真实效应还是偏倚?通过针对未测量混杂的定量敏感性分析评估真实世界证据稳健性的最佳实践
统计方法学
2023-09-15 v1 应用统计
摘要
无未测量混杂的假设是因果推断所需的关键但不可验证的假设,然而用于评估真实世界证据稳健性的定量敏感性分析仍未被充分利用。使用不足可能部分源于实施的复杂性以及每种方法应用常需特定且严格的数据要求。随着广泛适用的敏感性分析方法出现——它们不要求识别特定的未测量混杂因素,且配有公开可用的实现代码——更广泛使用的障碍正在减少。为促使更广泛应用,我们在此提出最佳实践指南,以在设计阶段与分析阶段应对未测量混杂的可能性,包括一组框架性问题与供研究者使用的分析工具箱。设计阶段的问题引导研究逐步评估设计的潜在稳健性,同时鼓励收集额外数据以减小潜在混杂带来的不确定性。分析阶段的问题引导研究者量化观测结果的稳健性,并为研究者提供更清晰的结论稳健性指示。我们基于一项真实世界纤维肌痛研究的模拟数据演示了该指南的应用,为说明目的应用了分析工具箱中的多种方法。
引用
@article{arxiv.2309.07273,
title = {Real Effect or Bias? Best Practices for Evaluating the Robustness of Real-World Evidence through Quantitative Sensitivity Analysis for Unmeasured Confounding},
author = {Douglas Faries and Chenyin Gao and Xiang Zhang and Chad Hazlett and James Stamey and Shu Yang and Peng Ding and Mingyang Shan and Kristin Sheffield and Nancy Dreyer},
journal= {arXiv preprint arXiv:2309.07273},
year = {2023}
}
备注
16 pages which includes 5 figures