[論文レビュー] The Missing Covariate Indicator Method is Nearly Valid Almost Always

Xu, Gang, Mingyang Song+4 more|arXiv (Cornell University)|Oct 30, 2021

Statistical Methods in Epidemiology被引用数 33

ひとこと要約

本論文はMissing Covariate Indicator Method (MCIM) が偏りを生じる条件を導出し、典型的な疫学設定においてほぼ有効であることを示す。欠測がアウトカムと独立で、共変量が非交絡のリスク因子として働く場合に偏りの回避がより大きい。

ABSTRACT

Background: Although the missing covariate indicator method (MCIM) has been shown to be biased under extreme conditions, the degree and determinants of bias have not been formally assessed. We derived the formula for the relative bias in the MCIM and systematically investigated conditions under which bias arises. We found that the extent of bias is independent of both the disease rate and the exposure-outcome association, but it is a function of 5 parameters: exposure and covariate prevalences, covariate missingness proportion, and associations of covariate with exposure and outcome. The MCIM was unbiased when the missing covariate is a risk factor for the outcome but not a confounder. The average median relative bias was zero across each of the parameters over a wide range of values considered. Our simulation study demonstrated that the mean and median of relative bias of MCIM was comparable to that of the no missingness method, which used the full sample with complete information for all variables, as long as the missingness of covariate is independent of the outcome. When missingness was no greater than 50%, less than 5% of the scenarios considered had relative bias greater than 10%. In several analyses of the Harvard cohort studies, the MCIM produced materially the same results as the multiple imputation method. In conclusion, the MCIM is nearly valid almost always in settings typically encountered in epidemiology and its continued use is recommended, unless the covariate is missing in an extreme proportion or acts as a strong confounder.

研究の動機と目的

• 欠測データ条件の変動下で Missing Covariate Indicator Method (MCIM) の偏りを評価する。
• 相対的な偏りの式を導出し、偏りの主要な決定要因を特定する。
• シミュレーションと実際のコホート分析において、完全情報および多重代入と比較したMCIMの性能を評価する。

提案手法

• MCIM の相対的偏りを、暴露頻度、共変量頻度、共変量欠測の割合、および共変量と暴露・アウトカムの関連の5パラメータの関数として導出する。
• MCIM が無偏となる条件を特徴づける（共変量がアウトカムのリスク要因であるが交絡因子ではない）。
• シナリオ間で欠測なし法と比較するためのシミュレーション研究を実施する。
• Harvard コホート分析にMCIMを適用し、多重代入結果と比較する。

実験結果

リサーチクエスチョン

• RQ1 MCIM はどの条件で偏りを生じさせ、偏りはどれくらい大きくなり得るか？
• RQ2 5つのパラメータ（暴露の有病率/共変量有病率、欠測の割合、共変量-暴露/アウトカムの関連）は偏りにどう影響するか？
• RQ3 欠測共変量がアウトカムのリスク因子であるが交絡因子ではない場合、MCIM は無偏か？
• RQ4 シミュレーションと実データの両方で、MCIM は完全データ法および多重代入と比較してどのように機能するか？

主な発見

• MCIM の偏りは5パラメータの関数であり、疾病率および暴露–アウトカムの関連とは独立である。
• 欠測共変量がアウトカムのリスク要因であるが交絡因子ではない場合、MCIM は無偏である。
• 広いパラメータ値範囲で平均中央値相対偏りはゼロである。
• シミュレーションでは、欠測がアウトカムと独立している限り、MCIM の平均および中央値相対偏りは欠測なし法と同等である。
• 欠測が50％を超えない場合、相対偏りが10％を超えるシナリオは全体の5％未満だった。
• Harvard コホート分析では、MCIM は多重代入と実質的に類似した結果を示した。