Emparejamiento por Puntuación de Propensión
- Propuesto por
- Paul Rosenbaum and Donald Rubin
- Año
- 1983
- Tipo
- Method
- Familia
- causal-inference
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
El emparejamiento por puntuación de propensión (PSM, por sus siglas en inglés) es un método para reducir el sesgo de confusión en estudios observacionales, equilibrando las características basales entre los grupos de tratamiento, simulando la aleatorización.
Desarrollado por Rosenbaum y Rubin (1983), estima la probabilidad de recibir tratamiento dadas las covariables observadas, y luego empareja o pondera a los individuos tratados y de control con probabilidades de tratamiento similares. Ampliamente utilizado en medicina, epidemiología y evaluación de políticas cuando los ensayos aleatorizados son inviables o poco éticos, lo que permite la estimación de los efectos del tratamiento mientras se controlan los sesgos de selección.
La intuición detrás del método
Los ensayos aleatorizados equilibran automáticamente las características basales, permitiendo la inferencia causal. Los estudios observacionales carecen de aleatorización; los individuos tratados a menudo difieren sistemáticamente de los no tratados (sesgo de selección). La comparación de resultados entre los grupos de tratamiento confunde los efectos del tratamiento con las diferencias preexistentes. El emparejamiento por puntuación de propensión (PSM) estima la probabilidad de que cada persona reciba tratamiento dadas sus características basales. Al emparejar individuos tratados y no tratados con puntuaciones de propensión similares (probabilidades de tratamiento), el PSM crea dos grupos comparables en la línea de base, imitando la aleatorización. Esto elimina el sesgo de confusión para las covariables medidas, permitiendo una inferencia causal válida. La suposición clave: independencia condicional — dadas las covariables observadas, la asignación del tratamiento es aleatoria (sin confusión no medida).
Historia
El artículo fundamental de Paul Rosenbaum y Donald Rubin de 1983 unificó el emparejamiento y la inferencia causal a través del marco de resultados potenciales (Rubin, 1974). Demostraron que el emparejamiento por puntuación de propensión logra el equilibrio de covariables, reduciendo el sesgo. El trabajo de Peter Austin (década de 2010) avanzó en los diagnósticos de equilibrio y los métodos de ponderación. Las extensiones modernas incluyen: puntuación de propensión generalizada para tratamientos continuos (Hirano & Imbens, 2004), métodos doblemente robustos que combinan modelos de propensión y de resultados (van der Laan & Robins, 2003), estimación de máxima verosimilitud dirigida (TMLE; van der Laan & Rose, 2011).
Cuándo usarlo
Utilizar emparejamiento por puntuación de propensión al realizar estudios observacionales y no poder aleatorizar, pero se miden todos los confundidores. Investigación médica: evaluar la eficacia del tratamiento (cirugía vs. atención conservadora) comparando resultados para pacientes tratados/no tratados emparejados con riesgos basales similares. Evaluación de políticas: evaluar el impacto del programa (por ejemplo, capacitación vocacional sobre el empleo) comparando participantes y no participantes emparejados. Estudios epidemiológicos: estimar el riesgo de enfermedad asociado con la exposición mientras se controlan las características demográficas y de estilo de vida. Requisito previo: se deben haber recopilado suficientes datos basales sobre confundidores antes de la asignación del tratamiento; la confusión no medida (por ejemplo, gravedad no medida de la enfermedad, preferencia del paciente) sigue siendo una amenaza.
Limitaciones y consideraciones
- Suposición de independencia condicional: válida solo si se miden todos los confundidores relevantes. La confusión no medida (por ejemplo, gravedad no medida de la enfermedad, preferencia del paciente) sigue siendo una amenaza; el PSM no puede detectarla ni corregirla.
- Ineficiencia: el emparejamiento reduce el tamaño de la muestra (se descartan los individuos no emparejados); los análisis emparejados tienen menos potencia estadística que la regresión no emparejada.
- Superposición limitada: si las poblaciones tratadas y no tratadas tienen distribuciones de covariables muy diferentes, la región de superposición es pequeña; las estimaciones se restringen solo a la región de superposición.
- Dependencia del modelo: las estimaciones de la puntuación de propensión dependen de la especificación correcta de la regresión logística; la especificación incorrecta (interacciones omitidas, relaciones no lineales) produce un mal equilibrio.
- Pérdida de información: el emparejamiento uno a uno descarta individuos no emparejados potencialmente informativos; el emparejamiento muchos a uno o la ponderación conservan todos los datos.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Reduce el sesgo de confusión: al crear grupos equilibrados en confundidores medidos, el PSM imita la aleatorización para esas variables, permitiendo la inferencia causal.
- Interpretable: la puntuación de propensión es un escalar único que colapsa muchas covariables; transparente cómo se logra el equilibrio de covariables.
- Flexible: funciona con tratamientos binarios o múltiples; se extiende a tratamientos continuos (puntuación de propensión generalizada).
- Diagnóstico: la evaluación del equilibrio de covariables (SMD, gráficos de amor) proporciona evidencia clara de reducción del sesgo; el desequilibrio es visible antes del análisis de resultados.
- Doblemente robusto: cuando se combina con la regresión de resultados, el estimador es consistente si el modelo de propensión o el modelo de resultados es correcto (resiliencia a la especificación incorrecta).
Aplicaciones
- Investigación de efectividad comparativa: evaluar resultados de tratamientos (medicamento A vs B, manejo quirúrgico vs. médico) en registros de salud electrónicos sin aleatorización experimental.
- Evaluación de políticas: evaluar el impacto de programas (capacitación laboral, intervenciones escolares) en resultados (empleo, ingresos) comparando participantes del programa con no participantes emparejados.
- Estudios de cohortes epidemiológicas: estimar el riesgo de enfermedad a partir de exposiciones (tabaco, dieta) en datos observacionales, ajustando por confundidores demográficos y de estilo de vida.
- Estudios de impacto económico: evaluar los efectos de cambios regulatorios, políticas fiscales o reformas sanitarias en resultados individuales; equilibrando estados tratados y de control.
- Eficacia de vacunas: comparar resultados (tasas de infección, gravedad de la enfermedad) en vacunados vs. no vacunados emparejados por factores de riesgo basales cuando los RCT son inviables.
Cómo funciona
Cómo funciona
Administrar el emparejamiento por puntuación de propensión mediante: (1) identificar el resultado de interés, la variable de tratamiento (binaria o múltiple) y todos los confundidores relevantes (características basales que afectan tanto al tratamiento como al resultado), (2) recopilar datos de covariables de todos los participantes, (3) verificar la suposición de superposición: los grupos de tratamiento y control deben tener rangos superpuestos de puntuaciones de propensión; la falta de superposición indica una incomparabilidad fundamental, (4) definir la muestra: intención de tratar (analizar en grupos originales) o por protocolo (analizar la muestra emparejada; las afirmaciones de causalidad requieren precaución). Asegurar un tamaño de muestra adecuado: el PSM reduce el tamaño de muestra efectivo mediante el emparejamiento, por lo que se debe comenzar con un N mayor que un RCT equivalente.
Estimar las puntuaciones de propensión: utilizar regresión logística para predecir la probabilidad de asignación del tratamiento dadas todas las covariables medidas. p_i = P(Tratamiento=1 | Covariables). La puntuación de propensión es un escalar (0–1) que colapsa múltiples covariables en una dimensión. Luego, emparejar individuos tratados (puntuación p) con no tratados (puntuación q) si |p − q| < calibre (tolerancia, típicamente 0.1 × DE de la puntuación de propensión logit); enfoques comunes: emparejamiento del vecino más cercano 1:1, vecino más cercano 1:m, o emparejamiento por calibre. Alternativa al emparejamiento: ponderación por puntuación de propensión (ponderación por probabilidad inversa del tratamiento, IPTW). Ponderar a los individuos tratados por 1/p_i (sobreponderar a los tratados subrepresentados) y a los controles por 1/(1−p_i); produce una pseudo-población donde el tratamiento es independiente de las covariables. Verificar el equilibrio de covariables: la diferencia de medias estandarizada (SMD) en las covariables entre los grupos debe ser < 0.1 (idealmente < 0.05) después del emparejamiento; si no, aumentar el calibre o incluir más covariables en el modelo de propensión. Informar el equilibrio antes y después mediante gráficos de SMD.
Después del emparejamiento o la ponderación, comparar los resultados entre los grupos de tratamiento utilizando métodos estándar (prueba t, regresión, análisis de supervivencia) en la muestra emparejada/ponderada. El efecto promedio del tratamiento en los tratados (ATT) es la diferencia de resultados en la muestra emparejada; si el emparejamiento es exitoso (se logra el equilibrio basal), esta diferencia no está confundida por las covariables medidas. Informar: (1) equilibrio de covariables antes y después del emparejamiento (tablas o gráficos de SMD), (2) número de pares emparejados/no emparejados, (3) efecto del tratamiento (diferencia en resultados), (4) intervalos de confianza y valores p, (5) análisis de sensibilidad a la confusión no medida (por ejemplo, límites de Rosenbaum). Examinar el soporte común: proporción de tratados con puntuaciones de propensión por encima de la puntuación mínima de no tratados y por debajo de la puntuación máxima de no tratados; la mala superposición invalida las estimaciones. Utilizar ajuste por regresión en la muestra emparejada como control adicional de confundidores (estimación doblemente robusta).
Errores comunes
- Emparejamiento por el resultado: sesga las estimaciones hacia cero (reduce la potencia). El modelado de la puntuación de propensión debe incluir confundidores (variables que predicen tanto el tratamiento como el resultado), no mediadores o consecuencias.
- Fallo al verificar la superposición: proceder con el emparejamiento cuando las distribuciones de propensión de tratados/controles no se superponen. Siempre verificar e informar el soporte común; las estimaciones fuera de la superposición son extrapolaciones poco fiables.
- Ignorar el equilibrio de covariables: asumir que el emparejamiento funcionó sin examinar las diferencias medias estandarizadas. Siempre informar los diagnósticos de equilibrio (gráficos de SMD, gráficos de amor); el desequilibrio indica la necesidad de un enfoque alternativo.
- Analizar la muestra completa en lugar de la muestra emparejada: si se empareja y luego se analizan todos los datos originales, se ignora el emparejamiento (se frustra el propósito). Analizar solo la muestra emparejada, o usar ponderación en la muestra completa.
- P-hacking con modelos de propensión múltiples: ajustar diferentes modelos de propensión y seleccionar el que produzca el mejor equilibrio o el efecto de tratamiento más fuerte. Especificar el modelo de propensión a priori basándose en la teoría; usar validación cruzada.
- Afirmaciones causales sin precedencia temporal: la puntuación de propensión reduce la confusión por covariables medidas, pero la causalidad requiere tratamiento antes del resultado. La causalidad inversa todavía amenaza la validez.
Preguntas frecuentes
¿Qué es la puntuación de propensión y por qué funciona el emparejamiento por ella?
La puntuación de propensión es la probabilidad de recibir tratamiento dadas las covariables observadas, estimada mediante regresión logística: P(T=1|Covariables). Dos individuos con la misma puntuación de propensión tienen características basales similares (en promedio) incluso si se tratan de manera diferente. El emparejamiento por puntuaciones de propensión crea grupos comparables: en la muestra emparejada, el estado del tratamiento es independiente de las covariables (se logra la independencia condicional). Esto es equivalente a haber realizado una aleatorización en la línea de base, permitiendo la inferencia causal. La puntuación de propensión es un escalar (un número por persona), lo que reduce el emparejamiento de muchas dimensiones a una (la maldición de la dimensionalidad resuelta).
¿Cuál es la diferencia entre el emparejamiento por puntuación de propensión y la ponderación por probabilidad inversa del tratamiento (IPTW)?
Emparejamiento por puntuación de propensión: empareja individuos tratados con individuos no tratados que tienen puntuaciones de propensión similares; analiza solo los pares emparejados, descartando los individuos no emparejados. IPTW (ponderación por probabilidad inversa del tratamiento): pondera a todos los individuos por las puntuaciones de propensión inversas (pondera a los tratados por 1/p, a los controles por 1/(1−p)), creando una pseudo-población donde el tratamiento es independiente de las covariables. IPTW conserva todos los datos, mejorando la eficiencia y la potencia. Ambos logran el equilibrio de covariables; IPTW es estadísticamente más eficiente. Contrapartida: IPTW puede producir ponderaciones extremas si algunos individuos tienen puntuaciones de propensión muy altas o muy bajas, lo que aumenta la varianza; el emparejamiento evita esto pero pierde datos.
¿Cómo evalúo el equilibrio de covariables y qué es aceptable?
Calcular la diferencia de medias estandarizada (SMD) para cada covariable: SMD = (media_tratados − media_controles) / DE_agrupada. Un SMD < 0.10 generalmente se acepta como 'equilibrado'; < 0.05 es excelente. Graficar los SMD pre y post emparejamiento (gráfico de amor): el equilibrio antes/después es visible de un vistazo. Calcular el SMD para todos los confundidores; si alguno permanece desequilibrado (SMD > 0.10) después del emparejamiento, considere: ampliar el calibre (emparejar de forma más laxa), incluir interacciones en el modelo de propensión, o usar métodos alternativos (estratificación, ajuste por regresión). Nunca juzgue el equilibrio por los valores p (los valores p dependen del tamaño de la muestra); siempre examine el SMD numérica y gráficamente.
¿Puede el emparejamiento por puntuación de propensión abordar la confusión no medida?
No. El PSM reduce el sesgo de los confundidores medidos (aquellos sobre los que ha recopilado datos). Los confundidores no medidos (por ejemplo, motivación del paciente, gravedad no medida de la enfermedad, mecanismos ocultos de selección) permanecen sin control. Realice un análisis de sensibilidad para evaluar cuán sensibles son las conclusiones a la confusión no medida (límites de Rosenbaum: cuán fuerte debe ser un confundidor no medido para cambiar las conclusiones). Siempre discuta las limitaciones de la confusión no medida. Considere variables instrumentales o experimentos naturales si la confusión no medida es una preocupación importante.
Métodos relacionados
Fuentes
Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41–55.
Abrir referencia DOICopiado.Austin, P. C. (2011). An introduction to propensity score methods for reducing the effects of confounding. Multivariate Behavioral Research, 46(3), 399–424.
Abrir referencia DOICopiado.Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701.
Abrir referencia DOICopiado.