面向观察性研究的分层感知评分方法用于探讨效应修饰
统计方法学
2026-05-19 v2
摘要
效应修饰意味着治疗效应的大小会随观察协变量的变化而变化。一般而言，具有更大治疗效应且误差项更稳定的子群，更不易受偏误的影响。因此，我们可能能够通过利用经历更大治疗效应的子群，得出该研究对未测偏误更不敏感的结论。Lee 等人 (2018) 提出了 submax 方法，通过利用子群中检验统计量的联合分布，若存在效应修饰，可得出更稳固的结论。然而，submax 方法的一个版本使用 M-统计量作为检验统计量，并由 R 软件包 submax (Rosenbaum, 2017) 实现。在该方法中，M-统计量的缩放因子是使用跨子群的所有观察值计算得到的。我们指出，这种合并方式可能会将效应修饰与异常值混淆。我们提出一种新颖的组 M-统计量，对每个子群中的匹配对进行评分，以解决此问题。我们在大量情形下检验所提出的评分策略，以显示其优势。该方法应用于西非某不孕 prevention 治疗效应的观察性研究。
引用
@article{arxiv.2411.18510,
title = {A subgroup-aware scoring approach to the study of effect modification in observational studies},
author = {Yijun Fan and Dylan S. Small},
journal= {arXiv preprint arXiv:2411.18510},
year = {2026}
}