Los puntos clave no están disponibles para este artículo en este momento.
Para aprovechar la influencia de los pares y aumentar los cambios de comportamiento en la población, las intervenciones conductuales a menudo se basan en estrategias basadas en pares. Un diseño de estudio común que evalúa tales estrategias es el ensayo aleatorizado en redes egocéntricas (ENRT), donde los participantes índice reciben una capacitación conductual y se les anima a difundir información a sus pares. Bajo este diseño, un estimand crucial de interés es el Efecto de Desbordamiento Promedio (ASpE), que mide el impacto de la intervención en participantes que no la reciben, pero cuyos resultados pueden verse afectados por otros que sí lo hacen. La evaluación del ASpE depende de suposiciones sobre y la correcta medición de los conjuntos de interferencia dentro de los cuales los individuos pueden influir en los resultados de los demás. Puede ser un desafío especificar correctamente los conjuntos de interferencia, como las redes en los ENRT, y cuando se miden incorrectamente, los efectos de intervención estimados por los métodos existentes estarán sesgados. En estudios donde las redes sociales juegan un papel importante en la transmisión de enfermedades o el cambio de comportamiento, corregir las estimaciones del ASpE por sesgos debidos a la clasificación incorrecta de redes es crítico para evaluar con precisión el impacto total de las intervenciones. Combinamos métodos de error de medición e inferencia causal para corregir sesgos en la estimación del ASpE debido a la clasificación incorrecta de redes en los ENRT, cuando se registran redes sustitutas en lugar de las verdaderas, y se dispone de datos de validación que relacionan las clasificadas incorrectamente con las verdaderas. Investigamos las propiedades de muestra finita de nuestros métodos en un extenso estudio de simulación e ilustramos nuestros métodos en el estudio de la Red de Ensayos de Prevención del VIH (HPTN) 037.
Chao et al. (Tue,) estudiaron esta cuestión.