Metodika vyvažování struktury srovnávaných skupin pacientů nad daty NZIS

Bc. Tereza Nováková

Master's thesis

Pseudorandomisation methodology applicable on data of National Health Registries of the Czech Republic

Abstract:

Tato diplomová práce se věnuje aplikaci a zhodnocení účinku metod, které umožňují vyrovnat rozložení vybraných prediktorů ve dvou či více skupinách subjektů tak, aby následné srovnání těchto skupin bylo co nejobjektivnější. Zároveň je v práci kladen důraz na výběr takových metod, jejichž vstupem mohou být velká data, například Národní registr hospitalizovaných (NRHOSP). Na datech NRHOSP byla testována řada metod, avšak aplikace většiny z nich se ukázala z důvodu objemnosti vstupního souboru jako nevhodná. V praktické části byla proto využita metoda hrubé shody (CEM), díky jejíž výpočetní efektivitě se podařilo v rozmezí strojového času 5–122 minut vyvážit strukturu datového souboru, který čítal bezmála 26,5 milionu řádků, a to dle 7 různých modelů lišících se v počtu a charakteru obsažených prediktorů. Dále byly mezi sebou srovnány dvě funkce softwaru R umožňující aplikaci této metody a jejich výkonnost v závislosti na prediktorech a velikosti souboru. Efekt párování byl pozorován také při hodnocení vybraných klinických parametrů mezi osobami trpícími diabetem a osobami bez diabetu. Po párování byl zjištěn rozdíl v celkové délce hospitalizací 0,49–1,02 dne, také byla stanovena relativní rizika vybraných komorbidit, přičemž mezi nejrizikovější patřilo onemocnění ledvin (RR = 1,48–1,68) nebo onemocnění periferních cév (RR = 1,28–1,48). Podíl přeživších byl po 5 letech 62 % pro osoby s diabetem a 66 % pro osoby bez diabetu. Práce prezentuje použití metody hrubé shody jako jednu z vhodných možností, jak dosáhnout srovnatelných a zároveň reprezentativních výběrů při velkém objemu vstupních dat s cílem následného provedení objektivních analýz s minimalizací vlivu zavádějících faktorů.

Abstract:

The diploma thesis discusses the application and evaluation of the effect of methods that permit to balance the distribution of selected predictors in two or more groups of subjects so that the subsequent comparison of these groups is as objective as possible. At the same time, the thesis emphasizes the selection of methods whose input may be large data, such as the National Registry of Hospitalized Patients (NRHOSP). Several methods have been tested on NRHOSP data, but the application of most of them has proved to be inappropriate due to the size of the input file. Hence, the Coarsened exact matching (CEM) was used. Thanks to its computational efficiency, it was possible to balance the structure of a data file with nearly 26.5 million lines, according to 7 different models differing in the number and nature of the included predictors ranging from 5 to 122 minutes. Furthermore, two functions of the R software allowing CEM were compared, according to predictors and file size. The effect of CEM was also observed while evaluating selected clinical parameters and comparing subjects with diabetes and without diabetes. After pairing, the difference in the total length of hospitalization was 0.49–1.02 days and the relative risks of selected comorbidities were determined, with the highest risk with kidney disease (RR = 1.48–1.68) or peripheral disease (RR = 1.28–1.48). The 5-year survival for people with diabetes was 62% and 66% for people without diabetes. The paper presents the use of CEM as a suitable option to obtain comparable and representative groups despite large volumes of input data. When this goal is achieved, it permits objective analyses with minimal influence of confounding factors to be performed.

Keywords

Diabetes mellitus, Metoda hrubé shody, Metody párování, NRHOSP, Velká data, Vyvažování, Coarsened Exact Matching, Matching Methods, National Register of Hospitalised Patients, Big Data, Pseudorandomization

Language used: Czech

Date on which the thesis was submitted / produced: 9. 12. 2019

Thesis defence

• Date of defence: 10. 2. 2020
• Supervisor: RNDr. Jiří Jarkovský, Ph.D.
• Reader: RNDr. Simona Littnerová, Ph.D.

Masaryk University

Faculty of Science

Master programme / field:
Experimental Biology / Mathematical Biology