Atelier du Groupe de biostatistique

Scores de propension : méthodes, modèles et ajustements

David Stephens, Université McGill


14 juin, 9 heures à 16 heures


Résumé
 

Le score de propension est un élément clé de nombreuses procédures d’inférence causale. Après avoir établi le cadre de base de l’inférence causale, nous présenterons les principales méthodes de construction des fonctions de score de propension et en étudierons les propriétés mathématiques fondamentales. Nous détaillerons l’utilisation du score de propension dans la mise en correspondance, la pondération inverse et les ajustements de régression qui permettent une estimation cohérente de l’effet non confondant d’une exposition ou d’un traitement d’intérêt. À l’aide du cadre d’inférence semi-paramétrique, nous comparerons les propriétés statistiques des estimateurs dérivés à l’aide de chaque méthode. Nous étudierons les problèmes de sélection de modèles pour le score de propension et montrerons l’utilité d’un choix judicieux des prédicteurs de la fonction de propension : nous l’illustrerons par des problèmes standard ainsi que dans le cas des prédicteurs de haute dimension. Nous étudierons également des données longitudinales dans l’environnement causal. Enfin, nous développerons le cadre bayésien permettant de traiter l’inférence causale et examinerons comment la construction et l’utilisation de fonctions de propension se traduisent dans ce nouvel environnement. Les calculs seront effectués en R.


Conférencier
 

David Stephens est professeur James McGill au Département de mathématiques et de statistique de l’Université McGill, à Montréal. Il s’intéresse surtout à l’inférence et au calcul bayésiens, ainsi qu’à leurs applications en biostatistique, génétique et séries chronologiques. Il est l’actuel rédacteur en chef de La revue canadienne de statistique.