[논문 리뷰] The Missing Covariate Indicator Method is Nearly Valid Almost Always

Xu, Gang, Mingyang Song외 4명|arXiv (Cornell University)|2021. 10. 30.

Statistical Methods in Epidemiology인용 수 33

한 줄 요약

본 연구는 Missing Covariate Indicator Method(MCIM)가 편향되는 시점을 도출하고, 전형적인 역학 설정에서 거의 타당하다는 것을 보여주며, 누락이 결과와 독립적이고 공변량이 교란 요인으로 작용하지 않는 경우 편향이 크게 피한다.

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.

연구 동기 및 목표

• 다양한 누락 데이터 조건에서 Missing Covariate Indicator Method(MCIM)의 편향을 평가한다.
• 상대 편향에 대한 수식을 도출하고 편향의 주요 결정 요인을 식별한다.
• 시뮬레이션과 실제 코호트 분석에서 MCIM의 성능을 완전정보 및 다중대체법과 비교 평가한다.

제안 방법

• 노출 유병률, 공변량 유병률, 공변량 누락 비율, 그리고 공변량의 노출 및 결과와의 연관성 다섯 매개변수의 함수로서 MCIM의 상대 편향에 대한 수식을 도출한다.
• 공변량이 결과의 위험 요인이지만 교란 요인이 아닐 때 MCIM이 편향되지 않는 상황을 특징지어진다.
• 다양한 시나리오에서 누락 없음 방법과 MCIM을 비교하기 위한 시뮬레이션 연구를 수행한다.
• Harvard 코호트 분석에 MCIM을 적용하여 다중대체 결과와 비교한다.

실험 결과

연구 질문

• RQ1 MCIM이 편향을 도입하는 조건은 무엇이며 그 편향은 얼마나 큰가?
• RQ2 다섯 매개변수(노출/공변량 유병률, 누락 비율, 그리고 공변량-노출/결과 연관성)가 편향에 어떤 영향을 미치는가?
• RQ3 누락된 공변량이 결과의 위험 요인이지만 교란 요인이 아닐 때 MCIM이 편향되지 않는가?
• RQ4 시뮬레이션과 실제 데이터 모두에서 MCIM의 성능이 완전 데이터 접근법 및 다중 대체와 어떻게 비교되는가?

주요 결과

• MCIM의 편향은 다섯 매개변수의 함수이며 질병 비율과 노출-결과 연관성과는 무관하다.
• 누락된 공변량이 결과의 위험 요인이지만 교란 요인이 아닐 때 MCIM은 편향되지 않는다.
• 매개변수 값의 폭넓은 범위에서 평균 중앙 상대 편향은 0이다.
• 시뮬레이션에서 누락이 결과와 독립적인 한 MCIM의 평균 및 중앙 상대 편향은 누락 없음 방법과 비교 가능하다.
• 누락이 50%를 넘지 않을 때 상대 편향이 >10%인 시나리오는 5% 미만이었다.
• Harvard 코호트 분석에서 MCIM은 다중 대체와 실질적으로 유사한 결과를 산출했다.