解决多中心药品安全性研究中变量丰度不同的策略及应用概述

当药品上市后安全性研究所关注的不良结局事件较为罕见时,开展多中心研究是解决此问题的必要措施.但多中心研究常受困于不同中心变量丰富程度不同的问题,尤其是分中心关键变量的完全缺失,导致研究无法在调整混杂时充分利用各中心的全部信息.近年提出的倾向性评分校正和迁移学习是处理分中心某些变量完全缺失的可用策略,其中倾向性评分校正已应用于药物流行病学领域,但尚未见迁移学习在该领域的报道.本文将概述两种方法的特点及应用,并重点梳理可用于解决此类问题的几类迁移学习方法,为迁移学习在多中心药品安全性评价的深入研究提供参考.