连续剂量下的统计匹配与子分类：刻画、算法及在健康结局研究中的应用
统计方法学
2022-01-28 v2
摘要
子分类与匹配常用于实证研究中以调整已观测协变量；然而，它们大体上局限于具有二元处理的相对简单的研究设计，而对于具有连续暴露剂量的设计则发展不足。基于暴露剂量的匹配在工具变量设计以及理解剂量-反应关系中尤为有用。在本文中，我们针对具有连续暴露剂量的情形，基于子类同质性提出两个最优子分类准则，并提出一种高效的多项式时间算法，该算法保证能针对其中一个准则找到最优子分类，并作为另一个准则的 2-近似算法。我们讨论了如何纳入剂量并使用适当的惩罚以控制设计中的子类数量。通过大量模拟，我们系统地将所提出的设计与最优非二部配对匹配进行比较，并证明将我们所提出的子分类方案与回归调整相结合有助于减少具有连续剂量时参数化因果推断的模型依赖性。我们将这一新设计及相关的基于随机化的推断程序应用于利用医疗保险和医疗补助索赔数据研究冠脉旁路移植术（CABG）期间经食管超声心动图（TEE）监测对患者术后临床结局的影响，并发现证据表明 TEE 监测降低了患者的全因 天死亡率。
引用
@article{arxiv.2012.07182,
title = {Statistical matching and subclassification with a continuous dose: characterization, algorithm, and application to a health outcomes study},
author = {Bo Zhang and Emily J. Mackay and Mike Baiocchi},
journal= {arXiv preprint arXiv:2012.07182},
year = {2022}
}