SelectionBias：一个用于界定选择偏倚的R包
统计方法学
2023-02-14 v1
摘要
当根据研究人群的某些选择标准将受试者纳入或排除出分析时，可能发生选择偏倚。该偏倚会危及研究的有效性，因此需要进行评估选择效应的敏感性分析。敏感性分析的一种方法是构造偏倚的界。在本工作中，我们呈现一个R包，可用于计算先前提出的两个选择偏倚界，分别针对总人群与选定人群的因果相对风险与因果风险差。第一个界由Smith和VanderWeele（SV）导出，基于描述结局、处理、选择指示符与未观测变量之联合分布部分的敏感性参数值。第二个界仅基于观测数据，因此被称为无假设（AF）界。除对该界与R包的教程外，我们导出了SV界的额外性质。我们证明敏感性参数是变化独立的，并导出它们的可行区域。此外，若已知在给定所选敏感性参数值下偏倚可等于界值，则该界是紧的（sharp）。我们基于观测数据给出了SV界在选定子人群中为紧的条件。我们用一个模拟数据集来说明该R包与界的性质，该数据集仿照一项探究寨卡病毒对巴西小头症影响的研究。
引用
@article{arxiv.2302.06518,
title = {SelectionBias: An R Package for Bounding Selection Bias},
author = {Stina Zetterstrom and Ingeborg Waernbaum},
journal= {arXiv preprint arXiv:2302.06518},
year = {2023}
}