Évaluation de l'équilibre des covariables avec de petites tailles d'échantillon

L'ajustement par score de propension traite le problème de confusion en équilibrant les covariables dans les groupes de traitement des sujets par le biais de l'appariement, de la stratification, du pondération par probabilité inverse, etc. Les diagnostics garantissent que l'ajustement a été efficace. Une technique courante consiste à vérifier si la différence de moyenne standardisée pour chaque covariable pertinente est inférieure à un seuil comme 0,1. Pour de petites tailles d'échantillon, la probabilité de rejeter faussement la validité d'une étude en raison d'un déséquilibre chanceux, alors qu'aucun équilibre sous-jacent n'existe, approche 1. Nous proposons un diagnostic alternatif qui vérifie si la différence de moyenne standardisée dépasse statistiquement de manière significative le seuil. Par simulation et données du monde réel, nous constatons que ce diagnostic atteint un meilleur compromis entre le taux d'erreur de type 1 et la puissance que les tests de seuils nominaux standards et les tests non effectués pour des tailles d'échantillon allant de 250 à 4000 et pour 20 à 100 000 covariables. Dans les études en réseau, la méta-analyse des estimations d'effet doit être accompagnée d'une méta-analyse des diagnostics, sinon une confusion systématique peut submerger l'effet estimé. Notre procédure pour tester statistiquement l'équilibre à la fois au niveau de la base de données et au niveau de la méta-analyse atteint le meilleur équilibre entre le taux d'erreur de type 1 et la puissance. Notre procédure soutient l'examen d'un grand nombre de covariables, permettant des diagnostics plus rigoureux.