مقایسه رگرسیون تعدیلی، تطبیق نمره تمایل و وزن دهی معکوس احتمال درمان در برآورد اثر درمان در مطالعات مشاهده ای سلامت

در بسیاری از مطالعات مشاهده ای حوزه سلامت، مقایسه اثربخشی درمان ها به دلیل وجود مخدوش گری به برآوردهای اریب منجر می شود. این پژوهش با هدف مقایسه عملکرد سه رویکرد رایج برای کاهش مخدوش گری شامل رگرسیون تعدیلی، تطبیق بر اساس نمره تمایل و وزن دهی معکوس احتمال درمان انجام شد. یک مطالعه شبیه سازی با ۱۲۰ تکرار و حجم نمونه ۱۰۰۰ اجرا گردید. تخصیص درمان با یک مدل لجستیک تابعی از چهار مخدوش کننده انجام شد و پیامد پیوسته با مدل خطی شامل اثر واقعی درمان (۱=τ) تولید گردید. سپس اثر درمان با چهار روش (اختلاف میانگین ناخام، رگرسیون تعدیلی، IPTW تثبیت شده و تطبیق نزدیک ترین همسایه با کالایپر ۲/۰ انحراف معیار لگیت نمره تمایل) برآورد شد. معیارهای ارزیابی شامل میانگین برآورد، اریبی، RMSE و پوشش فاصله اطمینان ۹۵% بود. برآورد ناخام به طور متوسط دارای اریبی مثبت قابل توجه بود (میانگین ۴۸/۱ و اریبی ۴۸/۰). در مقابل، هر سه روش تعدیلی عملکرد نزدیک به بدون تورش داشتند (میانگین حدود ۰۱/۱). پوشش فاصله اطمینان ۹۵% برای رگرسیون تعدیلی ۹۳%، برای IPTW برابر ۹۷% و برای تطبیق ۹۸% برآورد شد. همچنین عدم تعادل کوواریت ها (میانگین قدرمطلق SMD) از ۳۳/۰ در حالت خام به ۰۳/۰ در IPTW و ۰۵/۰ پس از تطبیق کاهش یافت. در حضور مخدوش گری مشاهده شده، به کارگیری روش های مبتنی بر نمره تمایل یا رگرسیون تعدیلی می تواند تورش را به شکل معناداری کاهش دهد. با این حال، تطبیق ممکن است با کاهش اندازه نمونه موثر همراه باشد.

کلیدواژه ها:

نمره تمایل ، وزن دهی معکوس احتمال درمان ، تطبیق ، مخدوش گری