观测性研究中二值结局下多种处理因果效应的估计
统计方法学
2020-01-22 v1 应用统计
摘要
当结局为二值时，估计多种处理的因果效应的稳健方法十分匮乏。本文通过两组独特的模拟，提出并评估了贝叶斯加性回归树 (BART) 在此类设定中的使用。首先，我们将 BART 与若干针对连续结局提出的方法进行比较，包括逆概率处理加权 (IPTW)、靶向最大似然估计 (TMLE)、向量匹配与回归调整。结果表明，在处理分配与结局生成机制均存在非线性和非可加性的条件下，使用广义提升模型 (GBM) 的 BART、TMLE 与 IPTW 提供了更好的偏差缩减与更小的均方根误差。BART 与 TMLE 提供了更一致的 95% 置信区间覆盖率和更好的大样本收敛性质。其次，我们为 BART 提供了一种策略以识别共同支撑区域，用于保留推断单元并避免在与不存在共同支撑的协变量空间区域上进行外推。相较于基于广义倾向得分的策略，BART 保留了更多的推断单元，并且在协变量重叠程度不同的多种情景下，相较于 TMLE 或 GBM 表现出更低的偏差。一项考察三种非小细胞肺癌手术方式效果的案例研究展示了这些方法。
引用
@article{arxiv.2001.06483,
title = {Estimation of Causal Effects of Multiple Treatments in Observational Studies with a Binary Outcome},
author = {Liangyuan Hu and Chenyang Gu and Michael Lopez and Jiayi Ji and Juan Wisnivesky},
journal= {arXiv preprint arXiv:2001.06483},
year = {2020}
}
备注
3 figures, 3 tables. arXiv admin note: text overlap with arXiv:1901.04312