Propensity Skor Ağırlıklandırma Yönteminde Denge Metriklerinin Performansı Üzerine Benzetim Çalışması

Abstract

Amac: Randomizasyonun saglanamadigi durumlarda bireylerin tedavi kollarina atanmasinda yanliligi minimize etmek icin propensity skor agirliklandirma yonteminin kullanilmasini ve bu yontemin genellestirilmis boosted ve cok kategorili lojistik regresyondan elde edilen bulgulara iliskin performanslarinin degerlendirmesini amaclamaktadir.  Yontem: Cok kategorili lojistik regresyon (MLR) ve genellestirilmis boosted modelden (GBM) elde edilen sonuclar bir benzetim calismasi yardimiyla karsilastirilacaktir. Benzetim calismasinda uc kategorili tedavi grubu, surekli yanit degiskeni ve surekli/dikotom ortak degiskenlerin oldugu, yedi farkli senaryo uzerinde 1000 tekrar kullanilarak, n=500, 1000, 2000 orneklem buyuklugune sahip veriler turetilecektir. MLR ve GBM’den elde edilen propensity skorlari yardimiyla propensity agirliklarina ulasilacak ve bu agirliklari kullanarak, tedavi etkilerini degerlendirmede kullanilan, ortalama tedavi etkisi (OTE) kestirimi ile denge metrikleri kullanilarak, dengenin degerlendirmesi yapilacaktir. Calismada R programindaki “twang” paketi kullanilacaktir.  Bulgular: Orneklem sayisi arttikca denge degerlerinin daha azaldigi dolayisi ile yanliligin dustugu gorulmektedir. Senaryolar daha kompleks hale geldikce GBM’nin daha iyi denge sonuclari urettigi gorulmektedir. Ana etkilerin oldugu bir modelde MLR icin daha iyi sonuclar gorulmektedir. MLR regresyon modelden elde edilen OTE agirliklari kararsiz ve zayif bir denge gostermektedir. Asiri agirliklarin kirpilmasi ya da kaldirilmasi dengenin duzelmesini saglamaktadir.