Cox PH分析および共変量選択における傾向スコアの重み付け

イベント発生までの時間の生存データのコックス比例ハザードモデリングを行う際の傾向スコアの重み付け（IPTW）について：

私は、ほとんどの場合、患者がベースラインですでに服用していた薬剤の治療効果を調べることに関心がある、予想されるレジストリデータを持っています。したがって、データを最適に分析する方法がわかりません。潜在的に、いくつかのベースライン変数はかなりの程度、治療によって影響され、その逆ではありません（たとえば、特定のバイオマーカー）。重みを推定するための傾向スコアモデルに含める必要がある共変量と、coxphモデルに共変量として含める必要がある共変量（ある場合）について少し迷っています。正しい方向のヒントがあれば役立ちます。現在のところ、CoxPhモデリングでこれに関する文献を見つけることはできません。

ベースラインで開始され、結果に影響を与える可能性のある治療を表す共変量は、Cox PH共変量として含める必要があると考えていますが、これはわかりません。

傾向スコアの重みの計算に使用するのではなく、Coxモデルに共変量として含める必要がある変数をどのように決定しますか？

フォローアップの質問：

私は、すでに始まっている特定の介入の治療効果を評価するという相続問題を理解しています。つまり、観察を始める前に、患者に蔓延しています。リスクの時間変動に関連するバイアスの導入（たとえば、治療の最初の年に一般的な有害な副作用）と治療によって影響を受ける共変量の両方について。私が間違っていない場合-これは、心血管エンドポイントとホルモン補充療法に関して、観察と無作為化の間の不一致の原因として提案されています。一方、私のデータセットでは、治療の悪影響の可能性を調べることに関心があります。

傾向スコア調整を使用して、一般的なユーザー間の治療効果を調査する場合、つまり、観察が始まる前にすでに薬物を使用しているコホートデータで、薬物療法の悪影響を観察した場合（これは私たちが探していたものです）。治療に伴うリスクを過大評価する可能性を排除できますか？つまり、リスクが大幅に上昇している限り、それは最も「確実に」防御的ではありませんか？

この種のバイアスが、この文脈での偽のリスク関連のリスクの過大評価をもたらす可能性がある例を完全に描くことはできません。

理論的には、傾向スコアの重みの一部として選択するすべての変数をモデルの共変量として含める必要はありません。これは、潜在的な交絡について重み付けがすでに制御されているためです。適切な重み付けモデルを使用すると、文字通り、露出の影響をモデル化できます。

そうは言っても、モデルに用語を含めたい理由はいくつかあります。

• 「二重にロバスト」な見積もり。精度の低下を除いて、重み付けモデルと共変量の両方で変数を使用できない理由はありません。理論的には、2つの方法が混乱しないように保護します（したがって、この手法は「二重に堅牢」と呼ばれます）。これは、正しいモデルを指定する「2回目のチャンス」を与えることで、PSモデルまたは共変量モデルのいずれかが誤って指定されるのを防ぐだけであり、魔法の修正ではないことに注意してください。
• 興味のある複数の見積もり。重み付けにより、共変量からの効果の推定値が消えます。変数の回帰係数が必要な場合は、PSモデルではなく CoxPHステップに共変量としてそれを含めます。

疫学やアメリカの疫学ジャーナルなどのジャーナルや生物統計学の文献で「二重に頑健」や類似の用語を検索してみてください。有用な情報源がいくつか見つかります。

「治療の影響を受ける」と「治療に関連する」を区別することが重要です。後者には、傾向や共変量調整で調整しようとしているものなどの治療選択係数を含めることができます。「治療の影響を受ける」とは、共変量がゼロ時間後（たとえば、ランダム化後または治療開始後）に測定されることを意味します。つまり、これらはほとんど使用されません。