Monte Carlo Sensitivity Analysis for Unmeasured Confounding in Dynamic Treatment Regimes
Data-driven methods for personalizing treatment assignment have garnered much attention from clinicians and researchers. Dynamic treatment regimes formalize this through a sequence of decision rules that map individual patient characteristics to a recommended treatment. Observational studies are commonly used for estimating dynamic treatment regimes due to the potentially prohibitive costs of conducting sequential multiple assignment randomized trials. However, estimating a dynamic treatment regime from observational data can lead to bias in the estimated regime due to unmeasured confounding. Sensitivity analyses are useful for assessing how robust the conclusions of the study are to a potential unmeasured confounder. We propose a method for performing a Monte Carlo sensitivity analysis of the bias due to unmeasured confounding in the estimation of dynamic treatment regimes.
Analyse de sensibilité Monte-Carlo pour les facteurs de confusion non mesurés dans les régimes de traitement dynamiques
Les méthodes fondées sur les données pour personnaliser l'attribution des traitements ont suscité beaucoup d'intérêt de la part des cliniciens et des chercheurs. Les régimes de traitement dynamiques formalisent cette approche par une séquence de règles de décision qui associent les caractéristiques individuelles des patients à un traitement recommandé. Les études d'observation sont couramment utilisées pour estimer les régimes de traitement dynamiques en raison des coûts potentiellement prohibitifs de la réalisation d'essais randomisés séquentiels à assignation multiple. Cependant, l'estimation d'un régime de traitement dynamique à partir de données observationnelles peut entraîner un biais dans le régime estimé en raison de facteurs de confusion non mesurés. Les analyses de sensibilité sont utiles pour évaluer la robustesse des conclusions de l'étude par rapport à un facteur de confusion potentiel non mesuré. Nous proposons une méthode pour réaliser une analyse de sensibilité Monte-Carlo du biais dû à des facteurs de confusion non mesurés dans l'estimation des régimes de traitement dynamiques.
Date and Time
-
Language of Oral Presentation
English
Language of Visual Aids
English