관찰 환경에서 인과관계 효과를 추정하기 위한 프레임워크: 혼란변수 조정과 도구변수 비교

BMC 의학 연구 방법론 23권, 기사 번호: 122(2023) 이 기사 인용

524 액세스

1 알트메트릭

측정항목 세부정보

인과 관계 효과를 추정하기 위해 건강 환경에서 관찰 연구를 수행하는 분석가는 적응증에 의한 교란으로 인한 편견을 완화하기 위해 여러 가지 전략을 활용합니다. 이러한 목적을 위한 접근법에는 혼란변수와 도구변수(IV)의 사용이라는 두 가지 광범위한 종류가 있습니다. 이러한 접근 방식은 주로 테스트할 수 없는 가정을 특징으로 하기 때문에 분석가는 이러한 방법이 불완전하게 작동할 것이라는 무한한 패러다임 하에서 작업해야 합니다. 이 튜토리얼에서는 가정이 잠재적으로 위반될 때 두 가지 접근 방식의 인과 관계 효과를 추정하기 위한 일련의 일반 원칙과 경험적 방법을 공식화합니다. 이를 위해서는 관찰 연구 과정을 한 가지 접근 방식의 추정치가 다른 접근 방식보다 덜 일관성이 있는 잠재적 시나리오를 가설하는 것으로 재구성하는 것이 중요합니다. 방법론에 대한 대부분의 논의는 선형 설정을 중심으로 이루어지지만, 비선형 설정의 복잡성과 목표 최소 손실 기반 추정 및 이중 기계 학습과 같은 유연한 절차를 다룹니다. 우리 원칙의 적용을 입증하기 위해 우리는 경도 인지 장애에 대한 도네페질 오프 라벨의 사용을 조사합니다. 우리는 분석 내에서 전통적이고 유연한 혼란스러운 방법과 IV 방법의 결과를 유사한 관찰 연구 및 임상 시험과 비교하고 대조합니다.

동료 검토 보고서

의료의 일반적인 목표는 의료 결과에 대한 치료 또는 개입의 인과 효과를 추정하는 것입니다. 이 작업에 대한 최적의 기준은 잘 통제된 무작위 대조 시험(RCT)입니다. 이 설정에서 무작위화를 통해 원인과 결과 추정치를 확립할 수 있습니다. 왜냐하면 평균적으로 치료군 ​​간에 관찰된 차이는 할당된 치료 또는 우연에 기인하기 때문입니다.

윤리적, 물류적, 금전적 제약으로 인해 RCT가 항상 실행 가능한 것은 아닙니다. 이런 경우 관심 있는 인과관계 효과를 분리하기 위해 관찰 연구를 활용할 수 있습니다. 관찰 연구는 다양한 집단이나 사용 사례에 대한 확장과 같은 치료법에 대한 향후 조사에 정보를 제공하는 데 도움이 되는 가설 생성 증거를 제공할 수 있습니다. 또한 관찰 연구는 연구자들에게 RCT 결과(예: 4상 시험)를 보강하기 위한 치료의 효과와 안전성을 둘러싼 실제 증거를 제공합니다.

인과관계 효과를 분리하는 과정에서 관찰 연구는 개입의 비 무작위화로 인한 잠재적인 편향을 다루어야 합니다. 편향의 일반적인 원인은 적응증 또는 치료 선택 편향으로 인한 혼란입니다. 여기서 요인은 치료 배정과 목표 의학적 상태 모두에 영향을 미칩니다. 혼란 요인이라고 불리는 이러한 요인은 환자 특성부터 다른 동시 치료에 이르기까지 다양합니다.

교란 변수와 도구 변수(IV)를 기반으로 치료 선택 편향을 완화하기 위한 두 가지 광범위한 접근 방식이 있습니다. 간단히 말해서 교란자 접근법은 치료 배정과 결과를 모두 설명하는 모든 요인을 "조정"하는 것을 목표로 합니다. 이와 대조적으로 IV는 치료 할당만 결정하고 그 외에는 결과와 관련이 없습니다. IV는 치료 할당이 혼동되지 않는 모집단의 하위 집합을 정의하는 데 사용됩니다.

기본적으로 혼란스러운 접근법과 IV 접근법은 실제로 테스트할 수 없는 가정이 특징입니다. 예를 들어, 가능한 모든 혼란 요인이 조정되었다는 개념은 데이터로 확인할 수 없습니다. 따라서 분석가는 이러한 방법이 불완전하게 작동할 것이라는 가정하에 작업을 수행할 수 있어야 합니다. 즉, 두 접근법 모두 치료 선택 편향을 완전히 극복할 수는 없지만 사용되지 않았을 때보다 덜 편향된 추정치를 제공할 수 있습니다. 이 불명확한 패러다임을 탐색하려면 관찰 연구를 둘러싼 일반적인 추론과 직관이 필요합니다.