药物-药物交互的稳健因果推断
统计方法学
2022-09-20 v2 应用统计
摘要
人们日益关注开发针对多值处理的因果推断方法，重点在于成对平均处理效应。此处我们关注一个临床重要但研究较少的估计量：因果药物-药物交互（DDIs），它量化了药物 A 的因果效应在存在与不存在药物 B 的情况下被改变的程度。在研究 DDI 效应时的混杂调整可通过逆处理概率加权（IPTW）完成，这是一种最初为二元处理开发、后来推广到多值处理的标准方法。然而，当倾向得分模型设定错误时，该方法通常导致有偏结果。受对更稳健技术需求的驱动，我们提出了两种基于经验似然的加权方法，允许指定一组倾向得分模型，其中第二种方法通过引入额外的非参数约束直接平衡用户指定的协变量。当假定的一组倾向得分模型包含正确模型时，两种方法的所得估计量均为一致；该性质被称为多重稳健性。然后我们通过模拟评估它们的有限样本表现。结果表明，所提估计量在稳健性和效率方面均优于标准 IPTW 方法。最后，我们使用来自大型多医院卫生系统的电子病历数据，应用所提方法评估肾素-血管紧张素系统抑制剂（RAS-I）对非甾类抗炎药（NSAID）和阿片类药物比较肾毒性的影响。
引用
@article{arxiv.2203.00062,
title = {Robust Causal Inference of Drug-drug Interactions},
author = {Di Shu and Peisong Han and Sean Hennessy and Todd A Miano},
journal= {arXiv preprint arXiv:2203.00062},
year = {2022}
}
备注
33 pages, 9 figures and 2 tables