Soumettre la recherche
Mettre en ligne
傾向スコアマッチと多重補完法の解説 その1
•
Télécharger en tant que PPTX, PDF
•
19 j'aime
•
6,641 vues
Atsushi Shiraishi
Suivre
医学生物学研究で用いる傾向スコアマッチと多重補完法をできるだけやさしく解説しています。
Lire moins
Lire la suite
Santé
Signaler
Partager
Signaler
Partager
1 sur 49
Télécharger maintenant
Recommandé
傾向スコアマッチと多重補完法の解説 その2
傾向スコアマッチと多重補完法の解説 その2
Atsushi Shiraishi
多重代入法の書き方 公開用
多重代入法の書き方 公開用
Koichiro Gibo
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
Yasuyuki Okumura
傾向スコアの概念とその実践
傾向スコアの概念とその実践
Yasuyuki Okumura
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方
Sayuri Shimizu
非劣性試験の入門
非劣性試験の入門
Yasuyuki Okumura
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
Takashi Fujiwara
Recommandé
傾向スコアマッチと多重補完法の解説 その2
傾向スコアマッチと多重補完法の解説 その2
Atsushi Shiraishi
多重代入法の書き方 公開用
多重代入法の書き方 公開用
Koichiro Gibo
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
Yasuyuki Okumura
傾向スコアの概念とその実践
傾向スコアの概念とその実践
Yasuyuki Okumura
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方
Sayuri Shimizu
非劣性試験の入門
非劣性試験の入門
Yasuyuki Okumura
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
Takashi Fujiwara
バリデーション研究の入門
バリデーション研究の入門
Yasuyuki Okumura
生存時間分析の書き方
生存時間分析の書き方
Yasuyuki Okumura
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
Koichiro Gibo
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例
Sayuri Shimizu
患者報告式アウトカム尺度における臨床的意味のある変化の定め方
患者報告式アウトカム尺度における臨床的意味のある変化の定め方
Yasuyuki Okumura
明日から読めるメタ・アナリシス
明日から読めるメタ・アナリシス
Yasuyuki Okumura
20171112予測指標の作り方セミナー事前学習
20171112予測指標の作り方セミナー事前学習
SR WS
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
Koichiro Gibo
臨床的有意性の書き方
臨床的有意性の書き方
Yasuyuki Okumura
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
Haruka Ozaki
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
Hiroyuki Muto
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
YamadaiR(Categorical Factor Analysis)
YamadaiR(Categorical Factor Analysis)
考司 小杉
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
ネットワークメタ分析入門
ネットワークメタ分析入門
Senshu University
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
「操作変数法」の報告事例
「操作変数法」の報告事例
Yoshitake Takebayashi
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
takehikoihayashi
Tokyo r #37 Rubin's Rule
Tokyo r #37 Rubin's Rule
Hiroki Matsui
Contenu connexe
Tendances
バリデーション研究の入門
バリデーション研究の入門
Yasuyuki Okumura
生存時間分析の書き方
生存時間分析の書き方
Yasuyuki Okumura
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
Koichiro Gibo
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例
Sayuri Shimizu
患者報告式アウトカム尺度における臨床的意味のある変化の定め方
患者報告式アウトカム尺度における臨床的意味のある変化の定め方
Yasuyuki Okumura
明日から読めるメタ・アナリシス
明日から読めるメタ・アナリシス
Yasuyuki Okumura
20171112予測指標の作り方セミナー事前学習
20171112予測指標の作り方セミナー事前学習
SR WS
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
Koichiro Gibo
臨床的有意性の書き方
臨床的有意性の書き方
Yasuyuki Okumura
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
Haruka Ozaki
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
Hiroyuki Muto
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
YamadaiR(Categorical Factor Analysis)
YamadaiR(Categorical Factor Analysis)
考司 小杉
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
ネットワークメタ分析入門
ネットワークメタ分析入門
Senshu University
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
「操作変数法」の報告事例
「操作変数法」の報告事例
Yoshitake Takebayashi
Tendances
(20)
バリデーション研究の入門
バリデーション研究の入門
生存時間分析の書き方
生存時間分析の書き方
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例
患者報告式アウトカム尺度における臨床的意味のある変化の定め方
患者報告式アウトカム尺度における臨床的意味のある変化の定め方
明日から読めるメタ・アナリシス
明日から読めるメタ・アナリシス
20171112予測指標の作り方セミナー事前学習
20171112予測指標の作り方セミナー事前学習
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
臨床的有意性の書き方
臨床的有意性の書き方
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
StanとRで折れ線回帰──空間的視点取得課題の反応時間データを説明する階層ベイズモデルを例に──【※Docswellにも同じものを上げています】
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
YamadaiR(Categorical Factor Analysis)
YamadaiR(Categorical Factor Analysis)
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
ネットワークメタ分析入門
ネットワークメタ分析入門
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
「操作変数法」の報告事例
「操作変数法」の報告事例
En vedette
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
takehikoihayashi
Tokyo r #37 Rubin's Rule
Tokyo r #37 Rubin's Rule
Hiroki Matsui
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Yohei Sato
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
多重代入法(Multiple Imputation)の発表資料
多重代入法(Multiple Imputation)の発表資料
Tomoshige Nakamura
Large-scale imputation of epigenetic datasets for systematic annotation of di...
Large-scale imputation of epigenetic datasets for systematic annotation of di...
弘毅 露崎
E rstroke.m4lecture
E rstroke.m4lecture
Atsushi Shiraishi
TBI Field Triage
TBI Field Triage
Atsushi Shiraishi
Jaam2008.10651
Jaam2008.10651
Atsushi Shiraishi
JAAM FORECAST study (Trauma) in Japanese
JAAM FORECAST study (Trauma) in Japanese
Atsushi Shiraishi
Diag test.shiraishi.2
Diag test.shiraishi.2
Atsushi Shiraishi
整形外科プライマリーケア 創の処置
整形外科プライマリーケア 創の処置
gamitake ikuiku
傾向スコアでみる ソーシャルネットワーク分析
傾向スコアでみる ソーシャルネットワーク分析
Hiroko Onari
効果測定入門 Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
aa_aa_aa
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
Hajime Sasaki
有意性と効果量について しっかり考えてみよう
有意性と効果量について しっかり考えてみよう
Ken Urano
因果推論の基礎
因果推論の基礎
Hatsuru Morita
数式を使わずイメージで理解するEMアルゴリズム
数式を使わずイメージで理解するEMアルゴリズム
裕樹 奥田
En vedette
(18)
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
Tokyo r #37 Rubin's Rule
Tokyo r #37 Rubin's Rule
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
多重代入法(Multiple Imputation)の発表資料
多重代入法(Multiple Imputation)の発表資料
Large-scale imputation of epigenetic datasets for systematic annotation of di...
Large-scale imputation of epigenetic datasets for systematic annotation of di...
E rstroke.m4lecture
E rstroke.m4lecture
TBI Field Triage
TBI Field Triage
Jaam2008.10651
Jaam2008.10651
JAAM FORECAST study (Trauma) in Japanese
JAAM FORECAST study (Trauma) in Japanese
Diag test.shiraishi.2
Diag test.shiraishi.2
整形外科プライマリーケア 創の処置
整形外科プライマリーケア 創の処置
傾向スコアでみる ソーシャルネットワーク分析
傾向スコアでみる ソーシャルネットワーク分析
効果測定入門 Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
有意性と効果量について しっかり考えてみよう
有意性と効果量について しっかり考えてみよう
因果推論の基礎
因果推論の基礎
数式を使わずイメージで理解するEMアルゴリズム
数式を使わずイメージで理解するEMアルゴリズム
傾向スコアマッチと多重補完法の解説 その1
1.
Atsushi Shiraishi, MD Trauma
and Emergency Medical Center, Tokyo Medical and Dental University
2.
Goals Propensity score matching
(PSM) どんな研究で、なぜ使うのか? 実際にやってみよう。 Multiple imputation (MI) 欠損値のある対象を除外しちゃだめなの? 実際にやってみよう。
3.
日本臨床リウマチ治療学会総会
4.
日本臨床リウマチ治療学会総会 PICO ヨクキクマブの効果を後ろ向きに評価した。 関節リウマチの患者が対象 ヨクキクマブの投与有無で患者を二群に分割 投与1週後のCRPを比較した (Student’s t-test) CRP
(mg/dL) P Yokukikumab (N=41) 6.42 0.044 Control (N=33) 11.18
5.
日本臨床リウマチ治療学会総会 PICO ヨクキクマブの効果を後ろ向きに評価した。 関節リウマチの患者が対象 ヨクキクマブの投与有無で患者を二群に分割 投与1週後のCRPを比較した (Student’s t-test) CRP
(mg/dL) P Yokukikumab (N=41) 6.42 0.044 Control (N=33) 11.18 ・ 後ろ向き研究で背景因子調整を行わず、共変量 の影響を無視している。 ・ 不適切な代用アウトカムを用いている。 ・ 治療有無とCRPの二変数の相関関係が因果関 係であると安易にみなしている。
6.
相関 ≠ 因果
7.
相関 ≠ 因果
8.
相関 ≠ 因果 ・
ドイツで、コウノトリのつがいの数と出生数が正の 相関関係を示している。 ・ コウノトリが増えると出生が増えるという因果関 係?
9.
相関 ≠ 因果
10.
相関 ≠ 因果 ・
世界での海賊行為の数と地球温暖化が負の相関 関係を示している。 ・ 海賊は地球温暖化を阻止していたという因果関 係?
11.
人間の経験に基づく曖昧 な因果関係について考え る代わりに、数学的に厳 密に定義される相関関係 を問うべきだ。 Karl Pearson (1857-1936)
12.
あり なし 治療 Yokukikumab データ データ 転帰 この差を知りたい 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … 未知の因子
13.
あり なし データ データ 転帰 この差を知りたい だが共変量も 転帰に影響する 治療選択は共変量 に影響される 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … 未知の因子 治療 Yokukikumab
14.
差を知りたい介入以外の介 入が等しくなければ、因果関 係が正しく分からない。 Ronald Fisher (1890-1962)
15.
あり なし データ データ 転帰 この差を知りたい 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … RCT R 未知の因子 治療 Yokukikumab
16.
あり なし データ データ 転帰 この差を知りたい 共変量は治療に 影響しないはず 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … RCT R 未知の因子 二群間の共変量は 一致している 未知の因子を含め 全ての共変量が調 整されている 治療 Yokukikumab
17.
RCTで因果関係が得られる のはなぜだろうか?
18.
Rubin’s causal model「xが起きた世界でのy」と「xが 起きなかった世界でのy」の差 分が因果効果である。 因果効果とは独立変数単独の 効果である。 Donald
Rubin (b 1943)
19.
Rubin’s causal model あり
データ 転帰 治療 Yokukikumab
20.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 データ 介入なしの 場合の転帰 治療 Yokukikumab
21.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 データ 介入なしの 場合の転帰 この差を介入の因 果効果と定義した 治療 Yokukikumab
22.
高速道路 RQ: 高速道路を使ったら目 的地に早く着けるか? 一般道路 同じ人、同じ車が同時に両方を通れば 因果効果を求めることができる。
23.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 データ 介入なしの 場合の転帰 この差を介入の因 果効果と定義した 治療 Yokukikumab
24.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 この差を介入の因 果効果と定義した しかし 差が求められない 事実 反事実 治療 Yokukikumab
25.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 実際に求まるのは 上記の差だが… なし 欠損値 データ 治療 Yokukikumab
26.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 実際に求まるのは 上記の差だが… 介入以外の独立変 数も違う別世界 なし 欠損値 データ 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … 未知の因子 治療選択は共変量 に影響される 治療 Yokukikumab
27.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … R 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model RCTの場合 治療 Yokukikumab
28.
あり なし Yokukikumab 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … R 未知の因子 サンプルサイズが十分に大きければ、 二群は集団として同一と見なせる。 未知の因子を含め 全ての共変量が調 整されている データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model RCTの場合
29.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … R 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model 実際に求まる上記の差が、 同一集団の単一独立変数 の因果効果と見なせる。同一集団と見なせる RCTの場合 相互に代入可 治療 Yokukikumab
30.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … 未知の因子 PSMの場合 治療 Yokukikumab
31.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 58歳 女性 対象患者 中等症 ADL自立 待機的 健康保険 2014年 大学病院 … 未知の因子 PSMの場合 治療 Yokukikumab
32.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 76歳 男性 対象患者 重症 伝い歩き 待機的 無保険 2008年 一般病院 … 未知の因子 PSMの場合 治療 Yokukikumab
33.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 76歳 男性 対象患者 重症 伝い歩き 待機的 無保険 2008年 一般病院 … 未知の因子 PSMの場合 この確率を背景因子か ら計算したものがPS 治療 Yokukikumab
34.
Propensity scoreの計算 単なるロジスティック回帰です。 介入決定以前の背景因子が独立変数 介入の有無が目的変数 pがpropensity score 1例ごとにpropensity
scoreが求まる Propensity scoreとは介入を行う確率 値域は0-1
35.
Propensity score Frequency 0.0 0.2
0.4 0.6 0.8 1.0 010002000300040005000 Propensity scoreの計算 リウマチ症例 Yokukikumabを投与された
36.
Propensity score Frequency 0.0 0.2
0.4 0.6 0.8 1.0 010002000300040005000 Propensity scoreの計算 リウマチ症例 Yokukikumabを投与された Yokukikumabを投与されなかった
37.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model PSMの場合 治療 Yokukikumab
38.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model PSMの場合 PSが近い値で、介入有 り無しのペアを抽出 治療 Yokukikumab
39.
Propensity score Frequency 0.0 0.2
0.4 0.6 0.8 1.0 010002000300040005000 Propensity score matching リウマチ症例 Yokukikumabを投与された Yokukikumabを投与されなかった
40.
Propensity score Frequency 0.0 0.2
0.4 0.6 0.8 1.0 010002000300040005000 Propensity score matching リウマチ症例 Yokukikumabを投与された Yokukikumabを投与されなかった PSの近いペア
41.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model PSMの場合 マッチされなかった対象 個々のペアごとに同一 サンプルサイズが増えればさらに 既知の共変量は調整 されている。おそら く未知の共変量も… 治療 Yokukikumab
42.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model PSMの場合 マッチされなかった対象 実際に求まる上記の差が、 同一集団の単一独立変数 の因果効果と見なせる。同一集団と見なせる 治療 Yokukikumab 相互に代入可
43.
実際にやってみましょう • 配布した “PSM1.R”をエディタで開いて下さい •
中身はRの関数を記述したテキストファイルで す。 • 丸ごとRのコンソールに貼り付け、リターンを 押して実行して下さい。 • 宜保光一郎先生と吉田和樹先生に感謝! http://goo.gl/W5wfqR
44.
• “lalonde” datasetを使っています。 •
教育効果(介入)の年収(転帰)に対する因果 関係を調べてみましょう。 • 12変数からなる445例の観察研究です。 – 背景因子 8変数 – 治療 1変数 – 転帰 3変数 • 欠損値の無い完全データです。 実際にやってみましょう
45.
変数表 独立変数 (Propensity scoreの構成変数) age
年齢 educ 教育年数 black 黒人 hisp ヒスパニック married 既婚者 nodegr 高校卒業 re74 1974年の年収 re75 1975年の年収 介入 (Propensity scoreの目的変数) treat 教育プログラムの有無 目的変数 re78 1978年の年収 実際にやってみましょう
46.
Before PSM Stratified by
treat 0 1 p test n 260 185 age (mean (sd)) 25.05 (7.06) 25.82 (7.16) 0.265 educ (mean (sd)) 10.09 (1.61) 10.35 (2.01) 0.135 black (mean (sd)) 0.83 (0.38) 0.84 (0.36) 0.649 hisp (mean (sd)) 0.11 (0.31) 0.06 (0.24) 0.076 married (mean (sd)) 0.15 (0.36) 0.19 (0.39) 0.327 nodegr (mean (sd)) 0.83 (0.37) 0.71 (0.46) 0.001 re74 (mean (sd)) 2107.03 (5687.91) 2095.57 (4886.62) 0.982 re75 (mean (sd)) 1266.91 (3102.98) 1532.06 (3219.25) 0.382 re78 (mean (sd)) 4554.80 (5483.84) 6349.15 (7867.40) 0.005 u74 (mean (sd)) 0.75 (0.43) 0.71 (0.46) 0.326 u75 (mean (sd)) 0.68 (0.47) 0.60 (0.49) 0.065
47.
After PSM Stratified by
treat 0 1 p test n 150 150 age (mean (sd)) 25.41 (6.86) 25.48 (7.29) 0.929 educ (mean (sd)) 10.11 (1.67) 10.29 (1.77) 0.349 black (mean (sd)) 0.87 (0.33) 0.87 (0.34) 0.864 hisp (mean (sd)) 0.05 (0.23) 0.06 (0.24) 0.804 married (mean (sd)) 0.18 (0.39) 0.16 (0.37) 0.646 nodegr (mean (sd)) 0.81 (0.40) 0.77 (0.42) 0.399 re74 (mean (sd)) 1821.88 (4792.12) 1517.04 (4370.13) 0.565 re75 (mean (sd)) 1329.82 (3350.84) 914.13 (1943.45) 0.190 re78 (mean (sd)) 4064.76 (4568.86) 6149.53 (7960.04) 0.006 u74 (mean (sd)) 0.76 (0.43) 0.78 (0.42) 0.682 u75 (mean (sd)) 0.68 (0.47) 0.68 (0.47) 1.000
48.
Propensity score matching 利点 •
背景因子調整に優れる。 • 因果関係を言うことができる。 • 後ろ向き解析で最良の方法のひとつ。 • RCTと比べて、 – ランダム化が不可能な解析も可能。 – 低コスト。 – 厳格な倫理審査が不要。
49.
Propensity score matching 欠点 •
多くは後ろ向き解析。 • サンプルサイズの計算が困難。 • PSの構成変数を決める標準的な手法は確立していない。 • 介入前の背景因子がPSを構成するため、計算困難な場合 がある。 • 未知の背景因子は十分に調整できない。 • マッチングできなかった対象を除外するため、 – 検出力が低下する。 – PSの重なり合いが少ない介入の解析は困難。 • 欠損値に脆弱で更に検出力が低下する。
Télécharger maintenant