部分聚类随机试验中的因果推断
统计方法学
2024-11-12 v2
摘要
聚类和依赖在试验中很常见。例如，在一些整群随机试验（CRTs）中，预先存在的群组被招募、随机化，并作为干预实施的基础。这种CRT是“完全聚类”的：参与者在群组内相互依赖。相比之下，“部分聚类”试验包含一部分在群组内相互依赖的参与者和一部分完全独立的参与者。这种设计的一个例子是，参与者仅为了随机化目的而被人为分组；然后，对于干预参与者，这些组是干预实施的基础，而对照组参与者则不分组。另一个例子是个体随机分组治疗试验（IRGTT），其中参与者被个体随机化，随机化后，干预参与者被分组进行干预实施，而对照组参与者保持不分组。对于这三种试验设计，我们使用因果模型非参数地描述数据生成过程，并形式化观测数据的依赖结构。我们表明，尽管随机化方法不同，两种设计都可以用相同的依赖结构表示，从而可以使用相同的统计方法进行因果效应的估计和推断。我们为这些试验提出了一种新的目标最小损失估计（TMLE）实现。TMLE具有模型鲁棒性，利用协变量调整和机器学习，并估计许多因果效应。在模拟中，对于部分聚类设计，TMLE实现了比替代方法更高的统计功效。最后，应用于SEARCH-IPT试验的真实数据，效率提高了20-57%，证明了我们提出的方法的效果。
引用
@article{arxiv.2406.04505,
title = {Causal Inference in Randomized Trials with Partial Clustering},
author = {Joshua Nugent and Elijah Kakande and Gabriel Chamie and Jane Kabami and Asiphas Owaraganise and Diane V. Havlir and Moses Kamya and Laura Balzer},
journal= {arXiv preprint arXiv:2406.04505},
year = {2024}
}