
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于微模拟框架并运用黄金分割搜索法进行校准的超额死亡率风险比估算:方法论简介
《BMC Medical Research Methodology》:Estimating the hazard ratio of excess mortality using a microsimulation framework with golden section search calibration: a methodological primer
【字体: 大 中 小 】 时间:2026年06月18日 来源:BMC Medical Research Methodology 3.4
编辑推荐:
摘要背景某种疾病在特定人群中的超额死亡率,可定义为与匹配的一般人群相比所观察到的额外死亡人数,该数值以风险比(HR)的形式表示。虽然存在超额风险模型和治愈模型,但这些模型通常需要患者层面的数据。本文我们提出了一种利用聚合数据估算超额死亡率的方法。方法我们详细介绍了如何在使用黄金分
某种疾病在特定人群中的超额死亡率,可定义为与匹配的一般人群相比所观察到的额外死亡人数,该数值以风险比(HR)的形式表示。虽然存在超额风险模型和治愈模型,但这些模型通常需要患者层面的数据。本文我们提出了一种利用聚合数据估算超额死亡率的方法。
我们详细介绍了如何在使用黄金分割搜索算法的微观模拟框架中估算超额死亡率。这种迭代算法能在预定的搜索区间内找到局部最小值。通过将微观模拟得出的生存曲线与实际观察到的患者样本生存曲线进行校准,从而估算出总体超额死亡率以及残余超额死亡率(即扣除已建模事件影响后的剩余死亡率)。文中提供了R语言代码。我们将该方法应用于非老年成人主动脉瓣修复的研究中。
该方法能够高效地估算超额死亡率,可通过分段函数将其表示为总体风险比以及随时间变化的风险比。在案例研究中,未考虑建模事件时估算的超额风险比为2.70,而考虑了建模事件后则为2.43,且这一风险比会随时间上升(在0–60个月、61–120个月以及121–188个月时分别为1.23、2.32和5.50)。
该微观模拟框架提供了一种简单高效的方法,可用于估算随时间变化的超额死亡率风险比,同时还能仅利用聚合输入数据来估算排除建模事件影响后的残余超额死亡率。
某种疾病在特定人群中的超额死亡率,可定义为与匹配的一般人群相比所观察到的额外死亡人数,该数值以风险比(HR)的形式表示。虽然存在超额风险模型和治愈模型,但这些模型通常需要患者层面的数据。本文我们提出了一种利用聚合数据估算超额死亡率的方法。
我们详细介绍了如何在使用黄金分割搜索算法的微观模拟框架中估算超额死亡率。这种迭代算法能在预定的搜索区间内找到局部最小值。通过将微观模拟得出的生存曲线与实际观察到的患者样本生存曲线进行校准,从而估算出总体超额死亡率以及残余超额死亡率(即扣除已建模事件影响后的剩余死亡率)。文中提供了R语言代码。我们将该方法应用于非老年成人主动脉瓣修复的研究中。
该方法能够高效地估算超额死亡率,可通过分段函数将其表示为总体风险比以及随时间变化的风险比。在案例研究中,未考虑建模事件时估算的超额风险比为2.70,而考虑了建模事件后则为2.43,且这一风险比会随时间上升(在0–60个月、61–120个月以及121–188个月时分别为1.23、2.32和5.50)。
该微观模拟框架提供了一种简单高效的方法,可用于估算随时间变化的超额死亡率风险比,同时还能仅利用聚合输入数据来估算排除建模事件影响后的残余超额死亡率。