Causal Inference via Propensity Scores for Case-Control Studies
The development and uptake of propensity score methods in outcome-dependent sampling schemes, such as case-control studies, remains limited. Under this design and its variants, propensity scores are estimable from control data under a rare disease assumption or, more specifically, the assumption that the controls are representative of the source population in terms of their exposure distribution conditional on covariates ("control exchangeability"). In this talk, we demonstrate that relative effects, such as causal risk ratios, are estimable under three variants of case-control designs using control-fitted propensity scores. We appropriate two existing estimators for these three settings: inverse probability of treatment weighting and an efficient and doubly robust estimator and introduce a novel two-step propensity score caliper-matching procedure. We contrast these estimators with simulated and real data and introduce novel diagnostic criteria to verify overlap and covariate balance.
L'inférence causale avec le score de propension pour les études cas-témoins
Le développement et l'adoption des méthodes de score de propension dans les plans d'échantillonnage dépendants des variables dépendantes, tels que les études cas-témoins, restent limités. Pour l'étude cas-témoin et ses variantes, les scores de propension peuvent être estimés à partir des données des témoins en partant de l'hypothèse d'une maladie rare ou, plus précisément, de l'hypothèse que les témoins sont représentatifs de la population source en termes de distribution de leur exposition selon les covariables (« interchangeabilité des témoins »). Dans cette présentation, nous démontrons que les effets relatifs, tels que les rapports de risque causaux, peuvent être estimés dans le cadre de trois variantes de modèles cas-témoins à l'aide de scores de propension ajustés aux témoins. Nous utilisons deux estimateurs existants pour ces trois paramètres : la pondération par la probabilité inverse du traitement et un estimateur efficace et doublement robuste, et nous introduisons une nouvelle procédure d’appariement par score de propension en deux étapes. Nous comparons ces estimateurs à des données simulées et réelles et introduisons de nouveaux critères diagnostiques pour vérifier le chevauchement et l'équilibre des covariables.
Date and Time
-
Language of Oral Presentation
English
Language of Visual Aids
English