利用缺失模式信息的倾向得分：实用指南
统计方法学
2019-01-15 v1
摘要
电子健康记录是探究健康相关问题的宝贵数据源，而倾向得分分析已成为此类研究中处理混杂偏倚日益流行的方法。然而，由于电子健康记录通常作为标准临床诊疗的一部分被常规记录，常存在缺失值，尤其对于潜在混杂因素。在我们的动机研究中——利用电子健康记录探究肾素-血管紧张素系统阻滞剂对急性肾损伤风险的影响——两个关键混杂因素，即种族与慢性肾脏病分期，分别有和的缺失数据。缺失模式法（MPA）作为缺失指示法的一种变体，被提出作为倾向得分分析中处理部分观测混杂因素的方法。在MPA中，倾向得分针对数据中出现的每种缺失模式分别估计。尽管文献中已阐明MPA有效性背后的假设，实践中却难以评估其合理性。本文中，我们通过因果图探讨MPA的基本假设，在一系列简单情景中评估其合理性，并就这些假设可能被违背的情形得出一般性结论。我们提出一个框架，为评估某一特定环境下MPA假设是否合理从而决定何时适用MPA提供实用指导。我们将该框架应用于动机研究，表明MPA的基本假设看似合理，并演示了MPA在该研究中的应用。
引用
@article{arxiv.1901.03981,
title = {Propensity scores using missingness pattern information: a practical guide},
author = {Helen A. Blake and Clemence Leyrat and Kathryn E. Mansfield and Shaun Seaman and Laurie A. Tomlinson and James Carpenter and Elizabeth J. Williamson},
journal= {arXiv preprint arXiv:1901.03981},
year = {2019}
}
备注
46 pages, 7 figures (2 in appendix), 3 tables (1 in appendix)