Tilbake til søkeresultatene

FRIMEDBIO-Fri prosj.st. med.,helse,biol

New analytic methods in epidemiology

Tildelt: kr 4,7 mill.

Prosjektnummer:

191460

Søknadstype:

Prosjektperiode:

2009 - 2015

Geografi:

Temaet for prosjektet er kausal inferens: Hvordan trekke slutninger om årsakssammenheng fra statistiske data? Vi arbeider med sammenlikning av effekten til ulike behandlingsstrategier som anvendes på pasienter med en spesifikk lidelse. Dette er et sentralt problem i kvalitetssikringen av behandlingen som tilbys av helsevesenet. Vanligvis fastsetter man effekten av behandlinger gjennom kontrollerte kliniske prøvninger. Det vil etter hvert være aktuelt å benytte seg av data fra helseregistrene i Norge for å vurdere dette. En grunn er at det å gjennomføre en kontrollert klinisk prøvning krever svært mye ressurser og tid. I enkelte tilfeller vil også en gjennomføring av et slikt forsøk føre til etiske problemer. Å tallfeste behandlingseffekter fra registerdata leder en raskt til vanskelige problemer fordi den vanlige oppsummerende statistikken her typisk gir feilaktige svar. Vi har i dette prosjektet, hovedsakelig arbeidet med matematiske metoder for å simulere kliniske prøvinger og statistiske metoder for å fastsette riktige behandlingseffekter basert på registerdata. Vi har gjennom prosjektets gang publisert flere artikler med nye statistiske metoder på dette feltet. For tiden utvikler vi programvare som skal gjøre det lettere å ta metodene i alminnelig bruk. Et nytt program lagt ut på statistikksystemet R, og en artikkel er innsendt til "R Journal". Vi tror mange kan ha nytte av dette programmet. Vi arbeider også med en større artikkel der vi sammenlikner flere sentrale metoder fra feltet kausal inferens.

We want to build a viable research group in causal modeling for clinical and epidemiological studies. One aim is to create interest and disseminate knowledge about the tools of this new area. The main research objective is to develop new methods for caus al modeling that explicitly include time. Dynamic path analysis: In particular we wish to extend the concept of a DAG (directed acyclic graph) to explicitly include time. The tool is dynamic path analysis which we want to develop into a general method fo r longitudinal data. This is a combination of our own work in this area and the work of a British group (Diggle, Farewell and Henderson). Using our ideas of additive modeling Diggle et al recently presented what they termed a new approach to analyzing lon gitudinal data with missing observations. This focused on the changes (or increments) of the observed processes. Dynamic path analysis allows for assessment of direct and indirect effects, and how processes influence each other causally. Practical methods of analysis will be developed. Dynamic treatment regimes: We have a fruitful cooperation with the Swiss HIV Cohort Study and have been developing new tools for analyzing dynamic treatment regimes. we wish to extend our methods to answer the following qu estions: (i) what determines whether the treatment shall be started (which is a question of local independence), (ii) how is the treatment effect mediated through the effect on other parameters, like CD4 count (using tools like dynamic path analysis, dire ct and indirect effects). The methods will be developed further to handle more general dynamic treatment regimes.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

FRIMEDBIO-Fri prosj.st. med.,helse,biol

Finansieringskilder