Tahmasebi fard M, Najafi F, Rezaeian S, Moradinazar M. How Can Causal Relationships Be Measured in Observational Studies? Propensity Score Matching: A Tutorial Article. JRUMS 2022; 21 (3) :343-366
URL:
http://journal.rums.ac.ir/article-1-6506-fa.html
طهماسبی فرد مینا، نجفی فرید، رضائیان شهاب، مرادی نظر مهدی. چگونه میتوان در مطالعات مشاهدهای روابط علیتی را سنجید؟ همسانسازی با نمره گرایش: یک مقاله آموزشی. مجله دانشگاه علوم پزشکی رفسنجان. 1401; 21 (3) :343-366
URL: http://journal.rums.ac.ir/article-1-6506-fa.html
دانشگاه علوم پزشکی کرمانشاه
چکیده: (1495 مشاهده)
زمینه و هدف: در بیشتر مطالعات مشاهدهای پژوهشگران سعی در پیدا کردن روابط علیتی بین مشاهدات را دارند، این ارتباط سنجی به دلیل عدم کنترل متغیرهای مخدوشگر با خطا همراه است. یکی از روشهایی که برای کنترل متغیرهای مخدوشگر کاربردی است، همسانسازی با نمره گرایش است. لذا هدف از این مطالعه، توضیح مراحل انجام همسانسازی با نمره گرایش است.
مواد و روشها: همسانسازی نمره گرایش دارای 5 مرحله است. مرحله اول برآورد نمره گرایش است که شامل انتخاب مدل و متغیر مناسب میباشد. مرحله دوم، بر اساس نمرات گرایش برآورد شده باید تصمیم گرفت از میان روشهای تطبیق کدام روش را انتخاب کرد. مرحله سوم همپوشانی و پشتیبانی مشترک است، در این مرحله مشاهداتی که خارج از محدوده نمرات تطبیق قرار دارند، حذف میشوند. پس از آن کیفیت مطابقت، ارزیابی میشود و در نهایت باید حساسیت اثرات برآورد شده را تخمین زد.
یافتهها: در تطبیق نمره گرایش، متغیرهای اساسی مشاهده شده بین گروههای مواجهه و عدم مواجهه متعادل میشوند. با این حال، اگر مدل آماری مورد استفاده برای محاسبه نمره گرایش به درستی انتخاب نشده باشد، عدم تعادل بین ویژگیهای پایه دو گروه همچنان میتواند وجود داشته باشد.
نتیجهگیری: همسانسازی بر اساس نمره گرایش در مواردی که مخدوش کنندههای مطالعه زیاد باشند، مفید است. این روش در مطالعات مشاهدهای جایگزین تصادفیسازی در مطالعات تجربی است که با کاهش تورش انتخاب و کنترل متغیرهای مخدوشگر برآوردها را دقیقتر میکند.
واژههای کلیدی: همسانسازی نمره گرایش، متغیرهای مخدوشگر، مطالعات مشاهدهای
نوع مطالعه:
كاربردي |
موضوع مقاله:
آمار و اپيدميولوژي دریافت: 1401/1/30 | پذیرش: 1401/4/8 | انتشار: 1401/4/28