The efficacy of an intervention can be assessed by randomising patients to different diagnostic tests instead of to an intervention and control. The tests must have different predictive characteristics such as different sensitivities with respect to the outcome. The intervention is applied to a patient if a test result is on one side of a threshold (or if it is positive) and control applied if it is on the other side (or if the test result is negative). This can also be done with different dichotomising thresholds for one test. The frequencies of the outcome in those with each of the four observations are then used to calculate the risk reduction by solving a pair of simultaneous equations. This assumes that the risk reduction and the overall frequency of the outcome is the same in both groups. The calculations are illustrated by using data from the IRMA2 randomized controlled trial that assessed the efficacy of the angiotensin receptor blocker irbesartan in lowering the risk of diabetic nephropathy in patients conditional on different urinary albumin excretion rates. They are also illustrated with simulated data based on a suggested methodology for assessing the effectiveness of test, trace and isolate to reduce transmission of Covid-19 using RT-PCR and LFD tests.


翻译:干预的效果可以通过将病人随机抽取到不同的诊断测试,而不是干预和控制来评估。测试必须具有不同的预测性特征,例如结果的敏感度不同。如果测试结果位于临界值(或正值)的一边,如果检测结果位于临界值(或正值)和控制的另一方(或测试结果为负值),则干预的效果可以被随机评估。这也可以通过对一种检测的不同分解阈值来完成。然后,使用四种观察结果中的每一种观察结果的频率,通过解决一对同时方程式来计算降低风险的可能性。这假定降低风险和结果的总体频率在两个组中都是相同的。通过使用IRMA2随机控制的试验数据来说明计算结果,这些数据用来评估血管受体阻力阻塞器irbesartan在降低病人糖尿病性肾炎风险方面的效力,取决于不同的尿分流率,然后用模拟数据来计算风险的降低测试、追踪和隔离的检测效果,并使用CR-RFD和CR-R-R-R-RFD的检测减少传播。

0
下载
关闭预览

相关内容

专知会员服务
76+阅读 · 2021年3月16日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
已删除
德先生
53+阅读 · 2019年4月28日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年6月11日
Arxiv
0+阅读 · 2021年3月10日
VIP会员
相关VIP内容
专知会员服务
76+阅读 · 2021年3月16日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
相关资讯
已删除
德先生
53+阅读 · 2019年4月28日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员