Utilisation d'un Score de Propension (PS)

Bonsoir,

J'utilise un jeu de données fictives et je souhaite faire une analyse observationnelle donc il n'y a pas de randomisation.
Concernant les variables, il y a une Exposition : l'application d'un traitement intensif ou non (Oui/Non) ; une apparition de l’événement : rechute (Oui/Non). On peut donc parler d'étude cas-témoin.

J'aimerais afin d'avoir des groupes comparables, utiliser un score de propension afin de créer des paires de patients comparables en fonction des variables d'intérêt.

Le but est d'avoir deux groupes d'exposition homogènes en fonction de mes variables.
Est-ce obligé de n'inclure que les variables qui ressortent significativement liées à l'exposition (traitement) lors d'une régression logistique ou il faut créer un score en fonction de toutes les variables (même celles homogènes dans les deux groupes de traitement) ?

J'ai également à ma disposition une variable centre mais constituée de 25 centres pour 500 variables = 20 individus par centre. Il me semble que le score de propension va être trop influencé par cette variable et on va perdre trop d'information au final (même s'il y a au moins une exposition dans chaque centre). Est-ce plus juste de prendre cette variable centre comme variable à effet aléatoire dans un modèle final, une fois mon score de propension réalisé ?

Je vous remercie d'avance.

Bonjour,

Pour les variables à inclure dans le score, d'un point de vue théorique, seuls les facteurs de confusion (ie variables liées a la fois a l'exposition et au critère de jugement sont à inclure. Néanmoins, comme il est impossible de savoir si tu les as tous mesurés, ni de les identifier tous, pour chaque variable, calcule la différence standardisée et inclus les variables pour lesquelles la différence est supérieure à 10% 5ou 5% si tu n'es pas limité en nombre de variables à inclure). Je te conseille quand même au préalable de faire un tri parmi les variables pour ne garder que celles pertinentes pour le domaine sur lequel tu travailles.

Pour l'effet centre, cela dépend de la méthode de SP que tu vas utiliser (pondération, appariement, ajustement direct?) Avec un effet aléatoire directement dans le modèle de SP, tu peux prendre en compte l'effet centre sur le fait d'être exposé et tu peux également avoir un effet centre dans ton modèle principal, cette fois pour tenir compte de l'effet centre sur le critère de jugement.
Enfin, ne pas oublier que le SP étant un estimateur en deux étapes, il faudra corriger ta variance pour tenir compte du fait que ton score est une estimation est non la vraie valeur.

Ayana

Merci pour toutes ces précisions.

Du coup j'ai décidé de faire un PS pour chaque individu et de créer une base de données avec les individus matchés (ayant les PS les plus opposés par rapport à 0,5).

Et j'ai fait mon analyse en ne prenant en compte que la rechute en fonction du traitement, dans le sous-échantillon créé à partir du PS. J'ai également mis le centre en effet aléatoire au vu du nombre de modalités et parce qu'on ne pourrait pas forcément reproduire l'étude avec les mêmes centre. (Je pense que ça doit être ça)

Merci à toi Ayana !

Bonjour,

Pour l'appariemment, il faut apparier les individus ayant des valeurs proches du SP, et non opposees par rapport a 0.5. Le but du SP est de retrouver une comparabilite de tes groupes, donc l'idee c'est d'apparie un traite a un non traite qui ont initialement la meme probabilite d'etre traite. En effet, dans la theorie, deux individus avec la meme valeur de SP sont supposes avoir des distributions identiques pour leurs caracteristiques. D'ailleurs, avec ta methode, si tu compares tes groupes obtenus apres matching, je suis prete a parier que tu as de gros desequilibres.

Ayana

Bonjour,

Non du tout, mes groupes sont totalement équilibrés sur toutes les variables que j'ai intégré dans le PS.
Je me suis peut être mal exprimé sur ma méthode du matching mais elle revient au même que ce que tu viens de dire.

Au final on perd 140 individus sur 500 avec matching pour avoir des groupes équilibrés.

ça marche très bien

C'est le soucis du matching, tu perds du monde, ce qui est bof en termes de generalisabilite