Dinamik Ters Olasılık Ağırlıklandırması (Dinamik TOA)

Standart TOA tek zamanlı tedaviyi ele alır: bir eğilim skoru tahmin edilir ve her gözlem bir kez yeniden ağırlıklandırılır. Dinamik TOA, birden çok dönem boyunca tedavi dizilerini ele alır, her zaman noktasında bir eğilim modeli tahmin eder ve dönemler boyunca ters olasılıkları çarpar. Temel ek zorluk, hem geçmiş tedaviden etkilenen hem de gelecekteki tedaviyi etkileyen değişkenler olan zamanla değişen karıştırmadır — statik TOA, nedensel yolları tıkayarak yanlılığı gidermeden bunu karşılayamaz.

Pozitiflik, her bireyin, kovaryet geçmişinden bağımsız olarak, her zaman noktasında her tedavi için sıfır olmayan bir olasılığa sahip olmasını gerektirir. Bazı kovaryet kombinasyonlarının tedaviyi deterministik hale getirdiği durumlarda başarısız olur — örneğin, belirli bir laboratuvar değerine sahip tüm hastalar her zaman belirli bir ilaç alıyorsa. Bu gibi durumlarda, ağırlıklar sonsuz hale gelir ve nedensel etki tanımlanamaz. Dinamik TOA'yı uygulamadan önce pozitiflik için ampirik desteği kontrol etmek (örn. eğilim skoru dağılımlarını incelemek) esastır.

İstikrarsızlaştırılmamış ağırlıkların beklenen değerleri birden büyüktür ve oldukça değişkendir, bu da tahmin edici varyansını artırır. İstikrarlı ağırlıklar, marjinal (koşulsuz) tedavi olasılığını paya yerleştirerek beklenen ağırlığı bire yakın tutar ve yanlılık oluşturmadan varyansı önemli ölçüde azaltır. Pratikte, istikrarlı ağırlıklar daha dar güven aralıkları sağlar ve aşırı gözlemlere daha az duyarlıdır ve bunlar önerilen varsayılan yöntemdir.

Önce ağırlıkların dağılımını (ortalama, maksimum, 99. yüzdelik dilim) inceleyerek teşhis edin. Aşırı ağırlıklar mevcutsa şunları düşünün: (1) etkileşimleri ekleyerek veya esnek makine öğrenmesi yöntemleri kullanarak eğilim modeli belirtimini iyileştirmek; (2) ağırlıkların istikrarlı olduğundan emin olmak; (3) 99. yüzdelik dilim gibi bir eşikte ağırlıkları kırpmak veya kesmek, bu küçük bir yanlılık getirir ancak varyansı önemli ölçüde azaltır. Her zaman farklı kırpma stratejileri altında hassasiyet analizleri raporlayın.

Evet. Çift sağlam bir tahmin edici, Dinamik TOA ağırlıklarını ağırlıklı bir sonuç modeliyle (örn. marjinal yapısal model) birleştirir. Ortaya çıkan tahmin edici, eğilim modellerinden veya sonuç modelinden biri doğru bir şekilde belirtilmişse tutarlıdır — her iki bileşenin yanlış belirtilmesine karşı bir güvenlik ağı sağlar. Çift sağlam versiyonlar genellikle orta düzeyde örneklem büyüklüklerinde saf TOA'ya göre daha iyi sonlu örneklem özelliklerine sahiptir.