1. Önce hedef popülasyonu tanımlayın

Veri tabanındaki herkes çalışma popülasyonu değildir. Dahil ve dışlama kriterleri klinik sorudan türetilmeli, ölçülebilir ve veri kaynağında uygulanabilir olmalıdır.

2. Zaman sıfırını belirleyin

Takibin ne zaman başladığı açık değilse immortal time bias ve yanlış sınıflandırma ortaya çıkabilir. Maruziyetin, uygunluk değerlendirmesinin ve takibin başlangıcının aynı zaman mantığı içinde tanımlanması gerekir.

3. Karşılaştırma grubunu klinik olarak anlamlı seçin

Yalnızca “maruz kalan” ve “kalmayan” ayrımı her zaman uygun değildir. Aktif karşılaştırıcı tasarımı, endikasyon ve tedavi seçimine bağlı karıştırmayı azaltmada daha güçlü olabilir.

4. Confounding baştan planlanmalıdır

Karıştırıcı değişken seçimi yalnız p değerine bırakılmamalıdır. Klinik bilgi, nedensel yapı ve mümkünse DAG yaklaşımı ile hangi değişkenlerin düzeltilmesi gerektiği belirlenmelidir.

5. Sonlanımın ölçülebilirliğini kontrol edin

Elektronik kayıtlarda tanı kodu, reçete, işlem kodu veya laboratuvar sonucu gerçek klinik sonlanımı ne kadar iyi temsil ediyor? Ölçüm hatası ve eksik yakalama olasılığı analiz planında dikkate alınmalıdır.

6. Eksik veri ve kayıt yoğunluğu

Retrospektif veri genellikle dengesizdir. Eksikliğin mekanizması, farklı dönemlerde kayıt uygulamaları ve kurumlar arası değişkenlik araştırılmalıdır.

Pratik kontrol: Kohort diyagramını ve zaman çizgisini analiz kodundan önce çizebiliyorsanız tasarımınız büyük ölçüde netleşmiş demektir.

Analiz aşamasında

Regresyon, propensity score yöntemleri, IPTW, matching veya survival modelleri tasarımın yerine geçmez; tasarımda kalan yapısal sorunları yalnızca kısmen yönetebilir.