Improving Bias Correction Standards by Quantifying its Effects on Treatment Outcomes

随着对行政卫生数据库的访问不断增加，回顾性研究已成为医疗治疗的关键证据。然而，非随机研究经常面临选择偏倚，需要采取缓解策略。倾向得分匹配（PSM）通过选择可比较的人群来解决这些偏差，允许进行分析而不需要进一步的方法学约束。然而，PSM有几个缺点。不同的匹配方法即使符合所有验证标准，也可能为同一任务产生显著不同的平均治疗效应（ATE）。为了防止选择最佳方法，公共机构必须涉及领域专家并与研究人员进行广泛的讨论。 为了解决这个问题，我们引入了一种新的度量标准A2A，以减少有效匹配的数量。A2A构建了人工匹配任务，这些任务与原始任务相似，但具有已知的结果，全面评估每种匹配方法的性能，从倾向估计到ATE估计。当与标准化平均差异相结合时，A2A增强了模型选择的精度，导致合成任务中ATE估计误差减少高达50％，并且在合成和真实数据集中预测的ATE变异性减少高达90％。据我们所知，A2A是第一个能够使用未涉及选择的协变量评估结果校正精度的指标。 计算A2A需要解决数百个PSM，因此我们自动化了PSM流程的所有手动步骤。我们将Python和R中的PSM方法、我们的自动化流程、一个新的度量标准和可重复的实验集成到我们的新Python包popmatch中，以增强偏差校正方法的可重复性和可访问性。

如何解决非随机化研究中的选择偏差问题，提高医学治疗的证据可靠性？

提出了一种新的度量指标A2A，通过构建人工匹配任务来评估匹配方法的性能，从倾向得分估计到平均治疗效应估计全面评估。该度量指标可以减少ATE估计误差，并提高模型选择的精度。

论文自动化了PSM流程，将多种PSM方法集成到一个Python包中，提高了可重复性和可访问性。实验结果表明，A2A可以减少ATE估计误差和预测ATE变异性，值得进一步研究。

与该论文相关的研究包括：《Propensity score methods for bias reduction in the comparison of a treatment to a non-randomized control group》、《A comparison of propensity score methods: a case-study estimating the effectiveness of post-AMI statin use》等。