傾向スコアマッチング
- 提唱者
- Paul Rosenbaum and Donald Rubin
- 年
- 1983
- 種類
- Method
- 系統
- causal-inference
この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む
何をする手法か?
傾向スコアマッチング(PSM)は、観察研究における交絡バイアスを低減するための手法であり、ランダム化を模倣することで、治療群間のベースライン特性のバランスを取る。RosenbaumとRubin(1983)によって開発されたこの手法は、観測された共変量を条件とした治療を受ける確率を推定し、その後、治療確率が類似した治療群と対照群の個人をマッチングまたは重み付けする。ランダム化比較試験(RCT)が不可能または非倫理的な場合、医学、疫学、政策評価で広く使用されており、選択バイアスを制御しながら治療効果の推定を可能にする。
手法の背後にある直感
ランダム化比較試験は、ベースライン特性を自動的にバランスさせ、因果推論を可能にする。観察研究ではランダム化が欠如しており、治療を受けた個人は系統的に治療を受けなかった個人(選択バイアス)と異なることが多い。治療群間の結果を比較すると、治療効果と既存の差が交絡する。傾向スコアマッチング(PSM)は、ベースライン特性に基づいて各個人が治療を受ける確率を推定する。傾向スコア(治療確率)が類似した治療群と非治療群の個人をマッチングすることにより、PSMはベースラインで比較可能な2つのグループを作成し、ランダム化を模倣する。これにより、測定された共変量に対する交絡バイアスが除去され、妥当な因果推論が可能になる。重要な仮定は、条件付き独立性、すなわち、観測された共変量を条件として、治療割り当てはランダムである(未測定の交絡はない)というものである。
歴史学
Paul RosenbaumとDonald Rubinによる1983年の基礎論文は、マッチングと因果推論を潜在的アウトカムフレームワーク(Rubin, 1974)を通じて統合した。彼らは、傾向スコアマッチングが共変量バランスを達成し、バイアスを低減することを証明した。Peter Austinの研究(2010年代)は、バランス診断と重み付け手法を進歩させた。現代的な拡張には、連続治療のための一般化傾向スコア(Hirano & Imbens, 2004)、傾向スコアモデルとアウトカムモデルを組み合わせた二重に頑健な方法(van der Laan & Robins, 2003)、ターゲット最大尤度推定(TMLE; van der Laan & Rose, 2011)が含まれる。
使うべき場面
ランダム化できない観察研究を実施しており、かつすべての交絡因子が測定されている場合に傾向スコアマッチングを使用する。医学研究:治療効果(手術対保存的治療)の評価で、ベースラインリスクが類似した治療群/非治療群の患者のアウトカムを比較する。政策評価:プログラムの効果(例:職業訓練が雇用に与える影響)を評価し、参加者とマッチングされた非参加者を比較する。疫学:ベースライン特性を調整しながら、観察データにおける曝露(喫煙、食事)からの疾患リスクを推定する。前提条件:治療割り当て前に、交絡因子に関する十分なベースラインデータを収集している必要がある。未測定の交絡(例:未測定の疾患重症度)は依然として脅威である。
限界と注意点
- 条件付き独立性の仮定:関連するすべての交絡因子が測定されている場合にのみ有効である。未測定の交絡(例:患者の意欲、未測定の疾患重症度、隠れた選択メカニズム)は依然として脅威である。PSMはそれを検出または修正できない。
- 非効率性:マッチングはサンプルサイズを減少させる(マッチングされなかった個人は破棄される)。マッチングされた分析は、マッチングされない回帰よりも統計的検出力が低い。
- オーバーラップの制限:治療群と非治療群の母集団の共変量分布が大きく異なる場合、オーバーラップ領域は小さくなる。推定値はオーバーラップ領域にのみ限定される。
- モデル依存性:傾向スコアの推定値は、ロジスティック回帰の正しい指定に依存する。誤指定(交互作用項の欠落、非線形関係)は、不十分なバランスをもたらす。
- 情報の損失:1対1マッチングは、情報量の多いマッチングされなかった個人を破棄する。多対1マッチングまたは重み付けは、すべてのデータを保持する。
出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。
強み
- 交絡バイアスの低減:測定された交絡因子でバランスの取れたグループを作成することにより、PSMはそれらの変数に対してランダム化を模倣し、因果推論を可能にする。
- 解釈可能性:傾向スコアは多くの共変量を集約した単一のスカラー値であり、共変量バランスがどのように達成されたかが透明である。
- 柔軟性:二値または多値治療で機能し、連続治療(一般化傾向スコア)にも拡張可能である。
- 診断性:共変量バランスの評価(SMD、ラブプロット)は、バイアス低減の明確な証拠を提供する。不均衡はアウトカム分析前に可視化される。
- 二重に頑健:アウトカム回帰と組み合わせると、傾向モデルまたはアウトカムモデルのいずれかが正しい場合、推定値は一致する(誤指定に対する耐性)。
応用
- 比較効果研究:ランダム化されていない電子健康記録において、治療アウトカム(薬剤A対B、外科的管理対内科的管理)を評価する。
- 政策評価:プログラムの効果(雇用訓練、学校介入)をアウトカム(雇用、収入)に評価し、プログラム参加者とマッチングされた非参加者を比較する。
- 疫学コホート研究:観察データにおける曝露(喫煙、食事)からの疾患リスクを推定し、人口統計学的および生活習慣の交絡因子を調整する。
- 経済影響研究:規制変更、税制、または医療改革が個人アウトカムに与える影響を評価し、治療群と対照群の状態をバランスさせる。
- ワクチンの有効性:RCTが不可能な場合に、ベースラインリスク因子でマッチングされたワクチン接種者と非接種者のアウトカム(感染率、疾患重症度)を比較する。
使い方
使い方
傾向スコアマッチングを実施するには、(1) 関心のあるアウトカム、治療変数(二値または多値)、およびすべての関連する交絡因子(ベースライン特性で、治療とアウトカムの両方に影響するもの)を特定する。(2) すべての参加者について共変量データを収集する。(3) オーバーラップ(共通サポート)の仮定をチェックする:治療群と対照群は、傾向スコアの範囲が重なっている必要がある。オーバーラップがない場合は、根本的な比較不可能性を示す。(4) サンプルを定義する:治療意図(ITT、元のグループで分析)またはプロトコル通り(マッチングされたサンプルを分析、因果関係の主張には注意が必要)。十分なサンプルサイズを確保する:PSMはマッチングにより実効サンプルサイズを減少させるため、同等のRCTよりも大きなNで開始する。
傾向スコアを推定する:測定されたすべての共変量を条件とした治療割り当ての確率を予測するためにロジスティック回帰を使用する。p_i = P(治療=1 | 共変量)。傾向スコアは、複数の共変量を1つの次元に集約したスカラー値(0~1)である。次に、治療群(スコアp)と非治療群(スコアq)を、|p - q| < キャリパー(許容誤差、通常はロジット傾向スコアの標準偏差の0.1倍)であればマッチングする。一般的なアプローチは、1:1最近傍マッチング、1:m最近傍マッチング、またはキャリパーマッチングである。マッチングの代替案は、傾向スコア重み付け(治療確率の逆数による重み付け、IPTW)である。治療群の個人を1/p_iで、対照群を1/(1-p_i)で重み付けする。これにより、治療が共変量と独立した疑似母集団が生成される。共変量バランスをチェックする:マッチング後の群間の共変量の標準化平均差(SMD)は0.1未満(理想的には0.05未満)であるべきである。そうでない場合は、キャリパーを広げるか、傾向モデルにさらに多くの共変量を含める。SMDの前後でのバランスを報告する(SMDプロット)。
マッチングまたは重み付けの後、マッチング/重み付けされたサンプルで標準的な手法(t検定、回帰、生存時間分析)を用いて治療群間のアウトカムを比較する。治療群に対する平均治療効果(ATT)は、マッチングされたサンプルにおけるアウトカムの差である。マッチングが成功した場合(ベースラインバランスが達成された場合)、この差は測定された共変量によって交絡されない。報告するもの:(1) マッチング前後の共変量バランス(SMD表またはプロット)、(2) マッチングされた/されなかったペアの数、(3) 治療効果(アウトカムの差)、(4) 信頼区間とp値、(5) 未測定の交絡に対する感度分析(例:Rosenbaumの境界値)。共通サポートを調べる:傾向スコアが非治療群の最小スコアより高く、最大スコアより低い治療群の割合。オーバーラップが不十分だと推定値が無効になる。回帰調整をマッチングされたサンプルに適用して、追加の交絡制御を行う(二重に頑健な推定)。
よくある落とし穴
- アウトカムでのマッチング:推定値をゼロに偏らせる(検出力を低下させる)。傾向スコアモデリングには、媒介変数や結果ではなく、交絡因子(治療とアウトカムの両方を予測する変数)を含めるべきである。
- オーバーラップのチェックの失敗:治療群と対照群の傾向スコア分布が重ならない場合にマッチングを進めること。常に共通サポートをチェックして報告すること。オーバーラップ外の推定値は信頼できない外挿である。
- 共変量バランスの無視:マッチングが機能したと仮定し、標準化平均差を調べないこと。常にバランス診断(SMDプロット、ラブプロット)を報告すること。不均衡は代替アプローチの必要性を示す。
- マッチングされたサンプルではなく、全サンプルを分析すること:マッチングを行った後に元の全データを分析すると、マッチングを無視することになり、目的が失われる。マッチングされたサンプルのみを分析するか、全サンプルに対して重み付けを使用する。
- 複数の傾向モデルによるp-ハッキング:異なる傾向モデルを適合させ、最も良いバランスまたは最も強い治療効果をもたらすモデルを選択すること。理論に基づいて傾向モデルを事前に指定し、交差検証を使用する。
- 時間的先行性のない因果関係の主張:傾向スコアは測定された共変量による交絡を低減するが、因果関係には治療がアウトカムより先行する必要がある。逆因果関係は依然として妥当性を脅かす。
よくある質問
傾向スコアとは何か、そしてなぜそれにマッチングするとうまくいくのか?
傾向スコアとは、観測された共変量を条件とした治療を受ける確率であり、ロジスティック回帰によって推定される:P(T=1|共変量)。同じ傾向スコアを持つ2人の個人は、たとえ異なる治療を受けていても、(期待値として)類似したベースライン特性を持つ。傾向スコアでマッチングすることにより、比較可能なグループが作成される。マッチングされたサンプルでは、治療状況は共変量と独立している(条件付き独立性が達成される)。これは、ベースラインでランダム化が行われたことと同等であり、因果推論を可能にする。傾向スコアはスカラー値(個人あたり1つの数値)であり、マッチングを多次元から1次元に削減する(次元の呪いが解決される)。
傾向スコアマッチングと逆確率重み付け(IPTW)の違いは何か?
傾向スコアマッチング:治療を受けた個人を、類似した傾向スコアを持つ治療を受けていない個人とペアにする。マッチングされたペアのみを分析し、マッチングされなかった個人は破棄する。IPTW(逆確率重み付け):すべての個人を傾向スコアの逆数で重み付けする(治療群は1/p、対照群は1/(1-p)で重み付け)。これにより、治療が共変量と独立した疑似母集団が作成される。IPTWはすべてのデータを保持し、効率と検出力を向上させる。どちらも共変量バランスを達成するが、IPTWの方が統計的に効率が良い。トレードオフ:IPTWは、一部の個人が非常に高いまたは非常に低い傾向スコアを持つ場合、極端な重みを生じさせ、分散を増加させる可能性がある。マッチングはこの問題を回避するが、データ損失が発生する。
共変量バランスをどのように評価し、何が許容できるか?
各共変量について標準化平均差(SMD)を計算する:SMD = (治療群の平均 - 対照群の平均) / プールされた標準偏差。SMD < 0.10 は一般的に「バランスが取れている」と見なされ、< 0.05 は優れている。マッチング前後のSMDをプロットする(ラブプロット):マッチング前後のバランスが一目でわかる。すべての交絡因子についてSMDを計算する。マッチング後も不均衡な(SMD > 0.10)ものが残っている場合は、次のことを検討する:キャリパーを広げる(より緩くマッチングする)、傾向モデルに交互作用項を含める、または代替手法(層別化、回帰調整)を使用する。p値でバランスを判断しないこと(p値はサンプルサイズに依存する)。常にSMDを数値的およびグラフィカルに検査すること。
傾向スコアマッチングは未測定の交絡に対処できるか?
いいえ。PSMは測定された交絡因子(データ収集した因子)によるバイアスを低減する。未測定の交絡因子(例:患者の意欲、未測定の疾患重症度、隠れた選択メカニズム)は制御されないまま残る。感度分析を実施して、未測定の交絡に対する結論の感度を評価する(Rosenbaumの境界値:結論を変えるには、どれだけ強い未測定の交絡が必要か)。未測定の交絡の限界については常に議論すること。未測定の交絡が大きな懸念事項である場合は、操作変数法や自然実験を検討する。
関連する手法
参考文献
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.
DOI 文献を開くコピーしました。Austin, P. C. (2011). An introduction to propensity score methods for reducing the effects of confounding. Multivariate Behavioral Research, 46(3), 399–424.
DOI 文献を開くコピーしました。Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701.
DOI 文献を開くコピーしました。