Udfald

Udtræk udfaldsdatoer og censurering - filtreret til din kohorte

Published

July 2, 2026

Warning

Under udvikling. Strukturel skitse - udbygges. Mønstret er det samme som i Udtræk fra LPR, nu filtreret til din kohorte.

Dit udfald er typisk datoen for den første hændelse efter index - fx en diagnose (LPR). Men for at kunne beregne opfølgningstid skal du også bruge de datoer hvor en person holder op med at være i risiko for udfaldet: død (DODSAARS) og emigration (VNDS). Du udtrækker hver dato som sin egen tabel med pnr + dato, filtreret til kohorten.

Hvorfor andre datoer end selve udfaldet?

I et time-to-event-studie (tid-til-hændelse) følger du hver person fra index-dato indtil udfaldet indtræffer, eller indtil personen ikke længere kan få udfaldet observeret. En person der dør eller emigrerer forsvinder fra de danske registre, og du kan ikke længere vide, om de senere fik udfaldet. Derfor censurerer du dem på døds- eller emigrationsdatoen. Du udtrækker disse datoer her, så du i Fase 12 kan beregne korrekt opfølgningstid: den tidligste af udfald, død, emigration og studieslut.

Hvis en konkurrerende hændelse (fx død) udelukker dit udfald frem for blot at afslutte opfølgningen, er det en konkurrerende risiko (competing risk), som håndteres i analysen, se Konkurrerende risici.

Mønstret

# unique() fjerner gentagelser, så du får én pnr per person - en ren liste over kohortens personer
kohort_pnrs <- unique(readRDS("sti/til/full_cohort.rds")$pnr)   # din kohorte fra Fase 10

# Eksempel: første demensdiagnose efter index (udfald)
udfald <- open_dataset("sti/til/lpr_diag/") %>%
  rename_with(tolower) %>%
  semi_join(tibble(pnr = kohort_pnrs), by = "pnr") %>%   # KUN din kohorte
  # ... hent kontaktdatoen fra lpr_adm og filtrér på diagnosekoder - se Fase 9 ...
  collect() %>%
  group_by(pnr) %>% arrange(event_date) %>% slice(1) %>% ungroup()   # behold kun første hændelse per person

saveRDS(udfald, "sti/til/extract_udfald.rds")

group_by(pnr) + arrange() + slice(1) beholder kun den første hændelse per person: til en udfaldsdefinition skal du sjældent bruge mere end den første. Mønstret er forklaret i Langt ↔︎ bredt format.

Note

To slags joins - forveksl dem ikke. Nogle joins samler ét udtræk - fx LPR’s kontakt- og diagnoseregister, der kobles for at få pnr + dato + diagnose i samme tabel (se Udtræk fra LPR). Det er ikke det samme som at koble det færdige udtræk på din kohorte; det sker først i Kobl udtræk sammen, når alle dine udtræk er færdige.

  • Censurering: udtræk også dødsdato fra DODSAARS (d_dodsdto) og emigration fra VNDS (indud_kode == "U") - hver som sin egen tabel, se Register-overblik.
  • Gem hvert udtræk som sin egen .rds-fil. En .rds-fil kan sagtens rumme flere kolonner (det gør den fx for covariater) - for udfald er det typisk pnr + én datokolonne. I Fase 12 kobler du dem alle på kohorten og beregner opfølgningstid ud fra udfalds-, døds- og emigrationsdatoerne.
Warning

Dine koder er ikke sandheden - vær opmærksom på fejlklassifikation. En registerdiagnose er en proxy for den virkelige tilstand, med sin egen validitet (sensitivitet og positiv prædiktiv værdi, PPV). Hvor forkert den er, former dit resultat:

  • Ikke-differentiel fejlklassifikation: fejl uafhængige af eksponeringen (samme kodevaliditet i begge grupper) trækker som regel effekten mod nul - en reel effekt ser svagere ud end den er.
  • Differentiel fejlklassifikation: udfaldet fanges mere komplet i den ene gruppe (fx er eksponerede oftere i kontakt med systemet og diagnosticeres derfor mere). Det kan trække estimatet i begge retninger og er den farligere slags.

Praktiske værn: brug validerede kodedefinitioner hvor de findes, slå PPV op for dine koder, og kør en følsomhedsanalyse med en strengere eller løsere definition. For danske registre se validitetsoversigterne, fx Schmidt et al. 2015, Clin Epidemiol (Landspatientregistret). Baggrund: Hernán & Robins, What If, kap. 9 (measurement bias).

TipHvor kommer din kodeliste fra?

At bruge en kodeliste (regex, %in%) er den lette del; at definere hvilke koder der udgør din tilstand, er den svære. Genopfind den ikke: brug en publiceret, gerne valideret liste, og dokumentér og del din egen, så andre kan reproducere den.

Se også

Back to top