Star*Dデータの経験のない研究における交絡制御：ロジスティック回帰バランスのバランス共変量がブーストされたカートよりも優れています

目的：強力なバイアス削減ツールである傾向スコア（PSS）は、経験のない研究で測定された共変量の治療グループのバランスをとることができます。共変量バランスを最適化するために、複数のPS推定方法の使用を実証します。 方法：うつ病試験を緩和するためのシーケンスされた治療の代替手段で、非精神病性大うつ病障害のある1292人の成人の二次データを使用しました（2001-2004）。最初のシタロプラム治療が失敗した後、患者の好みは、投薬増強（n = 565）またはスイッチ（n = 727）への割り当てに影響を与えました。選択バイアスを減らすために、ブーストされた分類および回帰ツリー（BCART）とロジスティック回帰を繰り返し使用して、2つの潜在的に最適なPSSを特定しました。共変量のバランスを評価して比較しました。 結果：不均衡を最小限に抑えるための相互作用用語の反復選択の後、ロジスティック回帰はBCART（47の共変量にわたる平均標準化絶対平均差：0.03対0.08、マッチング; 0.02対0.05、重み）をもたらしました。 結論：複数のPS推定値を比較することは、バランスを最適化するための実用的な方法です。ロジスティック回帰は、この目的にとって価値があります。さまざまな条件下でPSモデルを比較するには、シミュレーション研究が必要です。このような研究では、BCARTの初期モデルとして一定のlog-oddsの代わりに主効果のロジスティック回帰を使用して、相互作用の自動選択またはハイブリッドモデルを使用したロジスティックモデルなど、より柔軟な推定方法を検討する必要があります。

PURPOSE: Propensity scores (PSs), a powerful bias-reduction tool, can balance treatment groups on measured covariates in nonexperimental studies. We demonstrate the use of multiple PS estimation methods to optimize covariate balance. METHODS: We used secondary data from 1292 adults with nonpsychotic major depressive disorder in the Sequenced Treatment Alternatives to Relieve Depression trial (2001-2004). After initial citalopram treatment failed, patient preference influenced assignment to medication augmentation (n = 565) or switch (n = 727). To reduce selection bias, we used boosted classification and regression trees (BCART) and logistic regression iteratively to identify two potentially optimal PSs. We assessed and compared covariate balance. RESULTS: After iterative selection of interaction terms to minimize imbalance, logistic regression yielded better balance than BCART (average standardized absolute mean difference across 47 covariates: 0.03 vs. 0.08, matching; 0.02 vs. 0.05, weighting). CONCLUSIONS: Comparing multiple PS estimates is a pragmatic way to optimize balance. Logistic regression remains valuable for this purpose. Simulation studies are needed to compare PS models under varying conditions. Such studies should consider more flexible estimation methods, such as logistic models with automated selection of interactions or hybrid models using main effects logistic regression instead of a constant log-odds as the initial model for BCART.