Incerteza de ajuste na estimação de efeito

A seleção de confundidores e sua relação funcional com o desfecho afetam as estimativas do efeito da exposição. Na prática, há frequentemente uma incerteza substancial sobre essa seleção, que definimos aqui como "incerteza de ajuste". Abordamos o problema de estimar o efeito da exposição em um desfecho com foco na quantificação do efeito de confundidores desconhecidos a partir de um grande conjunto de potenciais confundidores. Propomos uma estrutura estatística geral para lidar com a incerteza de ajuste na estimação do efeito da exposição, uma implementação específica chamada "Estimativa Estruturada sob Incerteza de Ajuste (STEADy)", e ferramentas de visualização associadas. Resultados teóricos e estudos de simulação mostram que o STEADy estima consistentemente a exposição de interesse e sua variabilidade associada. Um importante subproduto de nossa metodologia é que ela revela que a versão padrão da Média de Modelos Bayesianos (BMA) pode falhar em estimar o efeito de interesse científico e pode superestimar ou subestimar a variabilidade estatística da estimativa do efeito da exposição. Isso se deve essencialmente ao fato de que a BMA faz a média das estimativas dos parâmetros, apenas um subconjunto das quais pode realmente ser interpretado como sendo o efeito ajustado de interesse. Embora isso tenha sido reconhecido anteriormente, nossa metodologia fornece a plataforma teórica para a análise de desempenho da estimativa da BMA. Comparamos nossa abordagem (STEADy) à BMA em dados de séries temporais sobre níveis de material particulado fino (PM10, PM2.5) e contagens de mortalidade e internação.