Desmitificando la estabilización en el ponderado por probabilidad inversa del tratamiento

Área de la Ciencia:

• Inferencia causal
• Modelado estadístico
• Bioestadística

Sus antecedentes:

• El ponderado por probabilidad inversa del tratamiento (IPTW) es crucial para la estimación del efecto causal con covariables desequilibradas.
• Los pesos grandes en IPTW pueden inflar la varianza y distorsionar la inferencia.
• Los pesos estabilizados tienen como objetivo mitigar la variabilidad causada por pesos extremos.

Objetivo del estudio:

• Aclarar el papel y el impacto de los pesos estabilizados en el análisis IPTW.
• Evaluar el IPTW estabilizado en modelos lineal, logístico y de Cox de riesgos proporcionales.
• Abordar conceptos erróneos comunes sobre el IPTW y la estabilización de pesos.

Principales métodos:

• Derivaciones teóricas de IPTW y IPTW estabilizado.
• Estudios de simulación para comparar métodos de estimación.
• Análisis de entornos de tratamiento binario de referencia.

Principales resultados:

• El IPTW estabilizado produce estimaciones puntuales idénticas al IPTW original en regresiones lineales y logísticas saturadas.
• Se observan ligeras diferencias en las estimaciones puntuales con el IPTW estabilizado en regresiones de Cox.
• La estabilización mejora la estimación de la varianza solo cuando se ignora la correlación dentro del sujeto; se recomiendan estimadores de varianza robustos.

Conclusiones:

• El IPTW estabilizado es una herramienta valiosa para la inferencia causal, particularmente en entornos regulatorios.
• La estimación de la varianza robusta o los métodos de remuestreo son esenciales para una estimación precisa de la varianza, independientemente de la estabilización de los pesos.
• Comprender los matices de los pesos estabilizados previene malinterpretaciones del poder estadístico y mejora la precisión de la inferencia causal.