определяется одна модель, чтобы учесть неоднородность ковариат по населению и временные тенденции результатов. Другой определяется на уровне популяции в каждый момент времени, который отображает средний результат среди этих субъектов в той же подгруппе. Мы предполагаем, что исследуемая популяция состоит из N особей и существует T временных периодов.Let обозначает вектор ковариант, связанных с индивидуальным i в период времени t , который представляет внутренние характеристики, которые могут повлиять на конкретное воздействие и / или результат. можно наблюдать, ненаблюдать или частично наблюдать. предполагается, что оно соответствует распределению F среди населения. и являются переменными подверженности и исходу для отдельных i за период времени t . G — индекс совокупной вероятности страт подверженности риску.
Субъектно-ориентированная модель
Предполагается, что условные ожидаемые результаты удовлетворяют
(1)
, где h — функция связи. Модель для конкретного субъекта — это частный случай обобщенной линейной смешанной модели, в которой воздействие и период времени являются фиксированными эффектами, а ковариаты для человека (некоторые из которых могут быть ненаблюдаемыми) представлены как случайные эффекты. 10 Поскольку схема «тенденция в тренде» предназначена для оценки мгновенного риска воздействия, только вместо истории лечения рассматривается как предиктор условного ожидаемого результата.Коэффициент β 1 для воздействия имеет причинно-следственную интерпретацию на индивидуальном уровне. Это также логарифм ИЛИ, когда и экспозиция, и результат являются двоичными, а функция h — логит.
Когда неизмеряемых искажений не существует, то есть их можно полностью наблюдать, допустимо оценить все коэффициенты в уравнении (1) с использованием данных на индивидуальном уровне. Например, план когорты использует информацию о каждой единице в группе для изучения связи с воздействием. 11 Однако в наблюдательных исследованиях мы не можем исключить наличие неизмеряемых искажающих факторов, которые могут исказить оценки коэффициентов фиксированных эффектов. Кроме того, предметно-ориентированная модель может быть сложной с вычислительной точки зрения при изучении редких заболеваний, поскольку требуется большое количество испытуемых.
Модель с усреднением по совокупности
Мы предполагаем, что предельное ожидание удовлетворяет:
(2)
, где h * — функция связи.- это функция от воздействия и группы, которая представляет неоднородность в подгруппах, подвергшихся и не подвергавшихся воздействию. Модель, усредненная по населению, — это предельное ожидание предметно-ориентированной модели. Это не требует знания ковариат или предположений о неоднородности отдельных лиц. Его коэффициенты можно напрямую оценить на основе агрегированных данных о воздействии и исходе, но не имеют индивидуальной причинно-следственной интерпретации.
В общем, две модели могут быть связаны путем интеграции.В Zeger et al., 10 обсуждаются случаи функций связи identity, log, probit и logit, а также подробно перечисляются соответствующие математические отношения между () и (). Метод «тенденция в тренде» будет основан на модели, усредненной по совокупности. С целью сделать причинно-следственные выводы для лиц с двоичным исходом, мы требуем, чтобы функция связи h была логистической, чтобы было возможно получение OR exp ( β 1 ), а оценочная величина приближалась к соотношению рисков, полученному из когортное исследование редкого исхода.
Далее мы даем математический вывод связи между двумя моделями и того, как оценить причинное ИЛИ, используя только данные о тенденциях в распространенности как воздействия, так и исходов в стратах. Мы также показываем, что при правдоподобных предположениях метод тенденции в тенденции не основан на измеренных и неизмеряемых факторах при условии, что нет тенденций в распространенности ковариат, которые коррелируют с распространенностью воздействия во времени. Поскольку сценарии, которые приведут к ошибочной оценке в исследовании тенденции в тренде, являются подмножеством тех, которые приведут к ошибочной оценке в когортном исследовании, схема тенденции в тенденции более устойчива к потенциальным искажениям.Однако, в отличие от когортного дизайна, тренд в тренде требует сильного временного тренда экспозиции, поэтому он доступен в меньшем количестве сценариев.
Оценка отношения шансов
Сначала мы стратифицируем всю популяцию по K стратам в соответствии с квантилями оцененной кумулятивной вероятности воздействия. Для каждой подгруппы G и каждого временного периода t мы агрегируем данные на индивидуальном уровне, чтобы получить количества в следующей таблице:
Поскольку h является функцией логита, мы имеем
(3)
In В общем, не существует закрытой формы для предельного среднего как функции фиксированных эффектов, и β 1 не может быть идентифицирован.Однако приблизительная форма становится доступной, когда мы налагаем следующие предположения:
(1) Ковариаты и период времени имеют мультипликативное влияние на подверженность воздействию, то есть. h 1 и h 2 — две детерминированные функции, но неизвестные.
(2) Ковариаты для всех индивидуумов в любой подгруппе G либо неизменны во времени, либо меняются случайным образом во времени. Это случайные величины из неизвестного распределения, то есть.
(3) Результат является редким, поэтому мы можем опустить знаменатель подынтегрального выражения в уравнении.
С этими предположениями можно доказать, что
(4)
(5)
где неизвестные константы, которые зависят от группы.
Уравнения (4) и (5) не содержат ковариаций. Другими словами, предельное ожидание результата одинаково для леченных / контрольных лиц в одной и той же подгруппе. Поскольку каждый из них является бинарным, агрегирование результатов для пролеченных и необработанных дает два биномиальных распределения.Следовательно, мы можем записать параметрическое правдоподобие для ():
(6)
(7)
() являются неизвестными параметрами и могут быть оценены путем максимизации вышеуказанного правдоподобия с использованием алгоритма оптимизации. В частности, представляет интерес операционная. Мы написали пакет для языка вычислений R под названием TrendInTrend, который выполняет эту максимизацию и вычисляет OR с заданным 95% доверительным интервалом.
МОДЕЛИРОВАНИЕ
Мы провели имитационные исследования, чтобы подтвердить, что при наличии неизмеренных искажающих факторов OR, полученный методом тенденции в тренде, незначительно смещен (хотя и несколько менее точен), чем полученный в когортном исследовании.Мы смоделировали исследуемую популяцию размером 250 000 человек с 20 календарными кварталами в качестве периодов обучения. Данные были сгенерированы в соответствии со следующей процедурой:
Шаг 1: Ковариаты представляют собой пятимерный вектор с тремя элементами, созданными из многомерного распределения Гаусса, и двумя другими элементами, созданными из распределений Бернулли с различными вероятностями успеха. Исследуются три сценария: (1) ковариаты выбираются только один раз и фиксируются во времени, (2) ковариаты выбираются независимо для каждого календарного периода, и (3) ковариаты выбираются повторно для каждого календарного периода с коэффициентом автокорреляции 0.5.
Шаг 2: Присвойте 1 с вероятностью.
Шаг 3: Моделирование на основе конкретной предметной модели и выбора функции связи h .
Мы выбираем a 0 , a 1 , a 2 , a 3 таким образом, чтобы смоделированная распространенность воздействия имела форму «вверх-вниз», показанную на рисунке. , который имитирует тенденцию воздействия лекарственного средства, которое становится широко используемым после введения, а затем отменяется (например,g., рофекоксиб). Однако этот метод должен работать и при однонаправленном тренде. Более подробное описание настройки моделирования вместе со значениями всех параметров приведено в разделе 2 дополнительных материалов (http://links.lww.com/EDE/B123).
Тренд смоделированного риска за 20 календарных кварталов. Распространенность подверженности увеличивается с 0% в первом квартале до 5% в 15-м квартале, а затем снижается почти до 0% в 20-м квартале.
На основании совокупной вероятности воздействия, оцененной с помощью логистической регрессии, исследуемая популяция была стратифицирована по квинтилям, то есть K = 5.Как и ожидалось, эти страты, каждая из которых насчитывает 50 000 человек, имели разные тенденции в распространенности воздействия. Модель совокупной вероятности воздействия включала все пять ковариат, как показано на рисунке.
Смоделированные тенденции распространенности воздействия для стратифицированных подгрупп на основе совокупной вероятности квинтилей воздействия. Каждый квинтиль совокупной вероятности воздействия демонстрирует различную тенденцию распространенности воздействия с течением времени. В верхнем квинтиле наблюдается наиболее резкое изменение от базового уровня к пиковому, в то время как нижний квинтиль практически не меняется.
Мы рассмотрели следующие сценарии в предположении редких событий: (1) OR принимает значения 1,0, 1,5, 2,0 и 2,5; (2) сила модели кумулятивной вероятности воздействия имеет три уровня, количественно определяемые нулем, двумя и четырьмя пропущенными искажающими факторами из пяти в общей сложности, и для каждого уровня рассчитывается статистика c для измерения ненаблюдаемой неоднородности факторов, влияющих на исход; (3) количество кумулятивных уровней вероятности воздействия равно пяти или 10.Мы сравниваем предполагаемый OR с рассчитанным с использованием когортного метода. Результаты, которые представляют собой средние значения 1000 симуляций, сведены в таблицы -, соответствующие трем различным сценариям выборки ковариат, как описано выше.
ТАБЛИЦА 1.
Сравнение оценочного отношения причинных шансов с использованием трендового дизайна и метода когортного исследования
ТАБЛИЦА 3.
Сравнение оценочного отношения причинных шансов с использованием трендового дизайна и Метод когортного исследования
ТАБЛИЦА 2.
Сравнение оценочного отношения причинно-следственных связей с использованием дизайна тенденции в тренде и метода когортного исследования
Как и ожидалось, когда не было неизмеренных факторов, влияющих на тенденцию, как тенденции в тренде, так и когортный дизайн дали OR, которые были близки к правда. Однако по мере увеличения количества неизмеряемых искажающих факторов, OR, полученные с помощью когортного дизайна, стали очень смещенными, с погрешностями в диапазоне от 90% до 127%, в то время как результаты из трендового дизайна оставались близкими к истине с диапазоном погрешности. от −3.От 5% до 3%. Стандартные отклонения для метода «тенденция в тренде» были в 1-2 раза больше, чем для когортного метода, чего и следовало ожидать, поскольку информация на индивидуальном уровне частично теряется при агрегировании подсчетов результатов. Кроме того, мы наблюдали снижение SD для метода тенденции в тренде, когда количество страт увеличивается с пяти до 10, как показано в таблице.
ТАБЛИЦА 4.
Сравнение оценочного отношения причинно-следственных связей с использованием дизайна тенденции в тенденции и метода когортного исследования
ПРИЛОЖЕНИЕ
Мы применили метод тенденции в тенденции к базе данных витрины данных Clinformatics (OptumInsight, Eden Prairie, MN), чтобы изучить связь между рофекоксибом и AMI, тяжелой гипогликемией и переломом непозвоночных костей.Совет по институциональному надзору Университета Пенсильвании определил, что это исследование соответствует критериям приемлемости для исключения из рассмотрения IRB, разрешенного 45 CFR 46.101, категория 4. Определения этих результатов описаны в дополнительных материалах (http://links.lww.com/EDE / B123). Сначала мы определили всех лиц в возрасте 18 лет и старше в Optum, которые получали один или несколько рецептов на рофекоксиб в течение периода исследования с 1 апреля 2000 г. по 30 декабря 2004 г. Для каждого эпизода контакта с рофекоксибом мы определили первый месяц и последний месяц эпизода их непрерывного включения (или эпизодов для лиц с несколькими эпизодами включения) в течение периода исследования.Таким образом, единицей наблюдения был эпизод зачисления, определяемый как период непрерывного зачисления человека. Человек может добавить несколько эпизодов. Для каждого эпизода, подвергшегося воздействию рофекоксиба, мы случайным образом отобрали без замены девять эпизодов регистрации, не подвергавшихся воздействию рофекоксиба, с датой начала регистрации не позднее, чем через 1 год от даты начала регистрации субъекта, подвергшегося воздействию рофекоксиба, и с датой окончания регистрации или после даты окончания регистрации субъекта, подвергшегося воздействию рофекоксиба.Обоснованием этого критерия было обеспечение достаточного совпадения календарного времени наблюдения для подвергнутых и не подвергавшихся воздействию субъектов. Таким образом, набор для анализа содержал в 10 раз больше общих эпизодов, чем было эпизодов включения в исследование, подвергшихся воздействию рофекоксиба. Это было сделано для повышения эффективности вычислений по сравнению с включением всего исследуемого населения.
Затем мы аппроксимируем логистическую регрессию для оценки совокупной вероятности воздействия, используя возраст, пол, диагноз ревматоидного артрита и диагноз остеоартрита в качестве независимых переменных.Коды диагностики для этих переменных приведены в дополнительных материалах (http://links.lww.com/EDE/B123). Для субъектов, подвергшихся воздействию рофекоксиба, эти ковариаты были измерены на дату их первого назначения. Для контрольных субъектов эти ковариаты были измерены в тот же день, что и их соответствующие подвергнутые воздействию объекты. Статистика c составила 0,61, что дает хорошее разделение распространенности воздействия по квинтилям, как показано на рисунке. Оценочные коэффициенты и SD (как показано в скобках) равны 0.0228 (0,0001) для постоянного возраста, 0,1458 (0,0027) для женского пола, 2,4418 (0,0124) для ревматоидного артрита и -0,6444 (0,0191) для остеоартрита.
Тенденции воздействия рофекоксиба в стратифицированных группах с использованием базы данных Optum Clinformatics.
Метод тенденции к тенденции дал OR (95% доверительный интервал) для рофекоксиба и AMI, равный 1,2 (1,1, 1,4), что согласуется с результатами предыдущих эпидемиологических исследований: метаанализ 2005 г. дал объединенный относительный риск 1.2 (1,1, 1,3) для когортных и вложенных исследований случай – контроль, 12 и более поздний метаанализ сообщили об объединенном относительном риске 1,3 (1,2, 1,5). 13 OR для исходов отрицательного контроля, тяжелой гипогликемии и непозвоночного перелома кости (ни один из которых, как предполагается, не влияет на рофекоксиб) составили 1,1 (0,92, 1,3) и 0,84 (0,64, 1,1), что соответствует нет эффекта. 14
ОБСУЖДЕНИЕ
Мы описываем новый гибридный дизайн эколого-эпидемиологического исследования, который называется «тренд-в-тренде», даем математический вывод результирующего отношения шансов, используем моделирование, чтобы подтвердить, что результаты менее смещены (хотя и в некоторой степени). менее точен), чем в когортном исследовании, когда имеется неизмеренное искажение, и применять этот метод для воспроизведения одной положительной и двух нулевых ассоциаций с использованием реальных данных.Результаты эмпирического исследования с использованием реальных данных показывают, что дизайн легко применим и дает ожидаемые результаты.
Важно отметить, что современный дизайн избегает ахиллесовой пяты большинства эпидемиологических исследований медицинских вмешательств: совмещения получения лечения с необходимостью в нем. В отличие от когортных исследований, план «тенденция в тренде» не предполагает никаких неизмеримых искажающих факторов, а вместо этого изучает изменения в возникновении результатов как функцию изменений распространенности воздействия по стратам с различными временными тенденциями воздействия.Следовательно, результаты исследования тенденции в тенденции будут необоснованными, если нет неизмеримых факторов, влияющих на результат, для которых существуют временные тенденции в распространенности, которые коррелируют с временными тенденциями воздействия по стратам, определяемым тенденцией воздействия. Это может произойти, если есть совместные вмешательства, для которых тенденция использования положительно коррелирует с тенденциями использования воздействия, или альтернативы, для которых тенденция использования отрицательно коррелирует с тенденциями использования воздействия.Поскольку сценарии, которые дадут смешанную оценку тенденции в тренде, являются подмножеством тех, которые дадут искаженную оценку когорты, схема тенденции в тренде более устойчива к искажениям. Однако дизайн «тренд в тренде» возможен только при наличии сильного временного тренда в распространенности воздействия. Точно так же оценки эффекта, полученные с использованием календарного периода в качестве IV, будут смещены, если есть какая-либо временная тенденция в неизмеряемом причинном факторе, тогда как исследование тенденции в тренде будет смещено только в том случае, если изменения в распространенности такого фактора коррелированы. с изменениями распространенности воздействия по совокупной вероятности страт воздействия.Таким образом, схема «тренд в тренде» ослабляет допущения, при которых допустимо использование календарного времени в качестве IV.
Причинный контраст, исследуемый методом «тренд в тренде», заслуживает обсуждения. Это мгновенный эффект от использования представляющей интерес подверженности риску, а не подверженности риску (если таковые имеются), который тренд к увеличению (или уменьшению) использования представляющей интерес подверженности сместился (или был замещен). В примере с рофекоксибом, вероятно, это комбинация неселективных нестероидных противовоспалительных препаратов, опиоидов и отсутствие лечения.Таким образом, результаты тенденции к тенденции могут не имитировать результаты плацебо-контролируемых исследований, оценивающих исследуемое лечение. Тем не менее причинный контраст с альтернативами, которые он вытесняет или вытесняет, возможно, более уместен с точки зрения общественного здравоохранения.
Основными ограничениями метода «тенденции в тенденции» являются необходимость наличия сильной тенденции в распространенности воздействия и снижение статистической точности, которая сопровождает анализ на уровне группы, а не на индивидуальном уровне. Ограничения настоящего исследования включают скромный диапазон смоделированных сценариев и тот факт, что не существует эмпирического примера с причинно-следственным эффектом, известным с полной уверенностью.
Необходима дополнительная работа, чтобы повысить полезность модного дизайна. Такая работа должна быть направлена на контроль измеренных факторов, для которых могут быть временные тенденции, которые коррелируют с временными тенденциями воздействия по совокупной вероятности слоев воздействия, изучение неоднородности эффекта лечения, методы последовательного анализа, позволяющие множественные взгляды при ограничении ошибки типа 1 и оценка статистической мощности и обнаруживаемой альтернативы.
Сноски
Примечание редактора: Комментарий к этой статье размещен на стр.537.
Это исследование было частично поддержано грантами R01AG025152, R01DK102694, R01HD074756, R01AG040105 и UL1TR000003 от Национальных институтов здравоохранения. Данные моделирования, представленные в этой статье, представлены в виде дополнительных файлов данных; http://links.lww.com/EDE/B123. Из-за соглашения, регулирующего доступ Пенсильванского университета к данным Optum Clinformatics, исследователи не могут предоставить доступ к этим данным. Доктора Хеннесси и Леонард получают финансирование через свое учреждение от Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США для участия в программе Mini-Sentinel.
Доктор Хеннесси консультировал Merck Sharp & Dohme Corp, не имеющий отношения к рофекоксибу. Ни у кого из других авторов нет потенциального конфликта интересов.
Дополнительный цифровой контент доступен через прямые ссылки на URL в версиях HTML и PDF этой статьи (www.epidem.com).
СПИСОК ЛИТЕРАТУРЫ
1. Кук Т.Д., Кэмпбелл Д.Т., День А. Квази-экспериментирование: вопросы проектирования и анализа для полевых настроек. 1979 г. 351 Бостон, Массачусетс: Хоутон Миффлин.[Google Scholar] 2. Мейрик О. Когортные исследования и исследования случай-контроль. 2008 г. Женева: Всемирная организация здравоохранения ;. [Google Scholar] 3. Viera AJ. Соотношения шансов и рисков: в чем разница и почему это важно? South Med J. 2008; 101: 730–734 .. [PubMed] [Google Scholar] 4. Лехнер М. Оценка причинно-следственных связей разностными методами. Сейчас, 2011. [Google Scholar] 5. Каин Л. Е., Коул С. Р., Гренландия С. и др. Влияние высокоактивной антиретровирусной терапии на заболеваемость СПИДом с использованием календарного периода в качестве инструментальной переменной.Am J Epidemiol. 2009: kwp002. [Бесплатная статья PMC] [PubMed] [Google Scholar] 6. Джонстон К.М., Густафсон П., Леви А.Р., Гроотендорст П. Использование инструментальных переменных в анализе обобщенных линейных моделей при наличии неизмеримых искажений с приложениями к эпидемиологическим исследованиям. Stat Med. 2008; 27: 1539–1556 .. [PubMed] [Google Scholar] 7. Юни П., Нартей Л., Райхенбах С., Стерчи Р., Дьеп П. А., Эггер М. Риск сердечно-сосудистых событий и рофекоксиб: кумулятивный метаанализ. Ланцет. 2004; 364: 2021–2029.. [PubMed] [Google Scholar] 8. Вестергаард П., Рейнмарк Л., Мосекильде Л. Риск перелома, связанный с применением нестероидных противовоспалительных препаратов, ацетилсалициловой кислоты и ацетаминофена, а также последствия ревматоидного артрита и остеоартрита. Calcif Tissue Int. 2006; 79: 84–94 .. [PubMed] [Google Scholar] 9. Розенбаум ПР, Рубин ДБ. Центральная роль шкалы предрасположенности в обсервационных исследованиях причинных эффектов. Биометрика 1983; 70: 41–55 .. [Google Scholar] 10. Зегер С.Л., Лян К.Ю., Альберт П.С. Модели для продольных данных: подход обобщенного уравнения оценки.Биометрия. 1988; 44: 1049–1060 .. [PubMed] [Google Scholar] 11. Бенджамин Э.Дж., Леви Д., Вазири С.М., Д’Агостино РБ, Белэнджер А.Дж., Вольф PA. Независимые факторы риска фибрилляции предсердий в популяционной когорте. Фрамингемское исследование сердца. ДЖАМА. 1994; 271: 840–844 .. [PubMed] [Google Scholar] 12. Эрнандес-Диас С., Варас-Лоренцо С., Гарсиа Родригес Л.А. Нестероидные противовоспалительные препараты и риск острого инфаркта миокарда. Basic Clin Pharmacol Toxicol. 2006; 98: 266–274 .. [PubMed] [Google Scholar] 13.Varas-Lorenzo C, Riera-Guardia N, Calingaert B, F и др. Инфаркт миокарда и отдельные нестероидные противовоспалительные препараты, метаанализ наблюдательных исследований. Фармакоэпидемиол лекарственный саф 2013; 22.6: 559–570 .. [Бесплатная статья PMC] [PubMed] [Google Scholar] 14. Соломон Д.Х., Рассен Дж. А., Глинн Р. Дж., Ли Дж., Левин Р., Шнейвайс С. Сравнительная безопасность анальгетиков у пожилых людей с артритом. Arch Intern Med. 2010; 170: 1968–1976 .. [PubMed] [Google Scholar] 15. Левеск Л.Е., Брофи Дж. М., Чжан Б.Риск инфаркта миокарда с ингибиторами циклооксигеназы-2: популяционное исследование пожилых людей. Ann Intern Med. 2005; 142: 481–489 .. [PubMed] [Google Scholar] 16. Киёта Ю., Шнейвайс С., Глинн Р.Дж., Каннуссио С.К., Аворн Дж., Соломон Д.Х. Точность диагноза острого инфаркта миокарда на основе заявлений Medicare: оценка положительной прогностической ценности на основе анализа истории болезни. Am Heart J. 2004; 148: 99–104 .. [PubMed] [Google Scholar] 17. Гинде А.А., Блан П.Г., Либерман Р.М., Камарго Калифорния., Младший Валидация алгоритма кодирования ICD-9-CM для улучшения идентификации посещений при гипогликемии. BMC Endocr Disord. 2008; 8: 4. [Бесплатная статья PMC] [PubMed] [Google Scholar] 18. Heagerty PJ, Zeger SL. Маргинальные многоуровневые модели и вероятностный вывод (с комментариями и ответом авторов). Stat Sci. 2000; 15: 1–26 .. [Google Scholar]Современный дизайн исследования причинно-следственных связей
Эпидемиология. 2017 июл; 28 (4): 529–536.
, a , a, b , b и bXinyao Ji
От отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Дилан С. Смолл
От a Департамент статистики, Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Чарльз Э. Леонард
Из отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Шон Хеннесси
Из отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
От a Департамент статистики, Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Автор, ответственный за переписку: Шон Хеннесси, факультет биостатистики и эпидемиологии, Медицинская школа Перельмана Пенсильванского университета, 423 Guardian Drive, 803 Blockley Hall, Philadelphia, PA. Электронная почта: ude.nnepu@yssenneh.Поступило 06.06.2016; Принято 18 октября 2016 г.
Copyright © 2016 Автор (ы). Опубликовано Wolters Kluwer Health, Inc. Эта статья цитируется в других статьях в PMC.Abstract
Когортные исследования могут быть искажены неизмеренным искажением.Мы предлагаем гибридный эколого-эпидемиологический дизайн, называемый «тренд в тренде», который требует сильного временного тренда воздействия, но является беспристрастным, если нет неизмеренных факторов, влияющих на результат, для которых есть временные тренды в распространенности, которые коррелируют с временными трендами. при воздействии по слоям с различными тенденциями воздействия. Таким образом, условия, при которых исследование тенденции в тренде смещено, являются подмножеством тех, при которых когортное исследование смещено. Схема «тренд в тренде» сначала делит исследуемую популяцию на страты на основе кумулятивной вероятности воздействия с учетом ковариат, которые эффективно стратифицируют по временному тренду воздействия, при условии, что тренд есть.Затем модель максимального правдоподобия, не содержащая ковариат, оценивает отношение шансов (OR) с использованием данных о распространенности воздействия и частоте исходов в пределах совокупной вероятности страт воздействия за несколько периодов. При моделировании дизайн с тенденцией к тренду давал OR с незначительным смещением при наличии неизмеренного искажения. В эмпирических приложениях «тенденция в тренде» воспроизводила известную положительную связь между рофекоксибом и инфарктом миокарда (наблюдаемое OR: 1,2, 95% доверительный интервал: 1.1, 1.4), а также известные нулевые ассоциации между рофекоксибом и тяжелой гипогликемией (OR = 1,1 [0,92, 1,3]) и непозвоночными переломами (OR = 0,84 [0,64, 1,1]). Метод «тенденция в тренде» может быть полезен в условиях сильной временной тенденции воздействия, например, недавно одобренный препарат или другое медицинское вмешательство. См. Аннотацию к видео по адресу http://links.lww.com/EDE/B178.
Многие важные причинно-следственные вопросы не могут быть решены с помощью рандомизированных исследований по этическим или практическим причинам. В экологических исследованиях рассматриваются причинно-следственные вопросы путем изучения временных тенденций воздействия и исхода, но они могут быть искажены из-за одновременных тенденций в других факторах, влияющих на исход. 1 Эпидемиологические планы, такие как когортное исследование, могут быть необъективными, если существуют неизмеряемые детерминанты воздействия, связанные с исходом (т. Е. Неизмеренные искажающие факторы). В этой статье мы представляем новый гибридный эколого-эпидемиологический дизайн, который называется «тренд в тренде». Вместо того, чтобы сравнивать людей, подвергшихся облучению, и людей, не подвергавшихся облучению, схема «тенденции в тренде» исследует временные тенденции в исходе как функцию временных тенденций воздействия в разных слоях с разными временными тенденциями воздействия.Интуитивно понятно, что в популяции, стратифицированной по временным тенденциям воздействия, связь между тенденциями времени воздействия и тенденциями времени исхода по стратам должна обеспечивать доказательства причинно-следственной связи, за исключением случаев, когда существуют неизмеряемые факторы, влияющие на исход, для которых существуют временные тенденции распространенности, которые коррелируют с тенденциями времени в экспозиции по слоям. Таким образом, сценарии, при которых исследование тенденции в тенденции подвержено неизмеримым искажениям, должны быть подмножеством тех, при которых подвержено когортное исследование, что делает дизайн более устойчивым к неизмеряемым искажениям, чем другие планы.Компромиссы заключаются в том, что исследование тенденции в тенденции возможно только при наличии сильной временной тенденции воздействия и должно иметь меньшую статистическую точность, чем когортное исследование.
Несмотря на то, что современный дизайн является новым, он связан с двумя устоявшимися эконометрическими подходами. Один из них — это метод разницы в различиях, 4 , поскольку оба устраняют неизмеримое искажение путем изучения внутригрупповых изменений и временных тенденций в результатах. Однако, в отличие от метода, план «тенденции в тренде» оценивает причинный параметр на индивидуальном уровне.В частности, схема «тренд в тренде» дает отношение шансов (OR), которое приблизительно соответствует отношению риска, когда результат является редким. 3 Метод тренда в тренде также связан с использованием календарного времени в качестве инструментальной переменной (IV), 5,6 , и фактически они эквивалентны, если в тренде используется только один слой. в трендовом дизайне. Однако использование календарного времени в качестве IV может быть искажено любой временной тенденцией в распространенности неизмеримого фактора, влияющего на результат. Напротив, план «тренд в тренде» смещается таким трендом только в том случае, если временной тренд неизмеренного фактора коррелирует с временными трендами экспозиции по стратам, определяемым факторами, связанными с экспозицией.Таким образом, план «тренд в тренде» ослабляет допущения, при которых справедливо исследование календарного времени IV.
В этой статье мы сначала вводим кумулятивную вероятность воздействия, которая используется для разделения популяции на страты с различной распространенностью воздействия и, следовательно, с разными временными тенденциями воздействия, при условии, что существует общая временная тенденция. Затем мы предлагаем две разумные модели для отдельных лиц и подгрупп, соответственно. При допущении, что результат является редким, ковариаты либо неизменны во времени, либо изменяются случайным образом с течением времени внутри человека, и отсутствуют временные тенденции в неизмеренных причинных факторах, которые связаны с временными тенденциями воздействия на разные слои, мы даем математический вывод связь между людьми и подгруппами и метод оценки OR с использованием данных на уровне группы.Затем мы математически показываем, что эта оценка не зависит от измеренных и неизмеренных искажающих факторов. Мы сообщаем об имитационном исследовании, показывающем, что OR, оцененное с использованием метода тенденции в тренде, гораздо менее предвзято, чем оцененное с использованием когортных методов, когда имеется неизмеренное смешение факторов без тенденции в распространенности. Наконец, мы применяем метод тенденции к тенденции к данным здравоохранения, чтобы воспроизвести известную положительную связь между рофекоксибом и острым инфарктом миокарда (ОИМ), 7 и двумя предположительно нулевыми ассоциациями: рофекоксиб и тяжелая гипогликемия, а также рофекоксиб и перелом костей. 8
МЕТОДЫ
Стратификация на основе совокупной вероятности воздействия
Анализ исследования тенденции в тенденции включает два этапа. На первом этапе мы оцениваем кумулятивную вероятность воздействия, которая представляет собой прогнозируемую вероятность воздействия на весь период исследования на основе переменных, отличных от воздействия, результата и их потенциальных эффектов. В частности, предположим, что мы наблюдаем за популяцией, в которой наблюдается состояние двойного воздействия на каждого человека в течение периода исследования.Мы также наблюдаем набор переменных, которые влияют, но, как известно из предметной области, не подвержены влиянию воздействия, таких как возраст, пол, географическое место проживания, диагнозы и т. Д. Мы подбираем модель логистической регрессии, используя эти переменные в качестве независимых переменных, с зависимой переменной, являющейся воздействием. Подбираемое значение представляет собой предполагаемую совокупную вероятность воздействия. Поскольку единицей анализа для модели совокупной вероятности воздействия является индивидуум, а ковариаты рассматриваются как инвариантные, каждый субъект будет находиться в одной и той же страте совокупной вероятности воздействия для всех периодов наблюдения.Если, по аналогии с новым когортным исследованием пользователей, субъекты должны присутствовать в течение базового периода перед первой возможностью воздействия, то значения всех переменных в модели совокупной вероятности воздействия могут быть зафиксированы при первой возможности воздействия ( например, одобрение препарата). Тем не менее, многие базы данных здравоохранения имеют высокую текучесть кадров, и ограничение исследования людьми с достаточным исходным периодом до первой возможности контакта может резко сократить доступный размер выборки.В такой ситуации можно позволить, чтобы значение кумулятивной вероятности переменных воздействия, для установления которых требуется время (например, появление диагнозов), определялось данными, наблюдаемыми в течение периода исследования, при условии, что знание предметной области может исключить возможность этот статус воздействия влияет на любую кумулятивную переменную вероятность воздействия. Для воздействия с общим временным трендом распространенности интуиция подсказывает нам, что величина тренда должна варьироваться в зависимости от страты, определяемой кумулятивной вероятностью воздействия.Кумулятивная вероятность воздействия аналогична баллу склонности, 9 , потому что оба предсказывают воздействие, но отличается от него тем, что показатель склонности используется для уравновешивания наблюдаемых ковариат по группам воздействия, в то время как кумулятивная вероятность воздействия используется для определения страт. с разными временными тенденциями выдержки. Также возможно напрямую смоделировать сам тренд, а не совокупную вероятность воздействия. Второй этап анализа, описанный ниже, применим к любой популяции, стратифицированной по временному тренду распространенности воздействия.
Модели в дизайне тенденций
Чтобы получить количественную оценку причинно-следственного эффекта, мы предлагаем две модели результатов. Для каждого субъекта в каждый момент времени определяется одна модель, чтобы учесть неоднородность ковариат по населению и временные тенденции результатов. Другой определяется на уровне популяции в каждый момент времени, который отображает средний результат среди этих субъектов в той же подгруппе. Мы предполагаем, что исследуемая популяция состоит из N особей и существует T временных периодов.Let обозначает вектор ковариант, связанных с индивидуальным i в период времени t , который представляет внутренние характеристики, которые могут повлиять на конкретное воздействие и / или результат. можно наблюдать, ненаблюдать или частично наблюдать. предполагается, что оно соответствует распределению F среди населения. и являются переменными подверженности и исходу для отдельных i за период времени t . G — индекс совокупной вероятности страт подверженности риску.
Субъектно-ориентированная модель
Предполагается, что условные ожидаемые результаты удовлетворяют
(1)
, где h — функция связи. Модель для конкретного субъекта — это частный случай обобщенной линейной смешанной модели, в которой воздействие и период времени являются фиксированными эффектами, а ковариаты для человека (некоторые из которых могут быть ненаблюдаемыми) представлены как случайные эффекты. 10 Поскольку схема «тенденция в тренде» предназначена для оценки мгновенного риска воздействия, только вместо истории лечения рассматривается как предиктор условного ожидаемого результата.Коэффициент β 1 для воздействия имеет причинно-следственную интерпретацию на индивидуальном уровне. Это также логарифм ИЛИ, когда и экспозиция, и результат являются двоичными, а функция h — логит.
Когда неизмеряемых искажений не существует, то есть их можно полностью наблюдать, допустимо оценить все коэффициенты в уравнении (1) с использованием данных на индивидуальном уровне. Например, план когорты использует информацию о каждой единице в группе для изучения связи с воздействием. 11 Однако в наблюдательных исследованиях мы не можем исключить наличие неизмеряемых искажающих факторов, которые могут исказить оценки коэффициентов фиксированных эффектов. Кроме того, предметно-ориентированная модель может быть сложной с вычислительной точки зрения при изучении редких заболеваний, поскольку требуется большое количество испытуемых.
Модель с усреднением по совокупности
Мы предполагаем, что предельное ожидание удовлетворяет:
(2)
, где h * — функция связи.- это функция от воздействия и группы, которая представляет неоднородность в подгруппах, подвергшихся и не подвергавшихся воздействию. Модель, усредненная по населению, — это предельное ожидание предметно-ориентированной модели. Это не требует знания ковариат или предположений о неоднородности отдельных лиц. Его коэффициенты можно напрямую оценить на основе агрегированных данных о воздействии и исходе, но не имеют индивидуальной причинно-следственной интерпретации.
В общем, две модели могут быть связаны путем интеграции.В Zeger et al., 10 обсуждаются случаи функций связи identity, log, probit и logit, а также подробно перечисляются соответствующие математические отношения между () и (). Метод «тенденция в тренде» будет основан на модели, усредненной по совокупности. С целью сделать причинно-следственные выводы для лиц с двоичным исходом, мы требуем, чтобы функция связи h была логистической, чтобы было возможно получение OR exp ( β 1 ), а оценочная величина приближалась к соотношению рисков, полученному из когортное исследование редкого исхода.
Далее мы даем математический вывод связи между двумя моделями и того, как оценить причинное ИЛИ, используя только данные о тенденциях в распространенности как воздействия, так и исходов в стратах. Мы также показываем, что при правдоподобных предположениях метод тенденции в тенденции не основан на измеренных и неизмеряемых факторах при условии, что нет тенденций в распространенности ковариат, которые коррелируют с распространенностью воздействия во времени. Поскольку сценарии, которые приведут к ошибочной оценке в исследовании тенденции в тренде, являются подмножеством тех, которые приведут к ошибочной оценке в когортном исследовании, схема тенденции в тенденции более устойчива к потенциальным искажениям.Однако, в отличие от когортного дизайна, тренд в тренде требует сильного временного тренда экспозиции, поэтому он доступен в меньшем количестве сценариев.
Оценка отношения шансов
Сначала мы стратифицируем всю популяцию по K стратам в соответствии с квантилями оцененной кумулятивной вероятности воздействия. Для каждой подгруппы G и каждого временного периода t мы агрегируем данные на индивидуальном уровне, чтобы получить количества в следующей таблице:
Поскольку h является функцией логита, мы имеем
(3)
In В общем, не существует закрытой формы для предельного среднего как функции фиксированных эффектов, и β 1 не может быть идентифицирован.Однако приблизительная форма становится доступной, когда мы налагаем следующие предположения:
(1) Ковариаты и период времени имеют мультипликативное влияние на подверженность воздействию, то есть. h 1 и h 2 — две детерминированные функции, но неизвестные.
(2) Ковариаты для всех индивидуумов в любой подгруппе G либо неизменны во времени, либо меняются случайным образом во времени. Это случайные величины из неизвестного распределения, то есть.
(3) Результат является редким, поэтому мы можем опустить знаменатель подынтегрального выражения в уравнении.
С этими предположениями можно доказать, что
(4)
(5)
где неизвестные константы, которые зависят от группы.
Уравнения (4) и (5) не содержат ковариаций. Другими словами, предельное ожидание результата одинаково для леченных / контрольных лиц в одной и той же подгруппе. Поскольку каждый из них является бинарным, агрегирование результатов для пролеченных и необработанных дает два биномиальных распределения.Следовательно, мы можем записать параметрическое правдоподобие для ():
(6)
(7)
() являются неизвестными параметрами и могут быть оценены путем максимизации вышеуказанного правдоподобия с использованием алгоритма оптимизации. В частности, представляет интерес операционная. Мы написали пакет для языка вычислений R под названием TrendInTrend, который выполняет эту максимизацию и вычисляет OR с заданным 95% доверительным интервалом.
МОДЕЛИРОВАНИЕ
Мы провели имитационные исследования, чтобы подтвердить, что при наличии неизмеренных искажающих факторов OR, полученный методом тенденции в тренде, незначительно смещен (хотя и несколько менее точен), чем полученный в когортном исследовании.Мы смоделировали исследуемую популяцию размером 250 000 человек с 20 календарными кварталами в качестве периодов обучения. Данные были сгенерированы в соответствии со следующей процедурой:
Шаг 1: Ковариаты представляют собой пятимерный вектор с тремя элементами, созданными из многомерного распределения Гаусса, и двумя другими элементами, созданными из распределений Бернулли с различными вероятностями успеха. Исследуются три сценария: (1) ковариаты выбираются только один раз и фиксируются во времени, (2) ковариаты выбираются независимо для каждого календарного периода, и (3) ковариаты выбираются повторно для каждого календарного периода с коэффициентом автокорреляции 0.5.
Шаг 2: Присвойте 1 с вероятностью.
Шаг 3: Моделирование на основе конкретной предметной модели и выбора функции связи h .
Мы выбираем a 0 , a 1 , a 2 , a 3 таким образом, чтобы смоделированная распространенность воздействия имела форму «вверх-вниз», показанную на рисунке. , который имитирует тенденцию воздействия лекарственного средства, которое становится широко используемым после введения, а затем отменяется (например,g., рофекоксиб). Однако этот метод должен работать и при однонаправленном тренде. Более подробное описание настройки моделирования вместе со значениями всех параметров приведено в разделе 2 дополнительных материалов (http://links.lww.com/EDE/B123).
Тренд смоделированного риска за 20 календарных кварталов. Распространенность подверженности увеличивается с 0% в первом квартале до 5% в 15-м квартале, а затем снижается почти до 0% в 20-м квартале.
На основании совокупной вероятности воздействия, оцененной с помощью логистической регрессии, исследуемая популяция была стратифицирована по квинтилям, то есть K = 5.Как и ожидалось, эти страты, каждая из которых насчитывает 50 000 человек, имели разные тенденции в распространенности воздействия. Модель совокупной вероятности воздействия включала все пять ковариат, как показано на рисунке.
Смоделированные тенденции распространенности воздействия для стратифицированных подгрупп на основе совокупной вероятности квинтилей воздействия. Каждый квинтиль совокупной вероятности воздействия демонстрирует различную тенденцию распространенности воздействия с течением времени. В верхнем квинтиле наблюдается наиболее резкое изменение от базового уровня к пиковому, в то время как нижний квинтиль практически не меняется.
Мы рассмотрели следующие сценарии в предположении редких событий: (1) OR принимает значения 1,0, 1,5, 2,0 и 2,5; (2) сила модели кумулятивной вероятности воздействия имеет три уровня, количественно определяемые нулем, двумя и четырьмя пропущенными искажающими факторами из пяти в общей сложности, и для каждого уровня рассчитывается статистика c для измерения ненаблюдаемой неоднородности факторов, влияющих на исход; (3) количество кумулятивных уровней вероятности воздействия равно пяти или 10.Мы сравниваем предполагаемый OR с рассчитанным с использованием когортного метода. Результаты, которые представляют собой средние значения 1000 симуляций, сведены в таблицы -, соответствующие трем различным сценариям выборки ковариат, как описано выше.
ТАБЛИЦА 1.
Сравнение оценочного отношения причинных шансов с использованием трендового дизайна и метода когортного исследования
ТАБЛИЦА 3.
Сравнение оценочного отношения причинных шансов с использованием трендового дизайна и Метод когортного исследования
ТАБЛИЦА 2.
Сравнение оценочного отношения причинно-следственных связей с использованием дизайна тенденции в тренде и метода когортного исследования
Как и ожидалось, когда не было неизмеренных факторов, влияющих на тенденцию, как тенденции в тренде, так и когортный дизайн дали OR, которые были близки к правда. Однако по мере увеличения количества неизмеряемых искажающих факторов, OR, полученные с помощью когортного дизайна, стали очень смещенными, с погрешностями в диапазоне от 90% до 127%, в то время как результаты из трендового дизайна оставались близкими к истине с диапазоном погрешности. от −3.От 5% до 3%. Стандартные отклонения для метода «тенденция в тренде» были в 1-2 раза больше, чем для когортного метода, чего и следовало ожидать, поскольку информация на индивидуальном уровне частично теряется при агрегировании подсчетов результатов. Кроме того, мы наблюдали снижение SD для метода тенденции в тренде, когда количество страт увеличивается с пяти до 10, как показано в таблице.
ТАБЛИЦА 4.
Сравнение оценочного отношения причинно-следственных связей с использованием дизайна тенденции в тенденции и метода когортного исследования
ПРИЛОЖЕНИЕ
Мы применили метод тенденции в тенденции к базе данных витрины данных Clinformatics (OptumInsight, Eden Prairie, MN), чтобы изучить связь между рофекоксибом и AMI, тяжелой гипогликемией и переломом непозвоночных костей.Совет по институциональному надзору Университета Пенсильвании определил, что это исследование соответствует критериям приемлемости для исключения из рассмотрения IRB, разрешенного 45 CFR 46.101, категория 4. Определения этих результатов описаны в дополнительных материалах (http://links.lww.com/EDE / B123). Сначала мы определили всех лиц в возрасте 18 лет и старше в Optum, которые получали один или несколько рецептов на рофекоксиб в течение периода исследования с 1 апреля 2000 г. по 30 декабря 2004 г. Для каждого эпизода контакта с рофекоксибом мы определили первый месяц и последний месяц эпизода их непрерывного включения (или эпизодов для лиц с несколькими эпизодами включения) в течение периода исследования.Таким образом, единицей наблюдения был эпизод зачисления, определяемый как период непрерывного зачисления человека. Человек может добавить несколько эпизодов. Для каждого эпизода, подвергшегося воздействию рофекоксиба, мы случайным образом отобрали без замены девять эпизодов регистрации, не подвергавшихся воздействию рофекоксиба, с датой начала регистрации не позднее, чем через 1 год от даты начала регистрации субъекта, подвергшегося воздействию рофекоксиба, и с датой окончания регистрации или после даты окончания регистрации субъекта, подвергшегося воздействию рофекоксиба.Обоснованием этого критерия было обеспечение достаточного совпадения календарного времени наблюдения для подвергнутых и не подвергавшихся воздействию субъектов. Таким образом, набор для анализа содержал в 10 раз больше общих эпизодов, чем было эпизодов включения в исследование, подвергшихся воздействию рофекоксиба. Это было сделано для повышения эффективности вычислений по сравнению с включением всего исследуемого населения.
Затем мы аппроксимируем логистическую регрессию для оценки совокупной вероятности воздействия, используя возраст, пол, диагноз ревматоидного артрита и диагноз остеоартрита в качестве независимых переменных.Коды диагностики для этих переменных приведены в дополнительных материалах (http://links.lww.com/EDE/B123). Для субъектов, подвергшихся воздействию рофекоксиба, эти ковариаты были измерены на дату их первого назначения. Для контрольных субъектов эти ковариаты были измерены в тот же день, что и их соответствующие подвергнутые воздействию объекты. Статистика c составила 0,61, что дает хорошее разделение распространенности воздействия по квинтилям, как показано на рисунке. Оценочные коэффициенты и SD (как показано в скобках) равны 0.0228 (0,0001) для постоянного возраста, 0,1458 (0,0027) для женского пола, 2,4418 (0,0124) для ревматоидного артрита и -0,6444 (0,0191) для остеоартрита.
Тенденции воздействия рофекоксиба в стратифицированных группах с использованием базы данных Optum Clinformatics.
Метод тенденции к тенденции дал OR (95% доверительный интервал) для рофекоксиба и AMI, равный 1,2 (1,1, 1,4), что согласуется с результатами предыдущих эпидемиологических исследований: метаанализ 2005 г. дал объединенный относительный риск 1.2 (1,1, 1,3) для когортных и вложенных исследований случай – контроль, 12 и более поздний метаанализ сообщили об объединенном относительном риске 1,3 (1,2, 1,5). 13 OR для исходов отрицательного контроля, тяжелой гипогликемии и непозвоночного перелома кости (ни один из которых, как предполагается, не влияет на рофекоксиб) составили 1,1 (0,92, 1,3) и 0,84 (0,64, 1,1), что соответствует нет эффекта. 14
ОБСУЖДЕНИЕ
Мы описываем новый гибридный дизайн эколого-эпидемиологического исследования, который называется «тренд-в-тренде», даем математический вывод результирующего отношения шансов, используем моделирование, чтобы подтвердить, что результаты менее смещены (хотя и в некоторой степени). менее точен), чем в когортном исследовании, когда имеется неизмеренное искажение, и применять этот метод для воспроизведения одной положительной и двух нулевых ассоциаций с использованием реальных данных.Результаты эмпирического исследования с использованием реальных данных показывают, что дизайн легко применим и дает ожидаемые результаты.
Важно отметить, что современный дизайн избегает ахиллесовой пяты большинства эпидемиологических исследований медицинских вмешательств: совмещения получения лечения с необходимостью в нем. В отличие от когортных исследований, план «тенденция в тренде» не предполагает никаких неизмеримых искажающих факторов, а вместо этого изучает изменения в возникновении результатов как функцию изменений распространенности воздействия по стратам с различными временными тенденциями воздействия.Следовательно, результаты исследования тенденции в тенденции будут необоснованными, если нет неизмеримых факторов, влияющих на результат, для которых существуют временные тенденции в распространенности, которые коррелируют с временными тенденциями воздействия по стратам, определяемым тенденцией воздействия. Это может произойти, если есть совместные вмешательства, для которых тенденция использования положительно коррелирует с тенденциями использования воздействия, или альтернативы, для которых тенденция использования отрицательно коррелирует с тенденциями использования воздействия.Поскольку сценарии, которые дадут смешанную оценку тенденции в тренде, являются подмножеством тех, которые дадут искаженную оценку когорты, схема тенденции в тренде более устойчива к искажениям. Однако дизайн «тренд в тренде» возможен только при наличии сильного временного тренда в распространенности воздействия. Точно так же оценки эффекта, полученные с использованием календарного периода в качестве IV, будут смещены, если есть какая-либо временная тенденция в неизмеряемом причинном факторе, тогда как исследование тенденции в тренде будет смещено только в том случае, если изменения в распространенности такого фактора коррелированы. с изменениями распространенности воздействия по совокупной вероятности страт воздействия.Таким образом, схема «тренд в тренде» ослабляет допущения, при которых допустимо использование календарного времени в качестве IV.
Причинный контраст, исследуемый методом «тренд в тренде», заслуживает обсуждения. Это мгновенный эффект от использования представляющей интерес подверженности риску, а не подверженности риску (если таковые имеются), который тренд к увеличению (или уменьшению) использования представляющей интерес подверженности сместился (или был замещен). В примере с рофекоксибом, вероятно, это комбинация неселективных нестероидных противовоспалительных препаратов, опиоидов и отсутствие лечения.Таким образом, результаты тенденции к тенденции могут не имитировать результаты плацебо-контролируемых исследований, оценивающих исследуемое лечение. Тем не менее причинный контраст с альтернативами, которые он вытесняет или вытесняет, возможно, более уместен с точки зрения общественного здравоохранения.
Основными ограничениями метода «тенденции в тенденции» являются необходимость наличия сильной тенденции в распространенности воздействия и снижение статистической точности, которая сопровождает анализ на уровне группы, а не на индивидуальном уровне. Ограничения настоящего исследования включают скромный диапазон смоделированных сценариев и тот факт, что не существует эмпирического примера с причинно-следственным эффектом, известным с полной уверенностью.
Необходима дополнительная работа, чтобы повысить полезность модного дизайна. Такая работа должна быть направлена на контроль измеренных факторов, для которых могут быть временные тенденции, которые коррелируют с временными тенденциями воздействия по совокупной вероятности слоев воздействия, изучение неоднородности эффекта лечения, методы последовательного анализа, позволяющие множественные взгляды при ограничении ошибки типа 1 и оценка статистической мощности и обнаруживаемой альтернативы.
Сноски
Примечание редактора: Комментарий к этой статье размещен на стр.537.
Это исследование было частично поддержано грантами R01AG025152, R01DK102694, R01HD074756, R01AG040105 и UL1TR000003 от Национальных институтов здравоохранения. Данные моделирования, представленные в этой статье, представлены в виде дополнительных файлов данных; http://links.lww.com/EDE/B123. Из-за соглашения, регулирующего доступ Пенсильванского университета к данным Optum Clinformatics, исследователи не могут предоставить доступ к этим данным. Доктора Хеннесси и Леонард получают финансирование через свое учреждение от Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США для участия в программе Mini-Sentinel.
Доктор Хеннесси консультировал Merck Sharp & Dohme Corp, не имеющий отношения к рофекоксибу. Ни у кого из других авторов нет потенциального конфликта интересов.
Дополнительный цифровой контент доступен через прямые ссылки на URL в версиях HTML и PDF этой статьи (www.epidem.com).
СПИСОК ЛИТЕРАТУРЫ
1. Кук Т.Д., Кэмпбелл Д.Т., День А. Квази-экспериментирование: вопросы проектирования и анализа для полевых настроек. 1979 г. 351 Бостон, Массачусетс: Хоутон Миффлин.[Google Scholar] 2. Мейрик О. Когортные исследования и исследования случай-контроль. 2008 г. Женева: Всемирная организация здравоохранения ;. [Google Scholar] 3. Viera AJ. Соотношения шансов и рисков: в чем разница и почему это важно? South Med J. 2008; 101: 730–734 .. [PubMed] [Google Scholar] 4. Лехнер М. Оценка причинно-следственных связей разностными методами. Сейчас, 2011. [Google Scholar] 5. Каин Л. Е., Коул С. Р., Гренландия С. и др. Влияние высокоактивной антиретровирусной терапии на заболеваемость СПИДом с использованием календарного периода в качестве инструментальной переменной.Am J Epidemiol. 2009: kwp002. [Бесплатная статья PMC] [PubMed] [Google Scholar] 6. Джонстон К.М., Густафсон П., Леви А.Р., Гроотендорст П. Использование инструментальных переменных в анализе обобщенных линейных моделей при наличии неизмеримых искажений с приложениями к эпидемиологическим исследованиям. Stat Med. 2008; 27: 1539–1556 .. [PubMed] [Google Scholar] 7. Юни П., Нартей Л., Райхенбах С., Стерчи Р., Дьеп П. А., Эггер М. Риск сердечно-сосудистых событий и рофекоксиб: кумулятивный метаанализ. Ланцет. 2004; 364: 2021–2029.. [PubMed] [Google Scholar] 8. Вестергаард П., Рейнмарк Л., Мосекильде Л. Риск перелома, связанный с применением нестероидных противовоспалительных препаратов, ацетилсалициловой кислоты и ацетаминофена, а также последствия ревматоидного артрита и остеоартрита. Calcif Tissue Int. 2006; 79: 84–94 .. [PubMed] [Google Scholar] 9. Розенбаум ПР, Рубин ДБ. Центральная роль шкалы предрасположенности в обсервационных исследованиях причинных эффектов. Биометрика 1983; 70: 41–55 .. [Google Scholar] 10. Зегер С.Л., Лян К.Ю., Альберт П.С. Модели для продольных данных: подход обобщенного уравнения оценки.Биометрия. 1988; 44: 1049–1060 .. [PubMed] [Google Scholar] 11. Бенджамин Э.Дж., Леви Д., Вазири С.М., Д’Агостино РБ, Белэнджер А.Дж., Вольф PA. Независимые факторы риска фибрилляции предсердий в популяционной когорте. Фрамингемское исследование сердца. ДЖАМА. 1994; 271: 840–844 .. [PubMed] [Google Scholar] 12. Эрнандес-Диас С., Варас-Лоренцо С., Гарсиа Родригес Л.А. Нестероидные противовоспалительные препараты и риск острого инфаркта миокарда. Basic Clin Pharmacol Toxicol. 2006; 98: 266–274 .. [PubMed] [Google Scholar] 13.Varas-Lorenzo C, Riera-Guardia N, Calingaert B, F и др. Инфаркт миокарда и отдельные нестероидные противовоспалительные препараты, метаанализ наблюдательных исследований. Фармакоэпидемиол лекарственный саф 2013; 22.6: 559–570 .. [Бесплатная статья PMC] [PubMed] [Google Scholar] 14. Соломон Д.Х., Рассен Дж. А., Глинн Р. Дж., Ли Дж., Левин Р., Шнейвайс С. Сравнительная безопасность анальгетиков у пожилых людей с артритом. Arch Intern Med. 2010; 170: 1968–1976 .. [PubMed] [Google Scholar] 15. Левеск Л.Е., Брофи Дж. М., Чжан Б.Риск инфаркта миокарда с ингибиторами циклооксигеназы-2: популяционное исследование пожилых людей. Ann Intern Med. 2005; 142: 481–489 .. [PubMed] [Google Scholar] 16. Киёта Ю., Шнейвайс С., Глинн Р.Дж., Каннуссио С.К., Аворн Дж., Соломон Д.Х. Точность диагноза острого инфаркта миокарда на основе заявлений Medicare: оценка положительной прогностической ценности на основе анализа истории болезни. Am Heart J. 2004; 148: 99–104 .. [PubMed] [Google Scholar] 17. Гинде А.А., Блан П.Г., Либерман Р.М., Камарго Калифорния., Младший Валидация алгоритма кодирования ICD-9-CM для улучшения идентификации посещений при гипогликемии. BMC Endocr Disord. 2008; 8: 4. [Бесплатная статья PMC] [PubMed] [Google Scholar] 18. Heagerty PJ, Zeger SL. Маргинальные многоуровневые модели и вероятностный вывод (с комментариями и ответом авторов). Stat Sci. 2000; 15: 1–26 .. [Google Scholar]Современный дизайн исследования причинно-следственных связей
Эпидемиология. 2017 июл; 28 (4): 529–536.
, a , a, b , b и bXinyao Ji
От отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Дилан С. Смолл
От a Департамент статистики, Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Чарльз Э. Леонард
Из отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Шон Хеннесси
Из отдела статистики a , Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
От a Департамент статистики, Школа Уортона, Университет Пенсильвании, Филадельфия, Пенсильвания; и b Центр фармакоэпидемиологических исследований и обучения, Центр клинической эпидемиологии и биостатистики, Департамент биостатистики и эпидемиологии, Медицинская школа Перельмана Университета Пенсильвании, Филадельфия, Пенсильвания.
Автор, ответственный за переписку: Шон Хеннесси, факультет биостатистики и эпидемиологии, Медицинская школа Перельмана Пенсильванского университета, 423 Guardian Drive, 803 Blockley Hall, Philadelphia, PA. Электронная почта: ude.nnepu@yssenneh.Поступило 06.06.2016; Принято 18 октября 2016 г.
Copyright © 2016 Автор (ы). Опубликовано Wolters Kluwer Health, Inc. Эта статья цитируется в других статьях в PMC.Abstract
Когортные исследования могут быть искажены неизмеренным искажением.Мы предлагаем гибридный эколого-эпидемиологический дизайн, называемый «тренд в тренде», который требует сильного временного тренда воздействия, но является беспристрастным, если нет неизмеренных факторов, влияющих на результат, для которых есть временные тренды в распространенности, которые коррелируют с временными трендами. при воздействии по слоям с различными тенденциями воздействия. Таким образом, условия, при которых исследование тенденции в тренде смещено, являются подмножеством тех, при которых когортное исследование смещено. Схема «тренд в тренде» сначала делит исследуемую популяцию на страты на основе кумулятивной вероятности воздействия с учетом ковариат, которые эффективно стратифицируют по временному тренду воздействия, при условии, что тренд есть.Затем модель максимального правдоподобия, не содержащая ковариат, оценивает отношение шансов (OR) с использованием данных о распространенности воздействия и частоте исходов в пределах совокупной вероятности страт воздействия за несколько периодов. При моделировании дизайн с тенденцией к тренду давал OR с незначительным смещением при наличии неизмеренного искажения. В эмпирических приложениях «тенденция в тренде» воспроизводила известную положительную связь между рофекоксибом и инфарктом миокарда (наблюдаемое OR: 1,2, 95% доверительный интервал: 1.1, 1.4), а также известные нулевые ассоциации между рофекоксибом и тяжелой гипогликемией (OR = 1,1 [0,92, 1,3]) и непозвоночными переломами (OR = 0,84 [0,64, 1,1]). Метод «тенденция в тренде» может быть полезен в условиях сильной временной тенденции воздействия, например, недавно одобренный препарат или другое медицинское вмешательство. См. Аннотацию к видео по адресу http://links.lww.com/EDE/B178.
Многие важные причинно-следственные вопросы не могут быть решены с помощью рандомизированных исследований по этическим или практическим причинам. В экологических исследованиях рассматриваются причинно-следственные вопросы путем изучения временных тенденций воздействия и исхода, но они могут быть искажены из-за одновременных тенденций в других факторах, влияющих на исход. 1 Эпидемиологические планы, такие как когортное исследование, могут быть необъективными, если существуют неизмеряемые детерминанты воздействия, связанные с исходом (т. Е. Неизмеренные искажающие факторы). В этой статье мы представляем новый гибридный эколого-эпидемиологический дизайн, который называется «тренд в тренде». Вместо того, чтобы сравнивать людей, подвергшихся облучению, и людей, не подвергавшихся облучению, схема «тенденции в тренде» исследует временные тенденции в исходе как функцию временных тенденций воздействия в разных слоях с разными временными тенденциями воздействия.Интуитивно понятно, что в популяции, стратифицированной по временным тенденциям воздействия, связь между тенденциями времени воздействия и тенденциями времени исхода по стратам должна обеспечивать доказательства причинно-следственной связи, за исключением случаев, когда существуют неизмеряемые факторы, влияющие на исход, для которых существуют временные тенденции распространенности, которые коррелируют с тенденциями времени в экспозиции по слоям. Таким образом, сценарии, при которых исследование тенденции в тенденции подвержено неизмеримым искажениям, должны быть подмножеством тех, при которых подвержено когортное исследование, что делает дизайн более устойчивым к неизмеряемым искажениям, чем другие планы.Компромиссы заключаются в том, что исследование тенденции в тенденции возможно только при наличии сильной временной тенденции воздействия и должно иметь меньшую статистическую точность, чем когортное исследование.
Несмотря на то, что современный дизайн является новым, он связан с двумя устоявшимися эконометрическими подходами. Один из них — это метод разницы в различиях, 4 , поскольку оба устраняют неизмеримое искажение путем изучения внутригрупповых изменений и временных тенденций в результатах. Однако, в отличие от метода, план «тенденции в тренде» оценивает причинный параметр на индивидуальном уровне.В частности, схема «тренд в тренде» дает отношение шансов (OR), которое приблизительно соответствует отношению риска, когда результат является редким. 3 Метод тренда в тренде также связан с использованием календарного времени в качестве инструментальной переменной (IV), 5,6 , и фактически они эквивалентны, если в тренде используется только один слой. в трендовом дизайне. Однако использование календарного времени в качестве IV может быть искажено любой временной тенденцией в распространенности неизмеримого фактора, влияющего на результат. Напротив, план «тренд в тренде» смещается таким трендом только в том случае, если временной тренд неизмеренного фактора коррелирует с временными трендами экспозиции по стратам, определяемым факторами, связанными с экспозицией.Таким образом, план «тренд в тренде» ослабляет допущения, при которых справедливо исследование календарного времени IV.
В этой статье мы сначала вводим кумулятивную вероятность воздействия, которая используется для разделения популяции на страты с различной распространенностью воздействия и, следовательно, с разными временными тенденциями воздействия, при условии, что существует общая временная тенденция. Затем мы предлагаем две разумные модели для отдельных лиц и подгрупп, соответственно. При допущении, что результат является редким, ковариаты либо неизменны во времени, либо изменяются случайным образом с течением времени внутри человека, и отсутствуют временные тенденции в неизмеренных причинных факторах, которые связаны с временными тенденциями воздействия на разные слои, мы даем математический вывод связь между людьми и подгруппами и метод оценки OR с использованием данных на уровне группы.Затем мы математически показываем, что эта оценка не зависит от измеренных и неизмеренных искажающих факторов. Мы сообщаем об имитационном исследовании, показывающем, что OR, оцененное с использованием метода тенденции в тренде, гораздо менее предвзято, чем оцененное с использованием когортных методов, когда имеется неизмеренное смешение факторов без тенденции в распространенности. Наконец, мы применяем метод тенденции к тенденции к данным здравоохранения, чтобы воспроизвести известную положительную связь между рофекоксибом и острым инфарктом миокарда (ОИМ), 7 и двумя предположительно нулевыми ассоциациями: рофекоксиб и тяжелая гипогликемия, а также рофекоксиб и перелом костей. 8
МЕТОДЫ
Стратификация на основе совокупной вероятности воздействия
Анализ исследования тенденции в тенденции включает два этапа. На первом этапе мы оцениваем кумулятивную вероятность воздействия, которая представляет собой прогнозируемую вероятность воздействия на весь период исследования на основе переменных, отличных от воздействия, результата и их потенциальных эффектов. В частности, предположим, что мы наблюдаем за популяцией, в которой наблюдается состояние двойного воздействия на каждого человека в течение периода исследования.Мы также наблюдаем набор переменных, которые влияют, но, как известно из предметной области, не подвержены влиянию воздействия, таких как возраст, пол, географическое место проживания, диагнозы и т. Д. Мы подбираем модель логистической регрессии, используя эти переменные в качестве независимых переменных, с зависимой переменной, являющейся воздействием. Подбираемое значение представляет собой предполагаемую совокупную вероятность воздействия. Поскольку единицей анализа для модели совокупной вероятности воздействия является индивидуум, а ковариаты рассматриваются как инвариантные, каждый субъект будет находиться в одной и той же страте совокупной вероятности воздействия для всех периодов наблюдения.Если, по аналогии с новым когортным исследованием пользователей, субъекты должны присутствовать в течение базового периода перед первой возможностью воздействия, то значения всех переменных в модели совокупной вероятности воздействия могут быть зафиксированы при первой возможности воздействия ( например, одобрение препарата). Тем не менее, многие базы данных здравоохранения имеют высокую текучесть кадров, и ограничение исследования людьми с достаточным исходным периодом до первой возможности контакта может резко сократить доступный размер выборки.В такой ситуации можно позволить, чтобы значение кумулятивной вероятности переменных воздействия, для установления которых требуется время (например, появление диагнозов), определялось данными, наблюдаемыми в течение периода исследования, при условии, что знание предметной области может исключить возможность этот статус воздействия влияет на любую кумулятивную переменную вероятность воздействия. Для воздействия с общим временным трендом распространенности интуиция подсказывает нам, что величина тренда должна варьироваться в зависимости от страты, определяемой кумулятивной вероятностью воздействия.Кумулятивная вероятность воздействия аналогична баллу склонности, 9 , потому что оба предсказывают воздействие, но отличается от него тем, что показатель склонности используется для уравновешивания наблюдаемых ковариат по группам воздействия, в то время как кумулятивная вероятность воздействия используется для определения страт. с разными временными тенденциями выдержки. Также возможно напрямую смоделировать сам тренд, а не совокупную вероятность воздействия. Второй этап анализа, описанный ниже, применим к любой популяции, стратифицированной по временному тренду распространенности воздействия.
Модели в дизайне тенденций
Чтобы получить количественную оценку причинно-следственного эффекта, мы предлагаем две модели результатов. Для каждого субъекта в каждый момент времени определяется одна модель, чтобы учесть неоднородность ковариат по населению и временные тенденции результатов. Другой определяется на уровне популяции в каждый момент времени, который отображает средний результат среди этих субъектов в той же подгруппе. Мы предполагаем, что исследуемая популяция состоит из N особей и существует T временных периодов.Let обозначает вектор ковариант, связанных с индивидуальным i в период времени t , который представляет внутренние характеристики, которые могут повлиять на конкретное воздействие и / или результат. можно наблюдать, ненаблюдать или частично наблюдать. предполагается, что оно соответствует распределению F среди населения. и являются переменными подверженности и исходу для отдельных i за период времени t . G — индекс совокупной вероятности страт подверженности риску.
Субъектно-ориентированная модель
Предполагается, что условные ожидаемые результаты удовлетворяют
(1)
, где h — функция связи. Модель для конкретного субъекта — это частный случай обобщенной линейной смешанной модели, в которой воздействие и период времени являются фиксированными эффектами, а ковариаты для человека (некоторые из которых могут быть ненаблюдаемыми) представлены как случайные эффекты. 10 Поскольку схема «тенденция в тренде» предназначена для оценки мгновенного риска воздействия, только вместо истории лечения рассматривается как предиктор условного ожидаемого результата.Коэффициент β 1 для воздействия имеет причинно-следственную интерпретацию на индивидуальном уровне. Это также логарифм ИЛИ, когда и экспозиция, и результат являются двоичными, а функция h — логит.
Когда неизмеряемых искажений не существует, то есть их можно полностью наблюдать, допустимо оценить все коэффициенты в уравнении (1) с использованием данных на индивидуальном уровне. Например, план когорты использует информацию о каждой единице в группе для изучения связи с воздействием. 11 Однако в наблюдательных исследованиях мы не можем исключить наличие неизмеряемых искажающих факторов, которые могут исказить оценки коэффициентов фиксированных эффектов. Кроме того, предметно-ориентированная модель может быть сложной с вычислительной точки зрения при изучении редких заболеваний, поскольку требуется большое количество испытуемых.
Модель с усреднением по совокупности
Мы предполагаем, что предельное ожидание удовлетворяет:
(2)
, где h * — функция связи.- это функция от воздействия и группы, которая представляет неоднородность в подгруппах, подвергшихся и не подвергавшихся воздействию. Модель, усредненная по населению, — это предельное ожидание предметно-ориентированной модели. Это не требует знания ковариат или предположений о неоднородности отдельных лиц. Его коэффициенты можно напрямую оценить на основе агрегированных данных о воздействии и исходе, но не имеют индивидуальной причинно-следственной интерпретации.
В общем, две модели могут быть связаны путем интеграции.В Zeger et al., 10 обсуждаются случаи функций связи identity, log, probit и logit, а также подробно перечисляются соответствующие математические отношения между () и (). Метод «тенденция в тренде» будет основан на модели, усредненной по совокупности. С целью сделать причинно-следственные выводы для лиц с двоичным исходом, мы требуем, чтобы функция связи h была логистической, чтобы было возможно получение OR exp ( β 1 ), а оценочная величина приближалась к соотношению рисков, полученному из когортное исследование редкого исхода.
Далее мы даем математический вывод связи между двумя моделями и того, как оценить причинное ИЛИ, используя только данные о тенденциях в распространенности как воздействия, так и исходов в стратах. Мы также показываем, что при правдоподобных предположениях метод тенденции в тенденции не основан на измеренных и неизмеряемых факторах при условии, что нет тенденций в распространенности ковариат, которые коррелируют с распространенностью воздействия во времени. Поскольку сценарии, которые приведут к ошибочной оценке в исследовании тенденции в тренде, являются подмножеством тех, которые приведут к ошибочной оценке в когортном исследовании, схема тенденции в тенденции более устойчива к потенциальным искажениям.Однако, в отличие от когортного дизайна, тренд в тренде требует сильного временного тренда экспозиции, поэтому он доступен в меньшем количестве сценариев.
Оценка отношения шансов
Сначала мы стратифицируем всю популяцию по K стратам в соответствии с квантилями оцененной кумулятивной вероятности воздействия. Для каждой подгруппы G и каждого временного периода t мы агрегируем данные на индивидуальном уровне, чтобы получить количества в следующей таблице:
Поскольку h является функцией логита, мы имеем
(3)
In В общем, не существует закрытой формы для предельного среднего как функции фиксированных эффектов, и β 1 не может быть идентифицирован.Однако приблизительная форма становится доступной, когда мы налагаем следующие предположения:
(1) Ковариаты и период времени имеют мультипликативное влияние на подверженность воздействию, то есть. h 1 и h 2 — две детерминированные функции, но неизвестные.
(2) Ковариаты для всех индивидуумов в любой подгруппе G либо неизменны во времени, либо меняются случайным образом во времени. Это случайные величины из неизвестного распределения, то есть.
(3) Результат является редким, поэтому мы можем опустить знаменатель подынтегрального выражения в уравнении.
С этими предположениями можно доказать, что
(4)
(5)
где неизвестные константы, которые зависят от группы.
Уравнения (4) и (5) не содержат ковариаций. Другими словами, предельное ожидание результата одинаково для леченных / контрольных лиц в одной и той же подгруппе. Поскольку каждый из них является бинарным, агрегирование результатов для пролеченных и необработанных дает два биномиальных распределения.Следовательно, мы можем записать параметрическое правдоподобие для ():
(6)
(7)
() являются неизвестными параметрами и могут быть оценены путем максимизации вышеуказанного правдоподобия с использованием алгоритма оптимизации. В частности, представляет интерес операционная. Мы написали пакет для языка вычислений R под названием TrendInTrend, который выполняет эту максимизацию и вычисляет OR с заданным 95% доверительным интервалом.
МОДЕЛИРОВАНИЕ
Мы провели имитационные исследования, чтобы подтвердить, что при наличии неизмеренных искажающих факторов OR, полученный методом тенденции в тренде, незначительно смещен (хотя и несколько менее точен), чем полученный в когортном исследовании.Мы смоделировали исследуемую популяцию размером 250 000 человек с 20 календарными кварталами в качестве периодов обучения. Данные были сгенерированы в соответствии со следующей процедурой:
Шаг 1: Ковариаты представляют собой пятимерный вектор с тремя элементами, созданными из многомерного распределения Гаусса, и двумя другими элементами, созданными из распределений Бернулли с различными вероятностями успеха. Исследуются три сценария: (1) ковариаты выбираются только один раз и фиксируются во времени, (2) ковариаты выбираются независимо для каждого календарного периода, и (3) ковариаты выбираются повторно для каждого календарного периода с коэффициентом автокорреляции 0.5.
Шаг 2: Присвойте 1 с вероятностью.
Шаг 3: Моделирование на основе конкретной предметной модели и выбора функции связи h .
Мы выбираем a 0 , a 1 , a 2 , a 3 таким образом, чтобы смоделированная распространенность воздействия имела форму «вверх-вниз», показанную на рисунке. , который имитирует тенденцию воздействия лекарственного средства, которое становится широко используемым после введения, а затем отменяется (например,g., рофекоксиб). Однако этот метод должен работать и при однонаправленном тренде. Более подробное описание настройки моделирования вместе со значениями всех параметров приведено в разделе 2 дополнительных материалов (http://links.lww.com/EDE/B123).
Тренд смоделированного риска за 20 календарных кварталов. Распространенность подверженности увеличивается с 0% в первом квартале до 5% в 15-м квартале, а затем снижается почти до 0% в 20-м квартале.
На основании совокупной вероятности воздействия, оцененной с помощью логистической регрессии, исследуемая популяция была стратифицирована по квинтилям, то есть K = 5.Как и ожидалось, эти страты, каждая из которых насчитывает 50 000 человек, имели разные тенденции в распространенности воздействия. Модель совокупной вероятности воздействия включала все пять ковариат, как показано на рисунке.
Смоделированные тенденции распространенности воздействия для стратифицированных подгрупп на основе совокупной вероятности квинтилей воздействия. Каждый квинтиль совокупной вероятности воздействия демонстрирует различную тенденцию распространенности воздействия с течением времени. В верхнем квинтиле наблюдается наиболее резкое изменение от базового уровня к пиковому, в то время как нижний квинтиль практически не меняется.
Мы рассмотрели следующие сценарии в предположении редких событий: (1) OR принимает значения 1,0, 1,5, 2,0 и 2,5; (2) сила модели кумулятивной вероятности воздействия имеет три уровня, количественно определяемые нулем, двумя и четырьмя пропущенными искажающими факторами из пяти в общей сложности, и для каждого уровня рассчитывается статистика c для измерения ненаблюдаемой неоднородности факторов, влияющих на исход; (3) количество кумулятивных уровней вероятности воздействия равно пяти или 10.Мы сравниваем предполагаемый OR с рассчитанным с использованием когортного метода. Результаты, которые представляют собой средние значения 1000 симуляций, сведены в таблицы -, соответствующие трем различным сценариям выборки ковариат, как описано выше.
ТАБЛИЦА 1.
Сравнение оценочного отношения причинных шансов с использованием трендового дизайна и метода когортного исследования
ТАБЛИЦА 3.
Сравнение оценочного отношения причинных шансов с использованием трендового дизайна и Метод когортного исследования
ТАБЛИЦА 2.
Сравнение оценочного отношения причинно-следственных связей с использованием дизайна тенденции в тренде и метода когортного исследования
Как и ожидалось, когда не было неизмеренных факторов, влияющих на тенденцию, как тенденции в тренде, так и когортный дизайн дали OR, которые были близки к правда. Однако по мере увеличения количества неизмеряемых искажающих факторов, OR, полученные с помощью когортного дизайна, стали очень смещенными, с погрешностями в диапазоне от 90% до 127%, в то время как результаты из трендового дизайна оставались близкими к истине с диапазоном погрешности. от −3.От 5% до 3%. Стандартные отклонения для метода «тенденция в тренде» были в 1-2 раза больше, чем для когортного метода, чего и следовало ожидать, поскольку информация на индивидуальном уровне частично теряется при агрегировании подсчетов результатов. Кроме того, мы наблюдали снижение SD для метода тенденции в тренде, когда количество страт увеличивается с пяти до 10, как показано в таблице.
ТАБЛИЦА 4.
Сравнение оценочного отношения причинно-следственных связей с использованием дизайна тенденции в тенденции и метода когортного исследования
ПРИЛОЖЕНИЕ
Мы применили метод тенденции в тенденции к базе данных витрины данных Clinformatics (OptumInsight, Eden Prairie, MN), чтобы изучить связь между рофекоксибом и AMI, тяжелой гипогликемией и переломом непозвоночных костей.Совет по институциональному надзору Университета Пенсильвании определил, что это исследование соответствует критериям приемлемости для исключения из рассмотрения IRB, разрешенного 45 CFR 46.101, категория 4. Определения этих результатов описаны в дополнительных материалах (http://links.lww.com/EDE / B123). Сначала мы определили всех лиц в возрасте 18 лет и старше в Optum, которые получали один или несколько рецептов на рофекоксиб в течение периода исследования с 1 апреля 2000 г. по 30 декабря 2004 г. Для каждого эпизода контакта с рофекоксибом мы определили первый месяц и последний месяц эпизода их непрерывного включения (или эпизодов для лиц с несколькими эпизодами включения) в течение периода исследования.Таким образом, единицей наблюдения был эпизод зачисления, определяемый как период непрерывного зачисления человека. Человек может добавить несколько эпизодов. Для каждого эпизода, подвергшегося воздействию рофекоксиба, мы случайным образом отобрали без замены девять эпизодов регистрации, не подвергавшихся воздействию рофекоксиба, с датой начала регистрации не позднее, чем через 1 год от даты начала регистрации субъекта, подвергшегося воздействию рофекоксиба, и с датой окончания регистрации или после даты окончания регистрации субъекта, подвергшегося воздействию рофекоксиба.Обоснованием этого критерия было обеспечение достаточного совпадения календарного времени наблюдения для подвергнутых и не подвергавшихся воздействию субъектов. Таким образом, набор для анализа содержал в 10 раз больше общих эпизодов, чем было эпизодов включения в исследование, подвергшихся воздействию рофекоксиба. Это было сделано для повышения эффективности вычислений по сравнению с включением всего исследуемого населения.
Затем мы аппроксимируем логистическую регрессию для оценки совокупной вероятности воздействия, используя возраст, пол, диагноз ревматоидного артрита и диагноз остеоартрита в качестве независимых переменных.Коды диагностики для этих переменных приведены в дополнительных материалах (http://links.lww.com/EDE/B123). Для субъектов, подвергшихся воздействию рофекоксиба, эти ковариаты были измерены на дату их первого назначения. Для контрольных субъектов эти ковариаты были измерены в тот же день, что и их соответствующие подвергнутые воздействию объекты. Статистика c составила 0,61, что дает хорошее разделение распространенности воздействия по квинтилям, как показано на рисунке. Оценочные коэффициенты и SD (как показано в скобках) равны 0.0228 (0,0001) для постоянного возраста, 0,1458 (0,0027) для женского пола, 2,4418 (0,0124) для ревматоидного артрита и -0,6444 (0,0191) для остеоартрита.
Тенденции воздействия рофекоксиба в стратифицированных группах с использованием базы данных Optum Clinformatics.
Метод тенденции к тенденции дал OR (95% доверительный интервал) для рофекоксиба и AMI, равный 1,2 (1,1, 1,4), что согласуется с результатами предыдущих эпидемиологических исследований: метаанализ 2005 г. дал объединенный относительный риск 1.2 (1,1, 1,3) для когортных и вложенных исследований случай – контроль, 12 и более поздний метаанализ сообщили об объединенном относительном риске 1,3 (1,2, 1,5). 13 OR для исходов отрицательного контроля, тяжелой гипогликемии и непозвоночного перелома кости (ни один из которых, как предполагается, не влияет на рофекоксиб) составили 1,1 (0,92, 1,3) и 0,84 (0,64, 1,1), что соответствует нет эффекта. 14
ОБСУЖДЕНИЕ
Мы описываем новый гибридный дизайн эколого-эпидемиологического исследования, который называется «тренд-в-тренде», даем математический вывод результирующего отношения шансов, используем моделирование, чтобы подтвердить, что результаты менее смещены (хотя и в некоторой степени). менее точен), чем в когортном исследовании, когда имеется неизмеренное искажение, и применять этот метод для воспроизведения одной положительной и двух нулевых ассоциаций с использованием реальных данных.Результаты эмпирического исследования с использованием реальных данных показывают, что дизайн легко применим и дает ожидаемые результаты.
Важно отметить, что современный дизайн избегает ахиллесовой пяты большинства эпидемиологических исследований медицинских вмешательств: совмещения получения лечения с необходимостью в нем. В отличие от когортных исследований, план «тенденция в тренде» не предполагает никаких неизмеримых искажающих факторов, а вместо этого изучает изменения в возникновении результатов как функцию изменений распространенности воздействия по стратам с различными временными тенденциями воздействия.Следовательно, результаты исследования тенденции в тенденции будут необоснованными, если нет неизмеримых факторов, влияющих на результат, для которых существуют временные тенденции в распространенности, которые коррелируют с временными тенденциями воздействия по стратам, определяемым тенденцией воздействия. Это может произойти, если есть совместные вмешательства, для которых тенденция использования положительно коррелирует с тенденциями использования воздействия, или альтернативы, для которых тенденция использования отрицательно коррелирует с тенденциями использования воздействия.Поскольку сценарии, которые дадут смешанную оценку тенденции в тренде, являются подмножеством тех, которые дадут искаженную оценку когорты, схема тенденции в тренде более устойчива к искажениям. Однако дизайн «тренд в тренде» возможен только при наличии сильного временного тренда в распространенности воздействия. Точно так же оценки эффекта, полученные с использованием календарного периода в качестве IV, будут смещены, если есть какая-либо временная тенденция в неизмеряемом причинном факторе, тогда как исследование тенденции в тренде будет смещено только в том случае, если изменения в распространенности такого фактора коррелированы. с изменениями распространенности воздействия по совокупной вероятности страт воздействия.Таким образом, схема «тренд в тренде» ослабляет допущения, при которых допустимо использование календарного времени в качестве IV.
Причинный контраст, исследуемый методом «тренд в тренде», заслуживает обсуждения. Это мгновенный эффект от использования представляющей интерес подверженности риску, а не подверженности риску (если таковые имеются), который тренд к увеличению (или уменьшению) использования представляющей интерес подверженности сместился (или был замещен). В примере с рофекоксибом, вероятно, это комбинация неселективных нестероидных противовоспалительных препаратов, опиоидов и отсутствие лечения.Таким образом, результаты тенденции к тенденции могут не имитировать результаты плацебо-контролируемых исследований, оценивающих исследуемое лечение. Тем не менее причинный контраст с альтернативами, которые он вытесняет или вытесняет, возможно, более уместен с точки зрения общественного здравоохранения.
Основными ограничениями метода «тенденции в тенденции» являются необходимость наличия сильной тенденции в распространенности воздействия и снижение статистической точности, которая сопровождает анализ на уровне группы, а не на индивидуальном уровне. Ограничения настоящего исследования включают скромный диапазон смоделированных сценариев и тот факт, что не существует эмпирического примера с причинно-следственным эффектом, известным с полной уверенностью.
Необходима дополнительная работа, чтобы повысить полезность модного дизайна. Такая работа должна быть направлена на контроль измеренных факторов, для которых могут быть временные тенденции, которые коррелируют с временными тенденциями воздействия по совокупной вероятности слоев воздействия, изучение неоднородности эффекта лечения, методы последовательного анализа, позволяющие множественные взгляды при ограничении ошибки типа 1 и оценка статистической мощности и обнаруживаемой альтернативы.
Сноски
Примечание редактора: Комментарий к этой статье размещен на стр.537.
Это исследование было частично поддержано грантами R01AG025152, R01DK102694, R01HD074756, R01AG040105 и UL1TR000003 от Национальных институтов здравоохранения. Данные моделирования, представленные в этой статье, представлены в виде дополнительных файлов данных; http://links.lww.com/EDE/B123. Из-за соглашения, регулирующего доступ Пенсильванского университета к данным Optum Clinformatics, исследователи не могут предоставить доступ к этим данным. Доктора Хеннесси и Леонард получают финансирование через свое учреждение от Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США для участия в программе Mini-Sentinel.
Доктор Хеннесси консультировал Merck Sharp & Dohme Corp, не имеющий отношения к рофекоксибу. Ни у кого из других авторов нет потенциального конфликта интересов.
Дополнительный цифровой контент доступен через прямые ссылки на URL в версиях HTML и PDF этой статьи (www.epidem.com).
СПИСОК ЛИТЕРАТУРЫ
1. Кук Т.Д., Кэмпбелл Д.Т., День А. Квази-экспериментирование: вопросы проектирования и анализа для полевых настроек. 1979 г. 351 Бостон, Массачусетс: Хоутон Миффлин.[Google Scholar] 2. Мейрик О. Когортные исследования и исследования случай-контроль. 2008 г. Женева: Всемирная организация здравоохранения ;. [Google Scholar] 3. Viera AJ. Соотношения шансов и рисков: в чем разница и почему это важно? South Med J. 2008; 101: 730–734 .. [PubMed] [Google Scholar] 4. Лехнер М. Оценка причинно-следственных связей разностными методами. Сейчас, 2011. [Google Scholar] 5. Каин Л. Е., Коул С. Р., Гренландия С. и др. Влияние высокоактивной антиретровирусной терапии на заболеваемость СПИДом с использованием календарного периода в качестве инструментальной переменной.Am J Epidemiol. 2009: kwp002. [Бесплатная статья PMC] [PubMed] [Google Scholar] 6. Джонстон К.М., Густафсон П., Леви А.Р., Гроотендорст П. Использование инструментальных переменных в анализе обобщенных линейных моделей при наличии неизмеримых искажений с приложениями к эпидемиологическим исследованиям. Stat Med. 2008; 27: 1539–1556 .. [PubMed] [Google Scholar] 7. Юни П., Нартей Л., Райхенбах С., Стерчи Р., Дьеп П. А., Эггер М. Риск сердечно-сосудистых событий и рофекоксиб: кумулятивный метаанализ. Ланцет. 2004; 364: 2021–2029.. [PubMed] [Google Scholar] 8. Вестергаард П., Рейнмарк Л., Мосекильде Л. Риск перелома, связанный с применением нестероидных противовоспалительных препаратов, ацетилсалициловой кислоты и ацетаминофена, а также последствия ревматоидного артрита и остеоартрита. Calcif Tissue Int. 2006; 79: 84–94 .. [PubMed] [Google Scholar] 9. Розенбаум ПР, Рубин ДБ. Центральная роль шкалы предрасположенности в обсервационных исследованиях причинных эффектов. Биометрика 1983; 70: 41–55 .. [Google Scholar] 10. Зегер С.Л., Лян К.Ю., Альберт П.С. Модели для продольных данных: подход обобщенного уравнения оценки.Биометрия. 1988; 44: 1049–1060 .. [PubMed] [Google Scholar] 11. Бенджамин Э.Дж., Леви Д., Вазири С.М., Д’Агостино РБ, Белэнджер А.Дж., Вольф PA. Независимые факторы риска фибрилляции предсердий в популяционной когорте. Фрамингемское исследование сердца. ДЖАМА. 1994; 271: 840–844 .. [PubMed] [Google Scholar] 12. Эрнандес-Диас С., Варас-Лоренцо С., Гарсиа Родригес Л.А. Нестероидные противовоспалительные препараты и риск острого инфаркта миокарда. Basic Clin Pharmacol Toxicol. 2006; 98: 266–274 .. [PubMed] [Google Scholar] 13.Varas-Lorenzo C, Riera-Guardia N, Calingaert B, F и др. Инфаркт миокарда и отдельные нестероидные противовоспалительные препараты, метаанализ наблюдательных исследований. Фармакоэпидемиол лекарственный саф 2013; 22.6: 559–570 .. [Бесплатная статья PMC] [PubMed] [Google Scholar] 14. Соломон Д.Х., Рассен Дж. А., Глинн Р. Дж., Ли Дж., Левин Р., Шнейвайс С. Сравнительная безопасность анальгетиков у пожилых людей с артритом. Arch Intern Med. 2010; 170: 1968–1976 .. [PubMed] [Google Scholar] 15. Левеск Л.Е., Брофи Дж. М., Чжан Б.Риск инфаркта миокарда с ингибиторами циклооксигеназы-2: популяционное исследование пожилых людей. Ann Intern Med. 2005; 142: 481–489 .. [PubMed] [Google Scholar] 16. Киёта Ю., Шнейвайс С., Глинн Р.Дж., Каннуссио С.К., Аворн Дж., Соломон Д.Х. Точность диагноза острого инфаркта миокарда на основе заявлений Medicare: оценка положительной прогностической ценности на основе анализа истории болезни. Am Heart J. 2004; 148: 99–104 .. [PubMed] [Google Scholar] 17. Гинде А.А., Блан П.Г., Либерман Р.М., Камарго Калифорния., Младший Валидация алгоритма кодирования ICD-9-CM для улучшения идентификации посещений при гипогликемии. BMC Endocr Disord. 2008; 8: 4. [Бесплатная статья PMC] [PubMed] [Google Scholar] 18. Heagerty PJ, Zeger SL. Маргинальные многоуровневые модели и вероятностный вывод (с комментариями и ответом авторов). Stat Sci. 2000; 15: 1–26 .. [Google Scholar]Определение тренда и торговая тактика
Что такое тренд?
Тренд — это общее направление рынка или цены актива.В техническом анализе тенденции идентифицируются линиями тренда или ценовым действием, которые подчеркивают, когда цена делает более высокие максимумы колебания и более высокие минимумы колебания для восходящего тренда или более низкие минимумы колебания и более низкие максимумы колебания для нисходящего тренда.
Многие трейдеры предпочитают торговать в том же направлении, что и тренд, в то время как противники стремятся определить развороты или торговать против тренда. Восходящие и нисходящие тенденции возникают на всех рынках, таких как акции, облигации и фьючерсы. Тенденции также возникают в данных, например, когда ежемесячные экономические данные растут или падают от месяца к месяцу.
Ключевые выводы
- Тренд — это общее направление цены рынка, актива или показателя.
- Восходящие тенденции отмечены точками роста данных, такими как более высокие максимумы и более высокие минимумы колебаний.
- Нисходящие тренды отмечены падающими точками данных, такими как более низкие минимумы колебаний и более низкие максимумы колебаний.
- Многие трейдеры предпочитают торговать в том же направлении, что и тренд, пытаясь получить прибыль от продолжения этого тренда.
- Ценовое действие, линии тренда и технические индикаторы — все это инструменты, которые могут помочь определить тренд и предупредить, когда он разворачивается.
Как работают тенденции
Трейдеры могут определять тренд, используя различные формы технического анализа, включая линии тренда, ценовое действие и технические индикаторы. Например, линии тренда могут показывать направление тренда, в то время как индекс относительной силы (RSI) предназначен для отображения силы тренда в любой данный момент времени.
Восходящий тренд отмечен общим повышением цены. Ничто не движется прямо вверх долго, поэтому всегда будут колебания, но общее направление должно быть выше, чтобы это можно было рассматривать как восходящий тренд.Недавние минимумы колебаний должны быть выше предыдущих минимумов колебаний, и то же самое касается максимумов колебаний. Как только эта структура начинает разрушаться, восходящий тренд может терять обороты или разворачиваться в нисходящий тренд. Нисходящие тенденции состоят из более низких минимумов колебаний и более низких максимумов колебаний.
Пока тренд идет вверх, трейдеры могут предполагать, что он продолжится, пока не появятся свидетельства обратного. Такие свидетельства могут включать более низкие минимумы или максимумы колебания, прорыв цены ниже линии тренда или переход технических индикаторов к медвежьему.Пока тренд идет вверх, трейдеры сосредотачиваются на покупках, пытаясь получить прибыль от продолжающегося роста цен.
Когда тренд разворачивается вниз, трейдеры больше сосредотачиваются на продажах или коротких продажах, пытаясь минимизировать убытки или прибыль от снижения цены. Большинство (не все) нисходящие тенденции в какой-то момент разворачиваются, поэтому по мере того, как цена продолжает снижаться, все больше трейдеров начинают рассматривать цену как сделку и переходят к покупкам. Это может снова привести к появлению восходящего тренда.
Инвесторы, специализирующиеся на фундаментальном анализе, также могут использовать тренды.Эта форма анализа рассматривает изменения в доходах, доходах или других деловых или экономических показателях. Например, фундаментальные аналитики могут следить за тенденциями роста прибыли на акцию и выручки. Если прибыль росла за последние четыре квартала, это свидетельствует о положительной тенденции. Однако, если прибыль снизилась за последние четыре квартала, это означает отрицательную тенденцию.
Отсутствие тренда, то есть период времени, когда наблюдается небольшой общий прогресс вверх или вниз, называется диапазоном или периодом отсутствия тренда.
Использование линий тренда
Распространенный способ определения трендов — использование линий тренда, которые соединяют серии максимумов (нисходящий тренд) или минимумов (восходящий тренд). Восходящие тенденции соединяют серию более высоких минимумов, создавая уровень поддержки для будущих ценовых движений. Нисходящие тренды соединяют серию более низких максимумов, создавая уровень сопротивления для будущих ценовых движений. Помимо уровней поддержки и сопротивления, эти линии тренда показывают общее направление тренда.
Хотя линии тренда хорошо показывают общее направление, их часто придется перерисовывать.Например, во время восходящего тренда цена может упасть ниже линии тренда, но это не обязательно означает, что тренд закончился. Цена может опуститься ниже линии тренда, а затем продолжить рост. В таком случае может потребоваться перерисовка линии тренда, чтобы отразить новое ценовое действие.
Не следует полагаться исключительно на линии тренда для определения тренда. Большинство профессионалов также склонны смотреть на ценовое действие и другие технические индикаторы, чтобы определить, заканчивается тренд или нет. В приведенном выше примере падение ниже линии тренда не обязательно является сигналом к продаже, но если цена также падает ниже минимума предыдущего колебания и / или технические индикаторы становятся медвежьими, тогда это может быть.
Пример тренда и линии тренда
На следующем графике показана восходящая линия тренда вместе с показателем RSI, который указывает на сильный тренд. Пока цена колеблется, общий прогресс идет вверх.
Восходящий тренд начинает терять импульс, и начинается давление продавцов. RSI падает ниже 70, после чего следует очень большая нисходящая свеча, которая переносит цену к линии тренда. Движение вниз было подтверждено на следующий день, когда цена опустилась ниже линии тренда.Эти сигналы можно было использовать для выхода из длинных позиций, поскольку были свидетельства разворота тренда. Также могли быть открыты короткие сделки.
Изображение Сабрины Цзян © Investopedia 2021
По мере того, как цена снижается, она начинает привлекать покупателей, заинтересованных в более низкой цене. Другая линия тренда (не показана) также может быть проведена вдоль падающей цены, чтобы указать, когда может произойти отскок. Эта линия тренда должна была быть пробита ближе к середине февраля, так как цена быстро сделала V-образное дно и двинулась вверх.
как определить актуальные тенденции
«Лучший способ предсказать будущее — это создать его». Авраам Линкольн
Единственная постоянная в нашем мире — это изменение. Мы сталкиваемся с изменениями, которые происходят все быстрее и быстрее во многих областях, например, за счет оцифровки. Изменения сопряжены с рисками и возможностями. Изменение может означать риск для компании, если рынок изменится и потребность в ее продуктах отпадет. Но изменения также открывают много возможностей и возможностей для новых инноваций.Прочтите здесь, как определить актуальные тенденции.
Если компания играет проактивную роль, она может помочь сформировать будущее, вывести на рынок продукты, отвечающие последним требованиям и не удивленные деструктивными изменениями.
Это задача исследования тенденций и управления инновациями. Сегодня следует признать потенциал будущего и разработать решения, которые потребуются завтра. Формируется будущее, а не будущее. Но для этого нужна хорошая, хорошо обоснованная информация о возможных тенденциях, будущем развитии и их последствиях.
Определение тренда
Тенденция — это предполагаемое развитие событий в будущем, которое будет иметь долгосрочное и устойчивое влияние на что-либо и что-то менять. Текущие события идут в другом направлении или еще больше усиливаются.
Тенденции питания являются примером. На подъеме в 1960-х годах жирная пища была частью качества жизни. Сегодня тенденции смещаются в сторону здорового питания и веганского питания.
Тенденции в отрасли обычно имеют далеко идущие последствия.Например, тенденции в области питания вызывают изменения в секторах розничной торговли, общественного питания, туризма, отдыха и сельского хозяйства.
Управление трендами
Поскольку тренды очень многомерны, им уделяется большое внимание. Многомерный означает, что многие тенденции, которые на первый взгляд не видны в собственной отрасли, тем не менее, часто актуальны из-за цепных эффектов и эффектов взаимодействия. Вторая причина заключается в том, что тенденция в собственной отрасли может иметь самые разные последствия.
Исходя из этих фактов, большое внимание следует уделять работе с тенденциями. В управление трендами входят:
- Определение тенденций — «Какие тенденции существуют или будут в будущем? И какие из них актуальны для нас?»
- Анализ эффектов и возможные прогнозы и сценарии — «В каких направлениях может развиваться тренд? Какое влияние может оказать тренд в целом?»
- Анализ последствий для нашей отрасли или компании и определение областей поиска и инноваций — «Что означает эта тенденция для нашей компании?»
Исследование тенденций и определение актуальных тенденций
Вы не можете отправиться в будущее, чтобы узнать, чем оно закончится.Вы не можете прочитать ни в одной книге, как будет выглядеть мир через 15 лет. О будущем можно только догадываться. Важен прочный фундамент опыта и фактов. Поэтому лучший источник прогнозов и характеристик тенденций — это собрать воедино как можно больше мнений экспертов.
Чтобы получить хорошую основу из будущей информации, с которой вы можете продолжать работать в области управления инновациями, требуется системный подход, процесс и методология.
Систематика для выявления тенденций
Систематика в исследованиях тенденций — невысокая наука.Это включает в себя множество и тщательный анализ:
- Мегатренды : Есть много публичных публикаций о мегатрендах. Мегатренды — это долгосрочные разработки на протяжении нескольких десятилетий, оказывающие формирующее влияние на все сферы общества и экономики во всем мире.
- Параметр : Изменения в деловой среде также имеют косвенное и непосредственное влияние на собственную организацию. Анализ среды включает клиентов, пользователей, клиентов, клиентов клиентов, поставщиков, администрацию, соседние компании и отрасли (например,грамм. до и после) и т. д.
Важные вопросы , которые необходимо задать и на которые следует ответить в исследовании тенденций, следующие:
- Какое влияние оказывают мегатенденции на нашу компанию, наш бизнес и нашу отрасль?
- Какое влияние оказывают мегатенденции на окружающую среду (например, клиентов, законодателей)?
- Какие основные изменения будут?
- Что это означает для нашей компании, бизнеса и отрасли?
- Каковы тенденции в нашей отрасли?
Методика выявления тенденций
Основой для определения тенденций являются правильные вопросы, как показано выше.Ответ на них — не что иное, как творческий процесс , требующий больших знаний, опыта, аналитического и творческого мышления.
Методы, предоставляющие информацию о тенденциях и их влиянии, делятся на первичные и вторичные исследования.
Первичное исследование — это изучение тенденций из первых рук с использованием следующих методов:
- Интервью с клиентами, пользователями, сотрудниками и поставщиками LEAD
- Экспертные интервью (наука и бизнес)
- Семинары с экспертами и заинтересованными сторонами, в том числе предлагающие творческие методы
- Исследования Delphi
Вторичный поиск использует доступную информацию.Существует большое количество отчетов о тенденциях для самых разных отраслей, которые можно использовать в качестве источника и основы для определения тенденций. В ходе первичного исследования также рекомендуется сначала определить имеющиеся тенденции с помощью вторичного исследования. Это также может стать основой для определения тенденций из первых рук.
Процесс обработки трендов
Ответы на упомянутые выше вопросы приведут к тенденциям, значительным изменениям в будущем, а также к областям инноваций.Для получения структурированных результатов необходимо применять систематический процесс:
- Сбор информации
- Вывод трендов
- Тематическая кластеризация трендов
- Оценка тенденций: актуальность для нашей компании, масштаб воздействия, время (краткосрочная и среднесрочная)
- Приоритет тенденций
- Подготовка трендов для дальнейшей обработки в процессе инноваций и стратегии
Результаты исследования тенденций являются важной информацией для текущих и будущих бизнес-решений.
Готовность к будущему благодаря исследованиям тенденций
Знания о тенденциях и возможных будущих разработках передаются в стратегическое управление инновациями, где определяются будущие поля поиска, которые, в свою очередь, можно найти в дорожной карте.
Но на этом строится не только инновационная стратегия; будущая информация также актуальна для разработки самой корпоративной стратегии.
И последнее, но не менее важное: информация о тенденциях важна для всех корпоративных решений, а не только для инноваций.Потому что все решения всегда связаны с будущим. Поэтому также важно очень широко распространить эту информацию в компании и инициировать ее обсуждение. Таким образом, сотрудники имеют дело с тенденциями, что инициирует творческий процесс, который предлагает идеи, подходящие для будущего.
Работа с тенденциями и будущим — одна из важнейших инновационных задач. Он обеспечивает основу для разработки инновационной стратегии и ориентации на будущее, на основе которой берутся поля поиска и дорожная карта.Если у вас нет здесь достоверной информации, компания может внезапно удивиться сбоям в работе. Еще одна катастрофа — неправильная базовая ориентация, например, сосредоточение внимания на неправильных потребностях клиентов, которых утром больше не будет. Это показывает, что исследование тенденций является важным фактором успеха в управлении инновациями.
5 трендов на 2020 год (и 21 на 2021 год!)
ВАШ ОТВЕТ?
Эта тенденция — всего лишь один из практических аспектов гораздо более глубокого и непрерывного сдвига, который вам хорошо известен.В те времена, когда использовались традиционные носители информации «один ко многим» с вертикальной ориентацией, у нас были традиционные бренды «один ко многим», работающие по принципу «сверху вниз». Сейчас мы живем в мире демократизированных, интерактивных и иммерсивных СМИ. А это означает рост демократизированных, интерактивных и иммерсивных брендов.
Большинство потребителей не хотят соединять с фаст-фудом, косметикой или медиа-брендом. Если ваша руководящая идея при применении этого тренда: «Эй, ребята, давайте дружить!» тогда вы собираетесь пересадить лицо. Но потребители будут реагировать на бренды, которые встречаются с ними в цифровых каналах , в которых они живут, и обслуживают их: решают болевые точки, предлагают полезную информацию и, да, даже доставляют удовольствие.
Таким образом, эффективное применение этой тенденции означает необходимость хорошо продумать два аспекта. Во-первых, цифровая жизнь потребителей, которых вы хотите достичь. Во-вторых, ваш бренд и его ценности.
Что касается цифровой жизни ваших потребителей, спросите себя: кого мы хотим привлечь с помощью нового AVATAR? Важно отметить, что внутри каких цифровых каналов живут, работают, играют эти потребители? Будет ли наш АВАТАР решать серьезную проблему в традиционном канале? BBC создала нового помощника на основе искусственного интеллекта, который понимает региональные акценты со всей Великобритании.Будет ли это игра вместе с потребителями таким образом, чтобы улучшить их восприятие канала: посмотрите Венди и их АВАТАР в Fortnite .
Ясность вашего бренда не менее важна. Создавая AVATAR, вы привносите свой бренд — его ценности, характеристики и сущность — в новую жизнь. Тогда воспользуйтесь этой тенденцией как возможностью прояснить свой бренд, как никогда раньше. Соберите команду и спросите: каковы основные свойства нашего бренда? Какой виртуальный персонаж олицетворяет наши ценности? Является ли AVATAR, который, как мы видим, непреднамеренно формируется, посылает сообщения, маргинализирующие или исключающие определенные группы?
.