利用合成实验与阴性对照实验评估工具变量在倾向性评分模型中的影响
统计方法学
2024-03-22 v1 应用统计
摘要
在药物流行病学研究中，工具变量（IVs）是指能强烈预测治疗分配，但除通过治疗外对研究结局无因果效应的变量。将 IVs 纳入倾向性评分（PS）模型会放大估计偏倚并降低精度，这一直是令人担忧的问题。一些 PS 建模方法试图应对 IVs 的潜在影响，包括仅选择与结局强相关的协变量纳入 PS 模型，从而筛除 IVs。我们利用模拟实验和阴性对照实验进行研究，以评估 IVs 对 PS 模型性能的影响，并揭示适用于真实世界研究的最佳 PS 实践。我们发现，在基于真实世界数据的模拟和阴性对照实验中，模拟 IVs 对偏倚和精度的影响均较弱。在模拟实验中，利用结局数据的 PS 方法（包括高维倾向性评分）产生的估计偏倚最小。然而，在真实世界场景中，潜在的因果结构未知，阴性对照实验可以展示 PS 模型最小化系统偏倚的能力。我们发现，在这种情况下，基于大规模正则化回归的 PS 模型提供了最居中的阴性对照分布，表明其在真实世界场景中具有更优的性能。
引用
@article{arxiv.2403.14563,
title = {Evaluating the impact of instrumental variables in propensity score models using synthetic and negative control experiments},
author = {Yuxi Tian and Nicole Pratt and Laura L Hester and George Hripcsak and Martijn J Schuemie and Marc A Suchard},
journal= {arXiv preprint arXiv:2403.14563},
year = {2024}
}