단면조사(crosssectional survey) 자료나 코호트 연구(cohort study) 자료에서 위험 차(risk difference, 이하 RD)를 구하는 Stata 기본 명령어는 cs, csi이다. 이 명령어를 수행하면 노출과 비노출군의 RD와 위험 비(risk ratio, 이하 RR), 그리고 각각의 95% 신뢰구간과 P-value를 계산할 수 있다.

. cs case exposed 
. cs case exposed, or
. csi a b N1 N2

RD의 95% 신뢰구간을 다양한 방법으로 계산하는 명령어는 rdci, rdcii이다. 이는 사용자 작성 명령어로 findit rdci 명령문을 내린 다음 찾아서 설치해야 한다.

. findit rdci
. rdci case exposed
. rdcii a b N1 N2

두 명령어 모두 노출 변수의 범주가 예/아니오로 되어 있는 경우만 가능하다. 만일 세 단계 이상의 노출 변수에 대한 RD를 산출하려면 csjl 명령어를 이용하면 된다. 이 또한 사용자 작성 명령어이므로 findit csjl 명령문으로 찾아서 설치해야 한다. csjl 명령어는 type(rr rd) 옵션을 주면 RR과 RD를 동시에 출력해주고, at 옵션을 주면 attributable risk도 제시해준다. 또한 by(변수) 옵션을 주면 층화분석을 수행하고 각 층에 대한 RD도 산출해준다. 각 rd 값의 통계적 검정과 P-value를 구하려면 chi나 exact 옵션을 추가한다.

. findit csjl
. csjl case exposed, rd
. csjl case exposed, type(rr rd)
. csjl case exposed, rd table chi exact
. csjl case exposed, rd by(sex)


다변수 모형을 통해 보정된(adjusted) RD와 95% 신뢰구간을 계산하려면, binreg 명령문에 rd 옵션을 사용한다.

. xi: binreg case i.exposed, rd nolog
. xi: binreg case i.exposed agegrp sex, rd nolog

Posted by cyberdoc
:
성향 점수(propensity score)를 만드는 데는 psmatch2 명령어가 가장 강력하지만, 만든 다음 짝지은 데이터셋을 분리해내려면 optmatch2 명령어가 편하다. 이 명령어는 isvar 명령어와 함께 동작하므로 미리 설치해두어야 한다.

치료군(treatm)을 성향 점수(propen)에 맞춰 1:1로 데이터셋을 추출하기 위한 명령어는 다음과 같다.

. optmatch2 treatm propen, minc(1) maxc(1) gen(mid)

----+--- 1 ---+--- 2  ---+--- 3 ---+--- 4 ---+--- 5
...........................

Matched 27 treated subjects and 27 untreated subjects
Sum of distances within matched sets = 0.0265667

. sort mid treatm

. list id treatm propen mid in 1/10

     +--------------------------------+
     |  id   treatm      propen   mid |
     |--------------------------------|
  1. | 251        0   .11095736     1 |
  2. |  55        1   .11095736     1 |
  3. |  89        0   .05489074     2 |
  4. |  86        1   .05489074     2 |
  5. | 136        0   .20299611     3 |
     |--------------------------------|
  6. |  36        1   .20299611     3 |
  7. |  58        0   .19385163     4 |
  8. | 297        1   .19615819     4 |
  9. |  52        0   .08239614     5 |
 10. | 186        1   .08174527     5 |
     +--------------------------------+

. drop if mid==.

. save propennew.dta 

치료군과 비치료군에서 성향 점수가 가장 비슷한 27명을 골랐고, 짝지은 쌍에 대해 새로운 아이디(mid)를 만들었다. 이제 치료군과 비치료군에서 원하는 결과 변수에 대해 통계적 검정을 수행하면 된다.

Posted by cyberdoc
:
문제 1.5 백내장이 있는 환자를 외과적으로 치료하고 장기간 결과를 결정하는 코호트 연구를 수행했다고 해보자. 수술을 받은 174명의 환자와 받지 않은 103명의 환자에서, 운전 중 자동차 사고에 관여된 적이 있는지를 결정하기 위해 주 자동차국의 기록을 이용하였다. 연구 대상자를 주기적으로 인터뷰하여, 2년 추적 관찰 기간 동안 개별 환자의 운전 거리를 추정할 수 있었다.
연구 결과는 다음과 같다.

 연구 집단  대상자 수   사고 수   총 운전 거리(마일)
 수술군  174  27   5,677,867 
 비수술군  103  23   2,569,639

두 집단이 운전 습관을 포함하여 자동차 사고 발생을 예측할만한 기본 특성 측면에서 정확히 비교 가능하여, 이 연구에서 오분류(misclassification)는 없다고 가정하자.

a. 백내장 수술이 운전 중 사고에 끼치는 영향을 추정해보시오.

b. 백내장 수술이 자동차 사고 위험에 끼치는 전체 영향, 다른 말로 하면 운전 행동에 수술이 끼치는 가능한 영향을 추정해보시오.

답안의 근거를 대시오.

Posted by cyberdoc
: