Propensity scoreの図解まとめ

11,614
-1

Published on

Published in: Education
1 Comment
20 Likes
Statistics
Notes
No Downloads
Views
Total Views
11,614
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
158
Comments
1
Likes
20
Embeds 0
No embeds

No notes for slide

Propensity scoreの図解まとめ

  1. 1. Propensity Score 図解まとめ “MIT白熱教室 これからの因果推論を考えよう”の 後半部分を切り出したものです。 日常診療で治療の割り 付けはランダムか?
  2. 2. 医師がよく考えて治 (はず) 療を決めている。
  3. 3. Causal Diagramの 説明はこちらを参考 http://www.slideshare.net/kaz_yos/20130921talktojapanesescientists20130921a
  4. 4. 重症度 性別 年齢 よく考えて治療を決めた結果... 薬剤投与 Yes/No ? 病気の改善 Yes/No 統計学的な関連は直接薬剤の効果を意味しない Association ≠ Causation 相関 ≠ 因果 相関 = 因果関係による相関 + 交絡による相関
  5. 5. そのまま比較できない
  6. 6. 重症度 性別 年齢 薬剤投与 Yes/No ? 病気の改善 Yes/No Restriction 制限 (重症度、性別、年齢で絞り込む) Stratification 層別化 (いくつかのグループに分けてグループ内で比較) Adjustment 統計学的な調節(原理的には層別化)
  7. 7. Propensity score
  8. 8. こ ま に つ 一 を ら れ 重症度 性別 年齢 る め と 薬剤投与 Yes/No ? 病気の改善 Yes/No
  9. 9. Propensity score PS 薬剤投与 Yes/No ? 病気の改善 Yes/No 複数の交絡因子がPropensity scoreと して一つにまとめられた。 注) 影響の強い交絡因子はすべて観測されている必要がある。
  10. 10. 解釈: 同じような被験者が次に来 たときに医師が治療を選ぶ確率 e.g., PS=0.25: このような被験者のうち25%が治療を受ける
  11. 11. 以降の図解は有名なSwanGanz cathのデータより Dr. Frank Harrell. Right heart catheterization dataset http://biostat.mc.vanderbilt.edu/twiki/bin/view/Main/DataSets
  12. 12. 治療じゃない! 治療戦略の一環ということで..
  13. 13. Propensity scoreの分布 合計 PS分布 無治療群 治療群 PS: 確率なので0から1 注)グラフは描き方の関係で足が出ています
  14. 14. Propensity scoreの分布(左右に展開) 縦軸がPS 治療群 無治療群
  15. 15. 縦軸がPS 無治療群 PS=0.75 25%が無治療群 治療群 75%が治療群 PS=0.50 PS=0.25 75%が無治療群 25%が治療群
  16. 16. Propensity score PS ゃま じ 薬剤投与 Yes/No ? 病気の改善 Yes/No PS→薬剤投与の矢印がじゃま。 PSを共通原因にしている。
  17. 17. じゃまな矢印をなんとかしたい ! 両群のPSが同じところ同士に限定して比べる ! 両群のPS分布の形態をそろえて全体を比べる
  18. 18. PS 層別化 無治療群 その層内で比較 治療群 層5 層4 層3 層2 層1
  19. 19. PS層別化 ! 利点 ! ! 好きな効果量を測定(リスク比やリスク差) ! ! 分かりやすい 層ごとに治療効果が異なるか評価できる 欠点 ! いくつにわけるのか?幅が広すぎないか? ! 一番下と一番上の層は群間のバランスが悪い
  20. 20. PS 調節 無治療群 治療群 基本的にはモデル を使う層別化。無 限に細かい階層内 で無治療群、治療 群を比較する。
  21. 21. PS調節 ! 利点 ! ! ソフトウェアでやるのが楽 欠点 ! 基本的にオッズ比しか出せない ! PSとアウトカムの関係を正しくモデル化する必要性 ! PSの違いによる効果の違いをどうモデル化するか?
  22. 22. これらはPSが同じ患者同士しか比べない PS 薬剤投与 Yes/No ? 病気の改善 Yes/No PSが同じ患者同士では治療の選択はランダムに起 こっていると解釈できる。PSが同じ人の中ではPSは 治療選択を予測しない。(定数は相関しない)
  23. 23. PSマッチング 無治療群 同じぐらいのPSの 治療群 治療群と無治療群 の被験者を対にし ていく。つまり、 PS=0.75 PS=0.50 PS=0.25 相方がいないとこ ろを切りすてる。
  24. 24. PSマッチング ! 利点 ! ! Marginal effect (RCTのような解釈) ! 好きな効果量を測定(リスク比やリスク差) ! ! 分かりやすく一番人気。 PSの違いによる効果の違いは無視してもよいし、検討しても良い 欠点 ! 一部の対象者のデータを捨てることになる
  25. 25. PS 重みづけ(IPTW) 無治療群 同じ形になるように対象 者をふくらます。自分の 治療群 グループの割当確率の逆 数を掛ける。 25%が無治療群。1/0.25倍すると 75%が治療群。1/0.75倍すると全 全体の大きさ(1)になる。1人が4 体の大きさ(1)になる。 1人が1.33 人になる。 人になる。 75%が無治療群。 25%が治療群。1/0.25 1/0.75倍すると全体の 倍すると全体の大きさ 大きさ(1)になる。1人 (1)になる。 1人が4人 が1.33人になる。 になる。 Inverse probability of treatment weight (IPTW)
  26. 26. PS 重みづけ(S-IPTW) 同じ形になるように対象者を 無治療群 治療群 その後、それぞれの群が元の ふくらます。自分のグループ の割当確率の逆数を掛ける。 人数になるように圧縮する。 PS=0.75 治療群には治療群の元々の割 合、無治療群には無治療群の 元々の割合をかける。 PS=0.50 PS=0.25 Stabilized inverse probability of treatment weight (Stabilized IPTW)
  27. 27. PS重みづけ(IPTW) ! 利点 ! ! ! Marginal effect (RCTのような解釈) コホート全体を治療した時の効果(IPTW) 欠点 ! 対象者のインフレ。端の方の人が大きくなる ! “コホート全体を治療した場合”というシナリオは有効?
  28. 28. PS 重みづけ(SMRW) 無治療群 治療群 治療群はそのまま残す(重み 1)。無治療群は1/(1-PS)をか けて全体の大きさまでふくら ます。さらにPSをかけて、治 PS=0.75 療群の大きさにそろえる。 PS=0.50 PS=0.25 Standardized mortality ratio weighting (SMRW)
  29. 29. PS重みづけ(SMRW) ! 利点 ! ! ! Marginal effect (RCTのような解釈) 治療群を治療した時の効果(SMRW) 欠点 ! 対象者のインフレ。無治療群の上端の方の人が 大きくなる
  30. 30. これらはPSと薬剤投与の関連を断ち切る PS 矢印無し 薬剤投与 Yes/No ? 病気の改善 Yes/No これらの手法によるMatched cohortや Pseudo-populationの中ではPSと治療 選択の相関がなくなっている。
  31. 31. まとめ ! 因果推論は比較することで行われる。 ! Counterfactualを比較する。 ! 一番理想的なのはランダム化比較試験。 ! 観察研究の場合はいろいろ工夫が必要。
  32. 32. スライド: http://www.slideshare.net/kaz_yos/ コード: http://rpubs.com/kaz_yos/ps-rhc

×