利用 NHANES 推导的倾向性权重校正偏倚抽样
统计方法学
2022-10-13 v1 应用统计
摘要
加州大学欧文分校的同意联系（C2C）登记处从社区参与者处收集数据，以辅助临床研究研究的招募。自我选择进入 C2C 很可能导致偏倚，部分原因是登记者的受教育年限相对于美国一般人群更多。Salazar 等人（2020）最近使用 C2C 考察了种族/民族与参与者愿意被联系参与研究之间的关联。为解决关于估计关联可推广性的疑问，我们利用来自美国国家健康与营养检查调查（NHANES）的数据估计自我选择进入该便利样本（convenience sample）的倾向性权重。我们创建了 C2C 与 NHANES 受试者的合并数据集，并比较了不同方法（逻辑回归、协变量平衡倾向性得分、熵平衡和随机森林）用于估计相对于 NHANES 属于 C2C 成员的概率。我们提出了估计参数估计方差的方法，这些方法考虑了由估计倾向性权重所引起的不确定性。模拟研究探讨了倾向性权重估计对不确定性的影响。我们通过使用推导出的 C2C 受试者倾向性权重重复 Salazar 等人的分析来演示该方法，并对比两次分析的结果。该方法可使用我们在 GitHub 上提供的 R 语言 estweight 包实现。
引用
@article{arxiv.2104.10298,
title = {Adjustment for Biased Sampling Using NHANES Derived Propensity Weights},
author = {Olivia M. Bernstein and Brian G. Vegetabile and Christian R. Salazar and Joshua D. Grill and Daniel L. Gillen},
journal= {arXiv preprint arXiv:2104.10298},
year = {2022}
}
备注
20 pages, 4 figures, 1 table. Health Serv Outcomes Res Method (2022)