banner

Новости

Nov 24, 2023

Методы оценки причинных эффектов в условиях наблюдения: сравнение корректировки искажающих факторов и инструментальных переменных

Методология медицинских исследований BMC, том 23, номер статьи: 122 (2023 г.) Цитировать эту статью

524 доступа

1 Альтметрика

Подробности о метриках

Чтобы оценить причинно-следственные связи, аналитики, проводящие наблюдательные исследования в медицинских учреждениях, используют несколько стратегий для уменьшения систематической ошибки, вызванной искажением показаний. Для этих целей существует два широких класса подходов: использование искажающих факторов и инструментальных переменных (ИВ). Поскольку такие подходы во многом характеризуются непроверяемыми предположениями, аналитики должны действовать в рамках неопределенной парадигмы, согласно которой эти методы будут работать неидеально. В этом руководстве мы формализуем набор общих принципов и эвристик для оценки причинных эффектов в двух подходах, когда предположения потенциально нарушаются. Это критически требует переосмысления процесса наблюдательных исследований как выдвижения гипотезы о потенциальных сценариях, в которых оценки одного подхода менее противоречивы, чем другие. Хотя большая часть нашего обсуждения методологии сосредоточена вокруг линейной настройки, мы затрагиваем сложности нелинейной настройки и гибких процедур, таких как целевая оценка минимальных потерь и двойное машинное обучение. Чтобы продемонстрировать применение наших принципов, мы исследуем использование донепезила не по назначению при легких когнитивных нарушениях. Мы сравниваем и противопоставляем результаты искажающих факторов и методов внутривенного вливания, традиционных и гибких, в рамках нашего анализа и аналогичных обсервационных исследований и клинических испытаний.

Отчеты экспертной оценки

Общей целью в здравоохранении является оценка причинного влияния лечения или вмешательства на медицинские результаты. Золотым стандартом для этой задачи остается хорошо контролируемое рандомизированное контрольное исследование (РКИ). В этом случае рандомизация позволяет нам установить оценки причин и следствий, поскольку в среднем наблюдаемые различия между группами лечения будут обусловлены либо назначенным лечением, либо случайностью.

РКИ не всегда могут быть осуществимы из-за этических, логистических или финансовых ограничений. В этом случае мы можем обратиться к обсервационным исследованиям в попытке выделить интересующие причинные эффекты. Наблюдательные исследования могут предоставить доказательства, генерирующие гипотезы, которые помогут информировать будущие исследования методов лечения, таких как распространение на различные группы населения или варианты использования. Кроме того, наблюдательные исследования предоставляют исследователям реальные фактические данные об эффективности и безопасности лечения, которые дополняют результаты РКИ (например, исследования фазы 4).

На пути к выделению причинных эффектов наблюдательные исследования должны учитывать потенциальную систематическую ошибку из-за нерандомизации вмешательства. Распространенным источником систематической ошибки является смещение показаний или систематическая ошибка выбора лечения, когда факторы влияют как на назначение лечения, так и на целевое заболевание. Эти факторы, называемые мешающими факторами, варьируются от характеристик пациента до других сопутствующих методов лечения.

Существует два широких класса подходов к смягчению систематической ошибки выбора лечения, основанной на вмешивающихся переменных и инструментальных переменных (IV). Коротко говоря, подходы, использующие искажающие факторы, направлены на «приспособление» ко всем факторам, которые объясняют как назначение лечения, так и его результат. Напротив, ВВ определяют только назначение лечения, но в остальном не связаны с результатом. IV используются для определения подгруппы населения, назначение лечения которой не вызывает каких-либо искажений.

По сути, подходы с конфаундером и IV характеризуются непроверяемыми на практике предположениями. Например, представление о том, что все возможные искажающие факторы были скорректированы, не может быть подтверждено данными. Следовательно, аналитики должны иметь возможность действовать, исходя из предположения, что эти методы будут работать несовершенно. Другими словами, ни один из подходов не сможет полностью преодолеть предвзятость выбора лечения, но может дать менее предвзятую оценку, чем если бы они не использовались. Для навигации по этой неопределенной парадигме требуется общий набор рассуждений и интуиция, связанная с наблюдательными исследованиями.

0\) and \(sign(\beta _1\beta _2))=sign(\beta _3)\), then adjusting for W will yield \(\beta _3\) but there will be attenuation as \(|\beta |>|\beta _3|\)./p> |\alpha _2|\). For the same degree of violation in the independence assumptions (e.g. in Fig. 2\(\delta = c > 0\) where c is some constant) the inconsistency of an estimate derived from \(Z_2\) would be greater than from using \(Z_1\)./p> D(0)] = E[Y(1)-Y(0)|D(1) < D(0)]\) (no treatment effect heterogeneity)./p> D(0)]\) or the ATE for compliers [21]. This LATE, changes with chosen IV. If there are multiple IVs, then the LATE is a weighted average of LATEs characterized by each IV. When we have covariates included to establish the validity of Z or decrease error in predicting D, then the LATE is an estimand defined on a population conditional on these covariates. Furthermore, unless the model is saturated, always and never-takers are included [25, 26]. As most models in practice include covariates, the interpretability of IV models can be nebulous./p>

ДЕЛИТЬСЯ