Livello: principiante
【Presentatore】
Kosuke Nakazono, staff tecnico, ARO Next Generation Medical Center, Kyushu University Hospital
Hiroko Watanabe, ARO Next Generation Medical Center, Kyushu University Hospital
Masayuki Hirose, ARO Next Generation Medical Center, Kyushu University Hospital
Takeshi Toyama, ARO Next Generation Medical Center, Kyushu University Hospital
Koshiro Tagawa, ARO Next Generation Medical Center, Kyushu University Hospital
Takuya Nagata, ARO Next Generation Medical Center, Kyushu University Hospital
Junji Kishimoto, ARO Next Generation Medical Center, Kyushu University Hospital
[Panoramica della presentazione]
Gli studi osservazionali e gli studi epidemiologici che confrontano i gruppi per stimare gli effetti del trattamento spesso presentano squilibri nei fattori di background del soggetto. Occorre prestare la dovuta attenzione all'analisi perché lo squilibrio dei fattori di fondo che possono creare confusione tra i gruppi può compromettere la comparabilità. In generale, lo squilibrio dei fattori confondenti può essere regolato in una certa misura mediante analisi stratificate.
L'analisi che utilizza i punteggi di propensione è uno dei metodi di aggiustamento utilizzati in questi casi. I punteggi di propensione vengono utilizzati principalmente per l'analisi stratificata, la corrispondenza e la ponderazione della probabilità inversa (IPW) e la corrispondenza può essere implementata utilizzando i componenti aggiuntivi di JMP. Tuttavia, l'analisi stratificata per propensity score e IPW non è implementata in JMP e richiede alcuni passaggi manuali. Poiché più modelli di punteggio di propensione vengono esaminati nell'analisi utilizzando i punteggi di propensione, l'automazione della procedura è importante per migliorare l'efficienza della ricerca.
In questa presentazione, ci concentreremo sull'IPW basato sui punteggi di propensione e introdurremo come eseguirlo in JMP e come automatizzare la procedura con dimostrazioni.
