[論文レビュー] Addressing Extreme Propensity Scores in Estimating Counterfactual Survival Functions via the Overlap Weights

Chao Cheng, Fan Li+2 more|arXiv (Cornell University)|Aug 10, 2021

Advanced Causal Inference Techniques被引用数 4

ひとこと要約

本稿では、観察研究における時間発生アウトカムを対象に、逆確率重み付けと被ばつ確率重み付けを統合した重み付け推定法を提案し、反実仮想生存関数の推定を改善する。標準的な逆確率重み付けと比較して、治療群間の共変量オーバーラップが低い状況でもバイアスと分散が低減される。

ABSTRACT

The inverse probability weighting approach is popular for evaluating treatment effects in observational studies, but extreme propensity scores could bias the estimator and induce excessive variance. Recently, the overlap weighting approach has been proposed to alleviate this problem, which smoothly down-weighs the subjects with extreme propensity scores. Although advantages of overlap weighting have been extensively demonstrated in literature with continuous and binary outcomes, research on its performance with time-to-event or survival outcomes is limited. In this article, we propose two weighting estimators that combine propensity score weighting and inverse probability of censoring weighting to estimate the counterfactual survival functions. These estimators are applicable to the general class of balancing weights, which includes inverse probability weighting, trimming, and overlap weighting as special cases. We conduct simulations to examine the empirical performance of these estimators with different weighting schemes in terms of bias, variance, and 95% confidence interval coverage, under various degree of covariate overlap between treatment groups and censoring rate. We demonstrate that overlap weighting consistently outperforms inverse probability weighting and associated trimming methods in bias, variance, and coverage for time-to-event outcomes, and the advantages increase as the degree of covariate overlap between the treatment groups decreases.

研究の動機と目的

• 観察データを用いた反実仮想生存関数推定における極端な傾向スコアの問題に対処すること。
• 治療群とコントロール群の共変量オーバーラップが限られている状況でも、生存解析における推定の正確性と精度を向上させること。
• 従来、連続変数および二値アウトカムに用いられてきたオーバーラップ重み付け手法を、右打ち切りを伴う時間発生アウトカムに拡張すること。
• 異なる共変量オーバーラップ度および被ばつ率の下で、オーバーラップ重み付けの性能を逆確率重み付けおよびトリミングと比較すること。

提案手法

• 傾向スコア重み付けと逆確率被ばつ重み付けを統合した2つの重み付け推定法を提案し、治療割り当ておよび被ばつ両方の調整を可能にする。
• 逆確率重み付け、トリミング、オーバーラップ重み付けを特別なケースとして含む一般化されたバランス重みのクラスを適用する。
• 極端な傾向スコアを持つ単位を滑らかに低減重み化するオーバーラップ重みを用い、推定の安定性を向上させる。
• 加重推定方程式を用いて反実仮想生存関数の一貫した推定量を生成する。
• 重み付け構造を反映した分散推定技術を用いて、妥当な信頼区間を構築する。
• 制御されたシナリオ下で異なる重み付け方式の性能を比較するためのシミュレーションスタディを実施する。

実験結果

リサーチクエスチョン

• RQ1 共変量オーバーラップの度合いが異なる条件下で、オーバーラップ重み付けは逆確率重み付けおよびトリミングと比較して、反実仮想生存関数推定にどの程度優れているか？
• RQ2 被ばつ率の変化が、生存アウトカム推定における異なる重み付け方式の性能に与える影響は何か？
• RQ3 傾向スコアが極端な状況下で、オーバーラップ重み付けはバイアスと分散を低減するか？
• RQ4 治療群間の共変量オーバーラップ度が、重み付け手法の相対的性能にどのように影響するか？
• RQ5 現実的なシミュレーション条件下で、オーバーラップ重み付け推定量は十分な95％信頼区間カバレッジを維持するか？

主な発見

• オーバーラップ重み付けは、時間発生アウトカムにおいて、バイアス、分散、および95％信頼区間カバレッジの観点で、逆確率重み付けおよびトリミングを一貫して上回る。
• 治療群間の共変量オーバーラップ度が低下するほど、オーバーラップ重み付けの性能優位性が顕著になる。
• 被ばつ率が高い状況下でも、オーバーラップ重み付けは良好なカバレッジ特性を維持するが、従来手法ではカバレッジ誤差が増加する傾向を示す。
• 極端な傾向スコアが存在する状況下で、オーバーラップ重み付けは逆確率重み付けと比較して、バイアスおよび平均二乗誤差が顕著に低減される。
• 提案された推定量は、治療群間での共変量分布のバランスをより良く実現し、より信頼性の高い反実仮想生存推定を可能にする。
• シミュレーション結果から、オーバーラップ重み付けは、特にオーバーラップが限られている状況で、分散が低くより安定した推定を提供することが示された。