Sensitivitätsanalyse

In der Kausalinferenz untersucht die Sensitivitätsanalyse, wie robust die Schlussfolgerung einer Studie gegenüber Verletzungen ihrer nicht überprüfbaren Annahmen ist, meist der Annahme, dass es keine ungemessene Verfälschung gibt. Anstatt einen Punktschätzer als endgültig zu betrachten, quantifiziert sie, wie stark eine verborgene Verzerrung sein müsste, um den beobachteten Effekt zu erklären oder wesentlich zu verändern.

Definition

Die Sensitivitätsanalyse in der Kausalinferenz ist eine Reihe von Methoden, die quantifizieren, wie stark eine ungemessene Verzerrung, typischerweise eine ungemessene Verfälschung (confounding), vorhanden sein müsste, um einen geschätzten kausalen Effekt wesentlich zu verändern oder aufzuheben.

Scope

Dieses Thema behandelt die Begründung für Sensitivitäts- und quantitative Bias-Analysen in der Beobachtungsforschung, die Vorstellung eines ungemessenen Confounders, der stark genug ist, um ein Ergebnis umzukehren, und zusammenfassende Maße wie den E-Wert. Es handelt sich um eine methodische Referenz, nicht um eine klinische Leitlinie.

Core questions

• Wie robust ist eine kausale Schätzung gegenüber ungemessener Verfälschung?
• Wie stark müsste eine verborgene Verzerrung sein, um das Ergebnis zu erklären?
• Wie kann die Auswirkung von nicht überprüfbaren Annahmen der Leserschaft vermittelt werden?

Key concepts

• Ungemessene Verfälschung (unmeasured confounding)
• Quantitative Bias-Analyse
• E-Wert
• Bias-Grenzen (bias bounds)
• Robustheit kausaler Schätzungen

Mechanisms

Die Sensitivitätsanalyse erkennt an, dass zentrale Identifikationsannahmen nicht aus den Daten überprüft werden können, und fragt stattdessen, welche Größenordnung einer Verletzung die Schlussfolgerung ändern würde. Ding und VanderWeele (ding-vanderweele-2016) leiteten Grenzen ab, die zeigen, wie stark ein ungemessener Confounder in seinen Assoziationen sowohl mit der Exposition als auch mit dem Outcome wirken müsste, um eine beobachtete Assoziation zu erklären, ohne Annahmen über die Verteilung des Confounders zu benötigen. Darauf aufbauend fasst der E-Wert (vanderweele-ding-2017) das Ergebnis als die minimale Stärke der Assoziation zusammen, die ein ungemessener Confounder sowohl mit der Exposition als auch mit dem Outcome haben müsste, um die Schätzung vollständig zu erklären; größere E-Werte weisen auf eine größere Robustheit hin. Solche Analysen ergänzen eine sorgfältige Adjustierung, die selbst eine Verzerrung durch unangemessene Kovariatenwahl vermeiden muss (schisterman-2009).

Clinical relevance

Die Sensitivitätsanalyse informiert die Leserschaft darüber, wie viel Vertrauen eine beobachtende kausale Behauptung tragen kann, was für die Bewertung von Evidenz zu Behandlungen und Expositionen von zentraler Bedeutung ist. Sie beschreibt die Robustheit der Evidenz und ist keine Grundlage für individuelle diagnostische oder therapeutische Entscheidungen.

Epidemiology

Quantitative Bias-Analysen und der E-Wert werden zunehmend zusammen mit Primärschätzungen in der Beobachtungsepidemiologie und der vergleichenden Wirksamkeitsforschung berichtet, wo ungemessene Verfälschung ein anhaltendes Problem darstellt. Insbesondere der E-Wert wurde als prägnante Robustheitszusammenfassung weit verbreitet (vanderweele-ding-2017).

History

Die formale Sensitivitätsanalyse für ungemessene Verfälschung hat ihre Wurzeln in den Debatten der Mitte des 20. Jahrhunderts über beobachtende kausale Behauptungen, und die moderne quantitative Bias-Analyse wurde in epidemiologischen Lehrbüchern systematisiert (rothman-2008). Die annahmenarmen Grenzen von Ding und VanderWeele (ding-vanderweele-2016) und der nachfolgende E-Wert (vanderweele-ding-2017) machten solche Analysen einfach genug für die routinemäßige Berichterstattung.

Debates

Wie sollte der E-Wert interpretiert und verwendet werden?

Der E-Wert bietet eine bequeme Robustheitszusammenfassung, aber Kommentatoren warnen, dass er kein Ersatz für eine substanzielle Argumentation darüber ist, welche Confounder plausibel sind und wie stark sie realistischerweise sein könnten.

Key figures

• Tyler VanderWeele
• Peng Ding
• Sander Greenland
• Timothy Lash

Seminal works

• ding-vanderweele-2016
• vanderweele-ding-2017

Frequently asked questions

Was sagt Ihnen ein E-Wert?

Er gibt die minimale Stärke der Assoziation an, die ein ungemessener Confounder sowohl mit der Exposition als auch mit dem Outcome haben müsste, um den beobachteten Effekt vollständig zu erklären; ein größerer E-Wert bedeutet, dass das Ergebnis robuster gegenüber einer solchen Verfälschung ist.

Beweist die Sensitivitätsanalyse, dass ein Ergebnis korrekt ist?

Nein. Sie bestätigt keine Kausalität; sie quantifiziert, wie robust ein Befund gegenüber spezifischen ungemessenen Verzerrungen ist, wobei die Plausibilität dieser Verzerrungen dem substanziellen Urteil überlassen bleibt.