Informative cluster sizes for subcluster-level covariates and weighted generalized estimating equations.
Informative cluster sizes for subcluster-level covariates and weighted generalized estimating equations.
复制标题
亚集群级协变量和加权广义估计方程的信息群集大小。
DOI：
10.1111/j.1541-0420.2010.01542.x
复制
发表时间：
2011-09
期刊：
影响因子：
1.9
通讯作者：
Leroux B
中科院分区：
文献类型：
--
作者：
Huang Y;Leroux B
的集群加权广义估计方程（CWGEE）是有效的调整偏差，由于集群级协变量的信息集群大小。我们表明，CWGEE可能没有很好地执行，但是，协变量，可以采取不同的值在一个集群内，如果在每个协变量水平的观测数量是信息。另一方面，治疗加权的逆概率解释了信息性治疗倾向，但不解释信息性聚类大小。出于这种类型的信息存在的二进制曝光的影响进行评估，我们提出了几个加权广义估计方程估计，与集群的大小以及集群内的二进制曝光的分布相关的权重。权重的选择取决于目标人群和暴露的性质。通过模拟研究，我们证明了新估计量与现有估计量（例如GEE、CWGEE和治疗加权GEE的逆概率）相比的上级性能。我们证明了我们的方法的使用，使用一个例子检查协变量对幼儿龋齿风险的影响。
’s cluster-weighted generalized estimating equations (CWGEE) are effective at adjusting for bias due to informative cluster sizes for cluster-level covariates. We show that CWGEE may not perform well, however, for covariates that can take different values within a cluster if the numbers of observations at each covariate level are informative. On the other hand, inverse probability of treatment weighting accounts for informative treatment propensity but not for informative cluster size. Motivated by evaluating the effect of a binary exposure in presence of such types of informativeness, we propose several weighted generalized estimating equation estimators, with weights related to the size of a cluster as well as the distribution of the binary exposure within the cluster. Choice of the weights depends on the population of interest and the nature of the exposure. Through simulation studies, we demonstrate the superior performance of the new estimators compared to existing estimators such as from GEE, CWGEE, and inverse probability of treatment weighted GEE. We demonstrate the use of our method using an example examining covariate effects on the risk of dental caries among small children.
登录
查看更多内容
影响因子：
1.9
作者：
Neuhaus, JM;Kalbfleisch, JD
通讯作者：
Kalbfleisch, JD
影响因子：
2.7
作者：
Imbens, GW
通讯作者：
Imbens, GW
基于模型的直接调整
影响因子：
3.7
作者：
ROSENBAUM, PR
通讯作者：
ROSENBAUM, PR
影响因子：
1.9
作者：
Rieger, RH;Weinberg, CR
通讯作者：
Weinberg, CR
影响因子：
2.7
作者：
ROSENBAUM, PR;RUBIN, DB
通讯作者：
RUBIN, DB