详细内容或原文请订阅后点击阅览
方法：伪造测试
从“预先指定的伪造终点：他们可以验证真实的观察性关联吗？”作者：Vinay Prasad和Anupam Jena：[a]大数据集中的nalyses不一定仅仅是因为它们更大。对照组可能无法消除潜在的混杂因素，或者可能会测试许多因剂量或持续时间的替代阈值而[…]的方法：伪造测试首先出现在偶然的经济学家中。
来源:偶发经济学家[a]大数据集中的nalyses不一定仅仅是因为它们更大。对照组可能无法消除潜在的混杂因素，或者可以测试许多对药物暴露的定义（剂量或药物持续时间的替代阈值），一种多种假设测试的形式。就像这些分析可以识别出很小的真实信号一样，很小的，错误的关联也是如此。例如，几项观察性研究发现使用PPI与肺炎的发育之间存在关联，并且在生物学上可能会导致胃pH值升高可能导致细菌定植。 […]鉴于此类研究的越来越流行及其在塑造临床决策中的重要性，重要的是要知道所鉴定的关联是真实的，而不是虚假的相关性。当观察数据被用于发现罕见的危害时，预先指定的伪造假设可能会提供直观且有用的保障。伪造假设是一种主张，与所测试的人不同，研究人员认为，研究人员认为高度不可能与所涉及的干预措施有因果关系。例如，伪造的假设可能是PPI使用会增加软组织感染或心肌梗塞的速率。确认的伪造测试 - 在这种情况下，PPI使用与这些疾病风险之间的正相关性 - 是否表明PPI使用与最初怀疑是因果关系的肺炎之间的关联可能与未观察到的患者或医师特征混淆。理想情况下，可以测试一些预先指定的假假设，如果发现不存在，则可以支持主要的研究关联协会。就PPI而言，伪造分析表明，许多不可能的疾病，包括胸痛，尿路感染，骨关节炎，类风湿关节炎和深层静脉血栓形成 - 也与PPI使用有关