Genetic Matching und Hidden Bias Assessment – eine Methode zur

Genetic Matching und Hidden Bias Assessment – eine
Methode zur Reduzierung des Selektionsbias in nichtrandomisierten Beobachtungsstudien
Rebecca Palm, Deutsches Zentrum für neurodegenerative Erkrankungen, Witten
Diana Trutschel, Deutsches Zentrum für neurodegenerative Erkrankungen, Witten
Bernhard Holle, Deutsches Zentrum für neurodegenerative Erkrankungen, Witten
Michael Simon, Universität Basel, Fakultät für Medizin, Institut für Pflegewissenschaft
& Bereich Universitäre Forschung Pflege/Hebammen, Inselspital Bern
Kontakt: [email protected]
Hintergrund und Zielsetzung
Randomisiert-kontrollierte Studien (RCT) gelten als Gold-Standard für den
Effektnachweis von Interventionen. Die zufällige Zuteilung von Studienteilnehmern in
eine Interventions- und eine Kontrollgruppe garantiert in diesen Studien die zufällige
Verteilung ihrer Merkmale und minimiert den Selektionsbias. Für viele Interventionen
ist jedoch der Effektnachweis in RCTs aus ethischen oder pragmatischen Gründen
nicht möglich; für diese Interventionen müssen alternative Forschungsdesigns und
angemessene Analysemethoden angewendet werden.
Ein Beispiel stellt die Evaluation von spezialisierten Demenzwohnbereichen dar.
Spezialisierte Demenzwohnbereiche sind konzeptualisiert für Menschen mit
schweren kognitiven Beeinträchtigungen, deren Mobilität weitestgehend erhalten ist
und die schweres herausforderndes Verhalten zeigen (wie z.B. aggressives
Verhalten, Wahnvorstellungen). Sie ergänzen in vielen Einrichtungen das
Versorgungsangebot der traditionellen Wohnbereiche, auf denen Menschen mit und
ohne kognitive Einschränkungen gemeinsam leben (Weyerer, Schäufele, &
Hendlmeier, 2010). Eine zufällige Zuteilung von Studienteilnehmern auf
Demenzwohnbereiche und traditionelle Wohnbereiche im Rahmen einer
experimentellen Studie ist per se ausgeschlossen. Eine Evaluation der
Demenzwohnbereiche kann nur in Beobachtungsstudien erfolgen.
Ziel des Beitrags ist die Vorstellung der Anwendung der Genetic Matching Methode
(Rosenbaum & Rubin, 1983) zur Bildung vergleichbarer Gruppen von Bewohnern
von Demenzwohnbereichen und traditionellen Wohnbereichen. Mit Hilfe dieser
Methode soll der Selektionsbias, der durch die nicht-zufällige Zuteilung der
Studienteilnehmer entsteht, minimiert werden.
Methoden
Im Rahmen der Studie DemenzMonitor (Palm, Köhler, Schwab, Bartholomeyczik, &
Holle, 2013) wurden im Jahr 2013 Daten von 51 Einrichtungen der stationären
Altenhilfe, 109 Wohnbereichen und 1808 Bewohnern erhoben. Ziel der Studie ist die
Evaluation der Anwendung demenzspezifischer Interventionen im Hinblick auf
strukturelle Unterschiede zwischen den Wohnbereichen. Zu diesem Zweck wurden
anhand definierter Kriterien Bewohner spezialisierter Demenzwohnbereiche (n=258)
und traditioneller Wohnbereiche (n=630) aus der Gesamtstichprobe selektiert, um sie
hinsichtlich der Anwendung demenzspezifischer Intervention zu vergleichen (Palm,
Trutschel, Simon, Bartholomeyczik, & Holle, 2015).
Vor dem Matching wurden die Charakteristika der Bewohner in beiden Gruppen
anhand deskriptiver Analysen auf Unterschiede untersucht. Für das MatchingVerfahren wurden anschließend die Variablen ausgewählt, die als Aufnahmekriterien
für einen Demenzwohnbereich gelten (Kovariaten): Pflegestufe, Mobilität, kognitive
Einschränkung, Stärke des herausforderndes Verhaltens sowie das Vorliegen einer
Demenzdiagnose. Des Weiteren wurden das Alter, das Geschlecht sowie der letzte
Wohnort der Teilnehmer als Matching-Kriterien angewendet. Um eine optimale
Balance dieser Kovariaten zu erreichen, d.h. dass die beobachteten Variablen in
beiden Gruppen gleich verteilt sind, wurde das Genetic Matching angewendet
(Diamond & Sekhon, 2012). Die Güte des Matchings wurde beurteilt, in dem die
Kovariaten nach dem Matching auf signifikante Unterschiede untersucht wurden.
Die Robustheit des Matchings wurde anhand einer Sensitivitätsanalyse auf
Grundlage der „Rosenbaum Bounds“ geschätzt (Rosenbaum, 2002). Dieses
sogenannte Hidden Bias Assessment zeigt, bis zu welchem Ausmaß die Zuteilung zu
der Interventions-, bzw. Kontrollgruppe durch nicht-beobachtete Variablen beeinflusst
werden müsste, um das Ergebnis der Untersuchung umstoßen zu können(Simon,
2015).
Ergebnisse
In der Gesamtstichprobe wurden statistisch signifikante Unterschiede zwischen
Bewohnern von spezialisierten und traditionellen Wohnbereichen in Bezug auf das
Alter, die Mobilität, das Vorliegen einer Demenzdiagnose, die Stärke von kognitiven
Einschränkungen sowie des Verhaltens gefunden. Die Matching-Prozedur generierte
eine Stichprobe von 246 Bewohnern in beiden Gruppen. Zwischen den beiden
Gruppen bestand nach dem Matching lediglich ein signifikanter Unterschied im
Hinblick auf die Schwere der kognitiven Einschränkung. Alle anderen Charakteristika
unterschieden sich zwischen den beiden Gruppen nach dem Matching nicht mehr
signifikant.
Das Hidden Bias Assessment zeigte jedoch, dass das Ergebnis der Untersuchung
eher anfällig für eine Verzerrung durch unbeobachtete Variablen, die zugleich
Einfluss auf die Zuteilung in die Gruppen als auch auf die Outcome-Variable
nehmen, ist.
Diskussion und Ausblick
Die Methode des Genetic Matchings bietet die Möglichkeit, den Selektionsbias in
Beobachtungsstudien zu verringern, indem Gruppen mit vergleichbaren
Charakteristika generiert werden. Die Verzerrung eines Effekts durch nichtbeobachtete Variablen kann auch dadurch nicht ausgeschlossen werden. Das
Hidden Bias Assessment jedoch erlaubt, einzuschätzen, wie robust das Ergebnis
gegenüber unbeobachteten Variablen ist. Im Gegensatz zur ubiquitären
Regressionsanalyse bietet das Genetic Matching mit Hidden Bias Assessment ein
höheres Maß an Transparenz.
Literaturangaben
Diamond, A., & Sekhon, J. S. (2012). Genetic Matching for Estimating Causal
Effects: A General Multivariate Matching Method for Achieving Balance in
Observational Studies. Rev Econ Stat, March 14.
Palm, R., Köhler, K., Schwab, C. G., Bartholomeyczik, S., & Holle, B. (2013).
Longitudinal evaluation of dementia care in German nursing homes: the
"DemenzMonitor" study protocol. BMC Geriatr, 13, 123.
Palm, R., Trutschel, D., Simon, M., Bartholomeyczik, S., & Holle, B. (2015).
Differences regarding the provision of case conferences in dementia- specialized
versus non-specialized care units: results from a cross-sectional study. JAMDA
(accepted for publication).
Rosenbaum, P. R. (2002). Observational studies (Vol. 2.Aufl.). New York: Springer.
Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in
observational studies for causal effects. Biometrika, 70(1), 41-55.
Simon, M. (2015). Propensity Score Matching. In A. Glasper & C. Rees (Eds.),
Healthcare Research at a glance: to be published in Wiley
Weyerer, S., Schäufele, M., & Hendlmeier, I. (2010). Evaluation of special and
traditional dementia care in nursing homes: results from a cross-sectional study in
Germany. Int J Geriatr Psychiatry, 25(11), 1159-1167.