Principal Altres Anàlisi de la puntuació de propensió

Anàlisi de la puntuació de propensió

Visió general

Programari

Descripció

Llocs web

Lectures

Cursos

Visió general

El PS és una probabilitat. De fet, és una probabilitat condicional d'exposar-se donant un conjunt de covariables, Pr (E + | covariables). Podem calcular un PS per a cada subjecte en un estudi observacional independentment de la seva exposició real.

Un cop tenim un PS per a cada tema, tornem al món real d’exposats i no exposats. Podem fer coincidir temes exposats amb temes no exposats amb el mateix (o molt similar) PS. Per tant, la probabilitat d’exposar-se és la mateixa que la de no estar exposada. L’exposició és aleatòria.

Descripció

L'anàlisi de la puntuació de propensió (PSA) va sorgir com una manera d'aconseguir intercanviabilitat entre grups exposats i no exposats en estudis observacionals sense confiar en la construcció de models tradicionals. L’intercanviable és fonamental per a la nostra inferència causal.

En estudis experimentals (per exemple, assaigs de control aleatoritzats), la probabilitat d’exposició és de 0,5. Per tant, la probabilitat de no estar exposats també és de 0,5. La probabilitat de ser exposats o no exposats és la mateixa. Per tant, l’estat d’exposició real d’un subjecte és aleatori.

Aquesta igual probabilitat d’exposició ens fa sentir més còmodes afirmant que els grups exposats i no exposats són iguals en tots els factors, excepte en la seva exposició. Per tant, diem que tenim intercanviables entre grups.

Un dels majors desafiaments dels estudis observacionals és que la probabilitat de formar part del grup exposat o no exposat no és aleatòria.

Hi ha diverses ocasions en què un estudi experimental no és factible ni ètic. Però encara ens agradaria que es poguessin canviar els grups mitjançant l’atzar. El PSA ens ajuda a imitar un estudi experimental utilitzant dades d’un estudi observacional.

Conducció de PSA

5 passos descrits breument per a PSA
2. Utilitzeu la regressió logística per obtenir un PS per a cada assignatura.
4. Comproveu el saldo de les covariables als grups exposats i no exposats després de coincidir a PS.
5. Calculeu l'estimació de l'efecte i els errors estàndard amb aquesta població de coincidències.

1. Decidiu el conjunt de covariables que voleu incloure.
Aquest és el pas crític per al vostre PSA. Utilitzem aquestes covariables per predir la nostra probabilitat d’exposició. Volem incloure tots els predictors de l'exposició i cap dels efectes de l'exposició. No considerem el resultat a l’hora de decidir les nostres covariables. Podem incloure variables de confusió i d'interacció. Si tenim dubtes sobre la covariable, l’incloem al nostre conjunt de covariables (tret que pensem que és un efecte de l’exposició).

2. Utilitzeu la regressió logística per obtenir un PS per a cada assignatura.
Utilitzem les covariables per predir la probabilitat de ser exposats (que és el PS). Com més covariables siguem veritables, millor serà la nostra predicció de la probabilitat de ser exposats. Calculem un PS per a tots els subjectes, exposats i no exposats.

Utilitzant números i lletres gregues:
PS = (exp (β0 + β1X1 +… + βpXp)) / (1 + exp (β0 + β1X1 +… + βpXp))

3. Feu coincidir temes exposats i no exposats al PS.
Volem fer coincidir els subjectes exposats i no exposats amb la seva probabilitat de ser exposats (el seu PS). Si no trobem una coincidència adequada, aquest tema es descarta. Descartar un tema pot introduir biaix a la nostra anàlisi.

Existeixen diversos mètodes per fer coincidir. El més comú és el veí més proper a les pinxes. El veí més proper seria el subjecte no exposat que té un PS més proper al PS per al nostre subjecte exposat.

És possible que no puguem trobar una coincidència exacta, de manera que diem que acceptarem una puntuació PS dins de determinats límits de pinça. Establim un valor apriori per a les pinxes. Normalment, aquest valor oscil·la entre +/- 0,01 i +/- 0,05. Per sota de 0,01, podem obtenir molta variabilitat dins de l’estimació perquè tenim dificultats per trobar coincidències i això ens porta a descartar aquests subjectes (coincidència incompleta). Si passem de 0,05, potser estem menys segurs que els nostres exposats i no exposats siguin realment intercanviables (concordança inexacta). Normalment, es tria 0,01 per a un límit.

La proporció de subjectes exposats i no exposats és variable. Es pot fer la coincidència 1: 1, però sovint la coincidència amb la substitució es fa per permetre millors coincidències. La coincidència amb la substitució permet que el subjecte no exposat que ha coincidit amb un subjecte exposat es pugui retornar al conjunt de subjectes no exposats disponibles per coincidir.

Hi ha una compensació en el biaix i la precisió entre la coincidència amb la substitució i sense (1: 1). La coincidència amb la substitució permet reduir el biaix a causa de la millor coincidència entre subjectes. La coincidència sense reemplaçament té una millor precisió perquè s’utilitzen més temes.

4. Comproveu el saldo de les covariables als grups exposats i no exposats després de coincidir a PS.
Hi ha d’haver una superposició substancial en covariables entre els grups exposats i els no exposats per fer inferències causals a partir de les nostres dades. Això és cert en tots els models, però a PSA es fa visualment molt evident. Si no hi ha superposició en covariables (és a dir, si no tenim cap superposició de puntuacions de propensió), totes les inferències es faran fora del suport de les dades (i, per tant, les conclusions dependran del model).

Podem utilitzar un parell d’eines per avaluar el nostre equilibri de covariables. En primer lloc, podem crear un histograma del PS per a grups exposats i no exposats. En segon lloc, podem avaluar la diferència estandarditzada. En tercer lloc, podem avaluar la reducció del biaix.

Diferència estandarditzada = (100 * (mitjana (x exposada) - (mitjana (x no exposada))) / (sqrt ((SD ^ 2exposed + SD ^ 2unexposed) / 2))

Més d’un 10% de diferència es considera dolent. Les nostres covariables es distribueixen de manera massa diferent entre grups exposats i no exposats perquè puguem sentir-nos còmodes assumint l’intercanviable entre grups.
Ens agradaria veure una reducció substancial del biaix des de l’anàlisi sense igual a l’anàlisi coincident. El que significa substancial depèn de vosaltres.
Estimació de l’efecte mitjà del tractament del tractament (ATT) = suma (y exposat i no exposat) / # de parells coincidents
Els parells coincidents resultants també es poden analitzar mitjançant mètodes estadístics estàndard, per exemple Kaplan-Meier, models de riscos proporcionals de Cox. Podeu incloure PS al model d’anàlisi final com a mesura contínua o crear quartils i estratificar-vos.

Algunes notes més sobre PSA
Com que PSA només pot abordar les covariables mesurades, la implementació completa hauria d’incloure anàlisis de sensibilitat per avaluar les covariables no observades.
Tot i que el PSA s’ha utilitzat tradicionalment en epidemiologia i biomedicina, també s’ha utilitzat en proves educatives (Rubin és un dels fundadors) i en ecologia (EPA té un lloc web sobre PSA!).

Fortaleses i limitacions del PSA

Punts forts
PSA utilitza una puntuació en lloc de múltiples covariables per estimar l’efecte. Això permet a un investigador utilitzar dotzenes de covariables, cosa que no sol ser possible en els models multivariables tradicionals a causa dels graus de llibertat limitats i de les cèl·lules de recompte zero derivades de les estratificacions de covariables múltiples.
Els pacients inclosos en aquest estudi poden ser una mostra més representativa de pacients del món real del que proporcionaria un ECA.
Evitem la inferència fora del suport.
No necessitem conèixer les causes del resultat per crear intercanviables.

Limitacions
La superposició del grup ha de ser substancial (per permetre la coincidència adequada).
PSA funciona millor en mostres grans per obtenir un bon equilibri de covariables.
No té en compte l’agrupació (problemàtica per a la investigació a nivell de barri).

Lectures

Llibres de text i capítols

Oakes JM i Johnson PJ. 2006. Propensity score score for epidemiology social in Methods in Social Epidemiology (eds. JM Oakes i JS Kaufman), Jossey-Bass, San Francisco, CA.
Introducció senzilla i clara a PSA amb un exemple treballat de l’epidemiologia social.

Hirano K i Imbens GW. 2005. La puntuació de propensió amb tractaments continus en modelització bayesiana aplicada i inferència causal des de perspectives de dades incompletes: un viatge essencial amb la família estadística de Donald Rubin (ed. A Gelman i XL Meng), John Wiley & Sons, Ltd, Chichester, Regne Unit.
Discussió sobre l’ús de PSA per a tractaments continus.

Articles metodològics

Rosenbaum PR i Rubin DB. 1983. El paper central de la puntuació de propensió en estudis observacionals sobre efectes causals. Biometrika, 70 (1); 41-55.
Article de Germinal sobre PSA.

Rosenbaum PR i Rubin DB. 1985. El biaix degut a una coincidència incompleta. Biometrika, 41 (1); 103-116.
Discussió del biaix degut a la coincidència incompleta de temes a PSA.

D’Agostino RB. 1998. Mètodes de puntuació de propensió per a la reducció del biaix en la comparació d’un tractament amb un grup de control no aleatori. Statist Med, 17; 2265-2281.
Una nova discussió sobre PSA amb exemples treballats. Inclou càlculs de diferències estandarditzades i reducció de biaix.

Joffe MM i Rosenbaum PR. 1999. Comentari convidat: puntuacions de propensió. Am J Epidemiol, 150 (4); 327-333.
Debat sobre els usos i limitacions de PSA. També inclou la discussió de PSA en estudis de casos i cohorts.

Articles d'aplicació

Kumar S i Vollmer S. 2012. L’accés a un sanejament millorat redueix la diarrea a l’Índia rural. Econ de salut. DOI: 10.1002 / hec.2809
Aplica el PSA al sanejament i la diarrea en nens de l’Índia rural. Moltes explicacions sobre com es va dur a terme PSA al diari. Bon exemple.

Suh HS, Hay JW, Johnson KA i Doctor, JN. 2012. Eficàcia comparativa de la teràpia combinada d’estatina més fibrats i monoteràpia d’estatina en pacients amb diabetis tipus 2: ús de la puntuació de propensió i mètodes variables instrumentals per ajustar el biaix en la selecció del tractament. Farmacoepidemiol i seguretat dels medicaments. DOI: 10.1002 / pds.3261
Aplica el PSA a les teràpies per a la diabetis tipus 2. També compara PSA amb variables instrumentals.

Rubin DB. 2001. Utilització de puntuacions de propensió per ajudar a dissenyar estudis observacionals: Aplicació al litigi sobre tabac. Health Serv Outcomes Res Method, 2; 169-188.
Aplicació més avançada de PSA per part d’un dels creadors de PSA.

Landrum MB i Ayanian JZ. 2001. Efecte causal de l'atenció especialitzada ambulatòria en la mortalitat després d'un infart de miocardi: una comparació de la propensió social i l'anàlisi de variables instrumentals. Health Serv Outcomes Res Method, 2; 221-245.
Un bon exemple clar de PSA aplicat a la mortalitat després del MI. Comparació amb mètodes IV.

una malaltia que s'estén per tot el món es coneix com a(n)

Bingenheimer JB, Brennan RT i Earls FJ. 2005. Exposició a violència amb armes de foc i comportaments violents greus. Ciència, 308; 1323-1326.
Exemple interessant de PSA aplicat a l'exposició a la violència amb armes de foc i al comportament violent greu posterior.

Llocs web

Implementació de programari estadístic
http://www.biostat.jhsph.edu/~estuart/propensityscoresoftware.html

Per a la macro SAS:
http://ndc.mayo.edu/mayo/research/biostat/sasmacros.cfm gmatch: coincidència informatitzada de casos amb controls mitjançant l'algoritme de coincidència cobejosa amb un nombre fix de controls per cas.
vmatch: coincidència informatitzada de casos amb controls mitjançant la concordança òptima variable.

Documentació SAS:
http://www.nesug.org/Proceedings/nesug10/ad/ad05.pdf

Introducció a l'estat:
http: //help.pop.psu/edu/help-by-statistical-method/propensity-metching/Intro to P-score_Sp08.pdf
http://fmwww.bc.edu/RePEc/usug2001/psmatch.pdf

Per al programa R:
http://sekhon.berkeley.edu/matching/

Informació general sobre PSA
http://www.mc.vanderbilt.edu/gcrc/workshop_files/2008-04-11.pdf

Diapositives de la presentació ASA de Thomas Love 2003:
www.chrp.org/love/ASACleveland2003**Propensity**.pdf

Recursos (fulls informatius, bibliografia comentada) de Thomas Love:
http://www.chrp.org/propensity

Explicació i exemple de l'ecologia del PSA:
http://www.epa.gov/caddis/da_advanced_5.html

Cursos

An taller en línia sobre la concordança de puntuació de propensió està disponible mitjançant EPIC

Estimació dels efectes de les intervencions sobre salut mental en entorns no experimentals
D-F, del 14 al 15 de juny de 2012, de 8:30 a 16:30
http://www.jhsph.edu/dept/mh/summer_institute/courses.html

Articles D'Interès

L'Elecció De L'Editor

Què és la nanotecnologia, definició, tipus
Què és la nanotecnologia, definició, tipus
la nanotecnologia ajuda els humans. La nanotecnologia és la branca de la ciència que s'ocupa de l'estudi de partícules d'entre 1 nanòmetre i 100 nm.
Els nous vídeos de rap tenen com a objectiu ajudar a augmentar la vacunació contra COVID-19 en comunitats de color
Els nous vídeos de rap tenen com a objectiu ajudar a augmentar la vacunació contra COVID-19 en comunitats de color
Inclou cinc vídeos animats amb el raper guanyador del premi Grammy Darryl DMC McDaniels de Run-DMC.
Índex d’estrès de l’aigua d’Amèrica
Índex d’estrès de l’aigua d’Amèrica
Servei d’Immigració de Nigèria i la càrrega de la protecció de dades
Servei d’Immigració de Nigèria i la càrrega de la protecció de dades
Columbia Global Freedom of Expression intenta avançar en la comprensió de les normes i institucions nacionals i internacionals que millor protegeixen el lliure flux d’informació i expressió en una comunitat global interconnectada amb grans reptes comuns a abordar. Per assolir la seva missió, la Llibertat d’expressió mundial realitza i encarrega projectes de recerca i polítiques, organitza esdeveniments i conferències i participa en debats globals sobre la protecció de la llibertat d’expressió i informació al segle XXI i hi contribueix.
Htc u11 preu, especificacions, data de llançament, preu a l'Índia, EUA
Htc u11 preu, especificacions, data de llançament, preu a l'Índia, EUA
HTC U11 HTC mobile Preu a l'Índia, EUA. Especificacions mòbils de HTC U11, data de llançament, característiques, informació de la bateria, colors, interfície d'interfície d'usuari de HTC, sensors, imatges
Els ovnis emergeixen, de nou
Els ovnis emergeixen, de nou
Més enllà de les fantàstiques teories de la conspiració i de la discussió, pot haver-hi un problema en intentar resoldre el trencaclosques d’objectes voladors no identificats.
Alumne universitari Tze Chun '02 Showrunner per a 'Gremlins: Secrets of the Mogwai
Alumne universitari Tze Chun '02 Showrunner per a 'Gremlins: Secrets of the Mogwai'
Warner Bros. Animation recupera la clàssica pel·lícula de 1984 Gremlins en un nou programa d'animació.