グループベースの軌跡モデリングを使用して、中断された時系列分析における因果推論を強化する

理論的根拠、目的、および目的：因果推論を改善するために、中断された時系列分析（ITSA）のためにいくつかの強化が提案されています。現在、グループベースの軌道モデリング（GBTM）がITSAの補完として導入されています。GBTMは、サンプル内の特定の数の個別グループが結果の一意の軌跡を持っていると想定しています。GBTMは2つの目的で使用されます。（1）スタンドアロンGBTMを介してすべての軌道グループの結果を比較し、（2）同等の非治療ユニットを特定して、ISAの結果モデルのコントロールとして機能します。それぞれの例が提供されています。 方法：カリフォルニア州の提案99（1988年に可決された）の効果は、タバコの販売を削減するための影響を、カリフォルニア州と喫煙削減イニシアチブにさらされていない他の州と比較することにより評価されます。スタンドアロンのGBTMでは、観察期間全体（1970-2000）のタバコの販売に基づいて、異なる軌道グループが特定されています。2番目のアプローチでは、GBTMはベースライン周期観測（1970-1988）のみを使用して生成され、治療ユニットと治療ユニットの軌跡グループの非治療ユニットの治療効果（介入後の傾向の違い）が推定されます。 結果：スタンドアロンのGBTMでは、3つの異なる軌道グループが特定されました：低分解、中断層、および高解像度（カリフォルニア州および他の26の州が低分離群にありました）。マッチングにベースラインデータを使用する場合、カリフォルニア州と19の非治療状態が低いグループで構成されていました。カリフォルニアは、これらのコントロールよりも介入後のタバコの販売が大幅に減少しました（P <0.01）。 結論：GBTMは、治療ユニットのグループと他のすべてのグループの結果軌道の視点を提供することにより、ITSAを強化し、治療効果を推定するために使用される非治療ユニットを特定できます。

RATIONALE, AIMS, AND OBJECTIVES: Several enhancements have been proposed for interrupted time series analysis (ITSA) to improve causal inference. Presently, group-based trajectory modelling (GBTM) is introduced as a complement to ITSA. GBTM assumes a certain number of discrete groups in the sample have unique trajectories of the outcome. GBTM is used herein for 2 purposes: (1) to compare outcomes across all trajectory groups via a stand-alone GBTM and (2) to identify comparable non-treated units to serve as controls in the ITSA outcome model. Examples of each are offered. METHOD: The effect of California's Proposition 99 (passed in 1988) for reducing cigarette sales is evaluated by comparing California to other states not exposed to smoking reduction initiatives. In the stand-alone GBTM, distinct trajectory groups are identified based on cigarette sales for the entire observation period (1970-2000). In the second approach, a GBTM is generated using only baseline period observations (1970-1988), and treatment effects (difference in post-intervention trends) are then estimated for the treatment unit versus non-treated units in the treated unit's trajectory group. RESULTS: In the stand-alone GBTM, 3 distinct trajectory groups were identified: low-decreasing, medium-decreasing, and high-decreasing (California and 26 other states were in the low-decreasing group). When using baseline data for matching, California and 19 non-treated states comprised the low group. California had a significantly larger decrease in post-intervention cigarette sales than these controls (P < 0.01). CONCLUSIONS: GBTM enhances ITSA by providing perspective for the outcome trajectory in the treated unit's group versus all others and can identify non-treated units to be used for estimating treatment effects.