选择因果分解分析的最优方法：识别健康差异贡献因素的更佳实践
统计方法学
2021-09-16 v1 应用统计
摘要
因果分解分析提供了一种识别导致边缘化与非边缘化群体间健康差异的中介因素的方法。具体而言，人们关注在干预某一中介后，该差异将减少还是持续的程度。然而，对许多研究者而言，估计差异减少量与剩余量可能具有挑战性，这可能是因为缺乏对每种估计方法之间差异的理解。此外，对于某些设定（即带有类别型中介的基于回归的方法）尚不存在合适的估计方法。因此，我们回顾了现有三种估计方法（即回归、加权与插补）的优点与局限，并提供了两种在实际设定中有用的新扩展。一种灵活的新方法采用扩展插补法来处理类别型与连续型中介或结局，同时纳入任意非线性关系。一种新的回归方法提供了一个简单的估计量，在偏差与方差方面表现良好，但代价是需假设线性（暴露与中介的交互作用除外）。基于对不同方法的回顾与模拟研究，给出了选择方法的建议。我们利用美国中年发展研究（Midlife Development in the US study）的数据，通过识别降低心血管健康中种族与性别差异的中介，展示了选择最优方法的实践。
引用
@article{arxiv.2109.06940,
title = {Choosing an Optimal Method for Causal Decomposition Analysis: A Better Practice for Identifying Contributing Factors to Health Disparities},
author = {Soojin Park and Suyeon Kang and Chioun Lee},
journal= {arXiv preprint arXiv:2109.06940},
year = {2021}
}