Bewertung der Kovariatenbalance bei kleinen Stichproben

Die Anpassung der Propensitätswerte adressiert Verzerrungen, indem sie die Kovariaten in den Behandlungsgruppen der Probanden durch Matching, Stratifikation, inverse Wahrscheinlichkeitsgewichtung usw. ausgleicht. Diagnosen stellen sicher, dass die Anpassung wirksam war. Eine gängige Technik ist es, zu überprüfen, ob der standardisierte Mittelwertunterschied für jede relevante Kovariate unter einem Schwellenwert wie 0.1 liegt. Bei kleinen Stichprobengrößen nähert sich die Wahrscheinlichkeit, die Gültigkeit einer Studie aufgrund von Zufallsungleichgewicht abzulehnen, wenn kein zugrunde liegendes Gleichgewicht existiert, 1. Wir schlagen eine alternative Diagnose vor, die überprüft, ob der standardisierte Mittelwertunterschied statistisch signifikant den Schwellenwert überschreitet. Durch Simulationen und Daten aus der realen Welt finden wir heraus, dass diese Diagnose einen besseren Kompromiss zwischen der Fehlerquote erster Art und der Power erreicht als Standardtests mit nominalem Schwellenwert und das Testen für Stichprobengrößen von 250 bis 4000 und für 20 bis 100.000 Kovariaten. In Netzwerkstudien muss die Meta-Analyse von Effektgrößen von einer Meta-Analyse der Diagnosen begleitet werden, da sonst systematische Verzerrungen den geschätzten Effekt überwältigen können. Unser Verfahren zur statistischen Überprüfung der Balance sowohl auf Datenbank- als auch auf Meta-Analyseebene erzielt den besten Ausgleich der Fehlerquote erster Art und der Power. Unser Verfahren unterstützt die Überprüfung einer großen Anzahl von Kovariaten und ermöglicht rigorosere Diagnosen.