National and Kapodistrian University of Athens
Comparison of propensity score with traditional adjustment methods with application to HIV data
Abstract
dc:descriptionΗ παρούσα διπλωματική εργασία διερευνά το πώς οι μέθοδοι propensity score συγκρίνονται με τις παραδοσιακές μεθόδους adjustment κατά την ανάλυση μελετών παρατήρησης, με χρήση πραγματικών δεδομένων HIV από τη μελέτη AMACS στην Ελλάδα. Οι μελέτες παρατήρησης είναι χρήσιμες για την αναγνώριση συσχετίσεων, αλλά είναι ευάλωτες σε συγχυτικούς παράγοντες και σε διάφορες μορφές μεροληψίας λόγω της απουσίας τυχαιοποίησης. Οι μέθοδοι propensity score στοχεύουν στην δημιουργία ισορροπίας που επιτυγχάνεται φυσικά στις τυχαιοποιημένες κλινικές δοκιμές, επιτρέποντας έτσι μια πιο αξιόπιστη αιτιώδη ανάλυση. Στο πλαίσιο της εργασίας εξετάζονται διάφορες μέθοδοι εκτίμησης, όπως η «παραδοσιακή» παλινδρόμησης καθώς και οι δύο πιο ευρέως εφαρμοσμένες προσεγγίσεις propensity score (Propensity Score Matching και Inverse Probability Weighting). Επιπλέον αξιολογούνται και άλλες μέθοδοι matching, όπως το Mahalanobis distance matching και το Coarsened Exact Matching. Οι προσεγγίσεις αυτές εφαρμόζονται σε δεδομένα ασθενών με λοίμωξη HIV με σκοπό την εκτίμηση της μέσης επίδρασης στους θεραπευμένους (Average Treatment Effect on the Treated, ATT), συγκρίνοντας θεραπευτικά σχήματα βασισμένα σε INSTI με σχήματα βασισμένα σε PI. Τα δεδομένα περιλαμβάνουν δημογραφικά και κλινικά χαρακτηριστικά, όπως ο τρόπος μετάδοσης, τα επίπεδα CD4, το στάδιο της HIV λοίμωξης, το ιικό φορτίο και το έτος έναρξης της θεραπείας. Για την περαιτέρω αξιολόγηση της συνέπειας, της ακρίβειας και της ευρωστίας των μεθόδων, η εργασία ενσωματώνει μια εκτενή μελέτη προσομοίωσης. Συνολικά εξετάστηκαν 25 σενάρια για διαφορετικούς συνδυασμούς επιπέδων confounding(σύγχιση) και overlapping (επικάλυψη) και αξιολογήθηκε η απόδοση των μεθόδων με βάση δείκτες όπως το bias, το RMSE, το τυπικό σφάλμα, η πιθανότητα κάλυψης και η διατήρηση του δείγματος. Τα αποτελέσματα αποκαλύπτουν σημαντική μεταβλητότητα στην απόδοση των μεθόδων. Καμία προσέγγιση δεν αποδίδει βέλτιστα σε όλες τις συνθήκες. Το Propensity Score Matching επιτυγχάνει καλή εξισορρόπηση των μεταβλητών, αλλά συχνά οδηγεί σε απώλεια δείγματος. Το Inverse Probability Weighting εμφανίζει σταθερή απόδοση στα πραγματικά δεδομένα, αλλά παρουσιάζει διαφορετικά επίπεδα μεροληψίας στις προσομοιωμένες συνθήκες. Η γραμμική παλινδρόμηση αποδίδει καλά όταν υπάρχει επαρκής επικάλυψη μεταξύ των ομάδων. Το Coarsened Exact Matching παρουσιάζει αξιοσημείωτη απόδοση σε απαιτητικά σενάρια, ενώ το Mahalanobis distance matching είναι ιδιαίτερα ευαίσθητο στον ορισμό του μοντέλου και στον αριθμό των συμμεταβλητών. Συνολικά, η εργασία καταλήγει ότι η προσεκτική διαγνωστική ανάλυση, ο σωστλος ορισμός του μοντέλου και η αξιολόγηση των επιπέδων confounding και overlapping αποτελούν κρίσιμα βήματα πριν από την επιλογή οποιασδήποτε μεθόδου εκτίμησης. Παρότι οι πιο πολύπλοκες μέθοδοι μπορεί σε ορισμένες περιπτώσεις να προσφέρουν πιο συντηρητικές εκτιμήσεις, οι απλούστερες προσεγγίσεις, όπως η γραμμική παλινδρόμηση, παραμένουν ιδιαίτερα χρήσιμες και δεν πρέπει να παραβλέπονται. Τελικά, οι μέθοδοι πρέπει να θεωρούνται συμπληρωματικά εργαλεία και όχι ανταγωνιστικές προσεγγίσεις, ενώ η αξιοπιστία των αιτιωδών εκτιμήσεων εξαρτάται περισσότερο από την κατάλληλη εφαρμογή και τα χαρακτηριστικά των δεδομένων παρά από τον βαθμό πολυπλοκότητας της μεθοδολογίας.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Ρέβελου Αγγελική
- Revelou Angeliki
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:5317981