Biasreduzierung in Beobachtungsstudien durch Subklassifizierung nach dem Neigungsscore

Zusammenfassung Der Neigungsscore ist die bedingte Wahrscheinlichkeit, einer bestimmten Behandlung zugewiesen zu werden, gegeben einen Vektor beobachteter Kovariaten. Vorherige theoretische Argumente haben gezeigt, dass die Subklassifizierung nach dem Neigungsscore alle beobachteten Kovariaten ausbalanciert. Die Subklassifizierung eines geschätzten Neigungsscores wird illustriert, unter Verwendung von Beobachtungsdaten zu Behandlungen von koronarer Herzkrankheit. Fünf Subklassen, die durch den geschätzten Neigungsscore definiert sind, werden gebildet, die 74 Kovariaten ausbalancieren und dadurch Schätzungen der Behandlungseffekte mittels direkter Anpassung bereitstellen. Diese Subklassen werden innerhalb von Unterpopulationen angewendet, und modellbasierte Anpassungen werden dann verwendet, um Schätzungen der Behandlungseffekte innerhalb dieser Unterpopulationen bereitzustellen. Zwei Anhänge befassen sich mit theoretischen Fragen im Zusammenhang mit der Anwendung: der Effektivität der Subklassifizierung nach dem Neigungsscore zur Beseitigung von Bias und den Ausgleichseigenschaften von Neigungsscores mit unvollständigen Daten.