Análisis comparativo entre el ajuste por regresión lineal múltiple y Propensity Score ordinal basado en ponderación media Marginal por estratificación (MMWS) en el control de la confusión en estudios observacionales

Resumen Introducción: Desde la perspectiva epidemiológica, existen dos metodologías que permiten determinar la asociación entre variables o factores biológicos: estudios experimentales o no experimentales (1). Se tiene a los estudios epidemiológicos experimentales y específicamente al ensayo clínico como "la herramienta más definitiva para la evaluación de la aplicabilidad de la investigación clínica” (2). Cuando no es factible desarrollar un ensayo clínico aleatorizado, es menester tener en cuenta el fenómeno de la confusión; no ajustar el efecto de un determinado tratamiento configura un sesgo en el análisis que puede invalidar los resultados encontrados (2). Entre los métodos de ajuste más comunes está el modelo de regresión convencional (3,4) y el uso del Propensity score (4,5). En este estudio se busca determinar bajo distintos escenarios de tamaño de muestra, número de variables predictoras y razón expuesto - no expuesto, cual metodología produce los mejores resultados en términos de precisión del estimador del efecto de una exposición o intervención establecida, usando un estimador propuesto para tratamientos ordinales conocido como MMWS y una alternativa de este basado en estimadores doblemente robustos (DR-MMWS). Métodos: Simulación de Monte Carlo se usa para comparar el estimador MMWS con el ajuste de regresión convencional. Se plantearon diversos escenarios en cuanto al de tamaño de muestra, número de variables predictoras y razón expuesto - no expuesto para evaluar el rendimiento de estos modelos. Resultados: Los estimadores basados en Propensity Score ordinal basado en ponderación media marginal por estratificación (MMWS), son ligeramente inferiores a la regresión lineal múltiple en la estimación insesgada del efecto en una intervención o exposición de tipo ordinal. El estimador DR-MMWS equipara a los estimadores de una regresión por mínimos cuadrados ordinarios para tamaños de muestra superiores a 500 sujetos. Aumentar el número de no expuestos por expuestos, aumenta la precisión de los estimadores independiente de la metodología de ajuste. Conclusiones: Debe considerarse el uso de estimadores DR-MMWS en estudios observacionales, ya que, en comparación con los estimadores dados por una regresión lineal múltiple, este estimador presenta iguales indicadores de desempeño y las estimaciones dadas por esta metodología son consistentes y presentan una reducción del sesgo importante.

• Autores: Moreno Lopez, Sergio Mauricio
• Fecha de publicación: 2018
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/63350
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/63350; http://bdigital.unal.edu.co/63646/
• Palabra clave: 51 Matemáticas / Mathematics; 61 Ciencias médicas; Medicina / Medicine and health; Estudio epidemiológico; Confusión; Relación causal; Propensity Score; MMWS; Modelo Lineal Generalizado; Epidemiological study; Confusion; Causal relationship; Generalized linear model
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional