The use of propensity scores and observational data to estimate randomized controlled trial generalizability bias.
The use of propensity scores and observational data to estimate randomized controlled trial generalizability bias.
复制标题
DOI：
10.1002/sim.5802
复制
发表时间：
2013-09-10
影响因子：
2
通讯作者：
Kaizar, Eloise E.
中科院分区：
文献类型：
--
作者：
Pressler, Taylor R.;Kaizar, Eloise E.
关键词：
虽然随机对照试验(RCT)被认为是临床研究的“黄金标准”，但排除标准的使用可能会影响结果的外部有效性。目前尚不清楚是否通过将部分目标人群排除在登记之外而对效应大小进行估计是有偏差的。我们建议使用观测数据来估计由于招生限制造成的偏差，我们称之为泛化偏差。本文介绍了泛化偏差的一类估计量，并用模拟研究了它在非常数处理效应下的性质。我们发现一个令人惊讶的结果，即使所有潜在的混杂变量都没有被测量，我们的估计量对于真正的泛化偏差也是无偏的。此外，我们提出的双稳健估计即使在错误指定的模型下也表现得很好。
While randomized controlled trials (RCT) are considered the “gold standard” for clinical studies, the use of exclusion criteria may impact the external validity of the results. It is unknown whether estimators of effect size are biased by excluding a portion of the target population from enrollment. We propose to use observational data to estimate the bias due to enrollment restrictions, which we term generalizability bias. In this paper we introduce a class of estimators for the generalizability bias and use simulation to study its properties in the presence of non-constant treatment effects. We find the surprising result that our estimators can be unbiased for the true generalizability bias even when all potentially confounding variables are not measured. In addition, our proposed doubly robust estimator performs well even for mis-specified models.
登录
查看更多内容
DOI：
10.1111/j.1467-985x.2004.00349.x
发表时间：
2005-01-01
影响因子：
2
作者：
Greenland, S
通讯作者：
Greenland, S
影响因子：
4.4
作者：
Fortin, M;Dionne, J;Lapointe, L
通讯作者：
Lapointe, L
影响因子：
17.7
作者：
Humphreys, K;Weisner, C
通讯作者：
Weisner, C
影响因子：
1.9
作者：
Zimmerman, M;Chelminski, I;Posternak, MA
通讯作者：
Posternak, MA
减少观察研究中混杂影响的倾向评分方法简介。
影响因子：
3.8
作者：
Austin PC
通讯作者：
Austin PC