限界ハザード比を推定するための異なる傾向スコア方法のパフォーマンス

傾向スコア方法は、観察または非ランダム化データを使用する際の治療、暴露、または介入の影響を推定する際の交絡の影響を減らすか最小化するために使用されています。測定されていない交絡因子の仮定の下で、以前の研究では、傾向スコア方法により、線形治療効果の公平な推定（たとえば、平均または割合の違い）が可能であることが示されています。ただし、生物医学的研究では、イベントまでの時間までの結果が頻繁に発生します。時間からイベントの結果に対する治療の影響を推定するための異なる傾向スコア方法のパフォーマンスに関する研究が不足しています。さらに、傾向スコア方法により、限界または人口平均の治療効果の推定が可能になります。我々は、一連のモンテカルロシミュレーションを実施して、傾向スコアマッチングのパフォーマンス（傾向スコアキャリパー内の1：1の貪欲な最寄りのマッチング）、傾向スコアの層別化、傾向スコアを使用した治療の重み付けの逆確率（IPTW）、および傾向スコアを使用して総合的なハザードラティオスを使用して調整を共変化します。傾向スコアマッチングと傾向スコアを使用するIPTWの両方が、最小限のバイアスで限界ハザード比を推定できることがわかりました。これらの2つのアプローチのうち、傾向スコアを使用すると、治療を受けた治療の効果を推定すると、平均2乗誤差が低い推定値が発生しました。傾向スコアの層別化と傾向スコアを使用した共変量調整により、限界と条件付きのハザード比の両方が偏った推定になります。応用研究者は、時間からイベントの結果に対する治療の相対的な効果を推定する際に傾向スコアマッチングとIPTWを使用することをお勧めします。

Propensity score methods are increasingly being used to reduce or minimize the effects of confounding when estimating the effects of treatments, exposures, or interventions when using observational or non-randomized data. Under the assumption of no unmeasured confounders, previous research has shown that propensity score methods allow for unbiased estimation of linear treatment effects (e.g., differences in means or proportions). However, in biomedical research, time-to-event outcomes occur frequently. There is a paucity of research into the performance of different propensity score methods for estimating the effect of treatment on time-to-event outcomes. Furthermore, propensity score methods allow for the estimation of marginal or population-average treatment effects. We conducted an extensive series of Monte Carlo simulations to examine the performance of propensity score matching (1:1 greedy nearest-neighbor matching within propensity score calipers), stratification on the propensity score, inverse probability of treatment weighting (IPTW) using the propensity score, and covariate adjustment using the propensity score to estimate marginal hazard ratios. We found that both propensity score matching and IPTW using the propensity score allow for the estimation of marginal hazard ratios with minimal bias. Of these two approaches, IPTW using the propensity score resulted in estimates with lower mean squared error when estimating the effect of treatment in the treated. Stratification on the propensity score and covariate adjustment using the propensity score result in biased estimation of both marginal and conditional hazard ratios. Applied researchers are encouraged to use propensity score matching and IPTW using the propensity score when estimating the relative effect of treatment on time-to-event outcomes.