Discusión sobre "Identificabilidad y estimación de efectos causales en ensayos aleatorizados con incumplimiento y datos faltantes completamente no ignorables"

Felicitamos a Chen, Geng y Zhou (CGZ) por una contribución importante al análisis de ensayos aleatorizados con incumplimiento y datos faltantes, dos complicaciones comunes en los ensayos aleatorizados. La mayoría de los métodos previos para analizar ensayos en los que ocurren juntos el incumplimiento y los datos faltantes han asumido (i) que los resultados son faltantes al azar o (ii) ignorabilidad latente. Faltante al azar o ignorabilidad latente asumen que la falta de datos no está relacionada con el resultado dentro de ciertos estratos de asignación aleatoria, cumplimiento y tratamiento recibido. Para situaciones en las que la falta de datos está relacionada con los resultados dentro de estos estratos, CGZ desarrolla métodos novedosos para identificar efectos causales. Para enfatizar la importancia de los métodos de CGZ e ilustrar varios puntos, consideramos un ensayo en el que la falta de datos podría estar relacionada con el resultado. Usamos la misma notación que CGZ a lo largo de todo el texto. Ferro et al. (1996) llevaron a cabo un ensayo de métodos para enseñar la autoexaminación mamaria (AEM) para el tamizaje del cáncer de mama, en el que las mujeres fueron asignadas aleatoriamente a un tratamiento estándar de recibir información por correo sobre AEM (Z = 0) o un tratamiento mejorado de asistencia a un curso de autoexamen además de recibir la información por correo (Z = 1). Una mujer se consideró que había recibido el tratamiento (D = 1) si asistió al curso de autoexamen. De las mujeres asignadas para asistir al curso de autoexamen, solo el 55% realmente asistió. El resultado primario del estudio fue si una mujer practicó AEM 1 año después del inicio del estudio, donde el resultado se obtuvo de un cuestionario autoadministrado enviado por correo. Solo el 65% de las mujeres devolvieron el cuestionario (R = 1). Los datos, tomados de la Tabla 1 de Mealli et al. (2004), se muestran en nuestra Tabla 1. Hay ceros estructurales para Z = 0, D = 1 porque las mujeres asignadas al tratamiento estándar no pudieron asistir al curso de autoexamen. La falta de datos podría depender del resultado porque las mujeres que practican AEM podrían sentir más compromiso de devolver un cuestionario para un estudio sobre AEM. La falta de datos también podría depender de la clase de cumplimiento y la asignación aleatoria. Por ejemplo, si la falta de cooperación al devolver el cuestionario está asociada con la falta de cooperación para seguir el protocolo asignado, esperaríamos que las mujeres que nunca toman tuvieran más datos faltantes que las cumplidoras.