Puente de binarización: inferencia causal con exposiciones continuas dicotomizadas

Área de la Ciencia:

• Inferencia Causal
• Bioestadística
• Epidemiología

Sus antecedentes:

• El efecto promedio del tratamiento (ATE) se define típicamente para exposiciones binarias.
• Las exposiciones continuas a menudo se dicotomizan, lo que genera preocupaciones estadísticas.
• Los métodos existentes para exposiciones continuas carecen de una interpretación clara.

Objetivo del estudio:

• Validar la binarización como un método estadísticamente sólido para exposiciones continuas.
• Aclarar las suposiciones y la interpretación de los estimadores de efectos causales binarizados.
• Introducir un nuevo parámetro para preguntas causales más relevantes.

Principales métodos:

• Prueba de equivalencia entre el ATE binarizado y las políticas de tratamiento modificadas.
• Demostración de la preservación asumida de la autoselección relativa.
• Introducción de un nuevo parámetro objetivo de referencia.

Principales resultados:

• La binarización es estadísticamente equivalente a políticas de tratamiento modificadas específicas.
• Se aclararon las suposiciones subyacentes a la binarización y la interpretación de los estimadores.
• Se propuso un nuevo parámetro que aborda preguntas causales más relevantes.

Conclusiones:

• La binarización es un enfoque válido para la inferencia causal con exposiciones continuas.
• Comprender y declarar las suposiciones es crucial para una interpretación adecuada.
• El nuevo parámetro ofrece un punto de referencia más relevante para el análisis causal.