Eğilim skoru (Propensıty score) ve bir uygulaması

Abstract

Gözlemsel araştırmalarda birimlerin, tedavi ve kontrol gruplarına atanmasında araştırmacının müdahalesinin olmaması ve rastgeleliğin tam olarak sağlanamamasından dolayı, tedavi ve kontrol grupları arasında ortak değişkenler bakımından önemli farklılıklar meydana gelmektedir. Tedavi ve kontrol grupları arasındaki bu farklılıklar nedeni ile tedavi etkisinin tahmininde ortaya çıkan sistematik hatayı en aza indirmek için eşleştirme, tabakalara ayırma, regresyon düzeltmesi gibi yöntemler kullanılabilmektedir. Fakat ortak değişken sayısının çok olduğu durumlarda bu gibi yöntemler yeterli olmamaktadır. Bu nedenle, gözlemsel verilerde tedavi etkisi tahminindeki sistematik hatayı azaltmak ve kesinliği arttırmak amacıyla 1983 yılında Rosenbaum ve Rubin tarafından mevcut yöntemlere alternatif olarak eğilim skoru geliştirilmiştir. Eğilim skoru, çok sayıda ortak değişkeni tek bir boyuta indiren bir denge skorudur. Bir birimi belirli bir tedaviye atamanın koşullu olasılığı olan eğilim skoru sadece tıp alanında değil ekonomi, sosyal bilimler, psikoloji gibi çeşitli alanlarda da rağbet gören bir yöntemdir. Bu çalışmada, gerçek bir veri seti kullanılarak tedavi ve kontrol grupları arasındaki ortak değişkenlere göre oluşan farklılıkların giderilmesi için eğilim skoru ile eşleştirme (en yakın komşuluk, caliper) ve ağırlıklandırma yöntemleri uygulanmış ve standartlaştırılmış farklar ile her bir ortak değişken için denge kontrolü yapılmıştır. Denge kontrollerinin sonucunda, bütün ortak değişkenlerin dengeye girdiği ağırlıklandırma yönteminden sonra tedavi değişkeni için önemli olan risk faktörleri belirlenmeye çalışılmıştır.

Due to fact that the researcher has no intervention in assigning the units to treatment and control groups during observational studies, and the fact that randomness cannot be completely provided; significant differences occur between the treatment and control groups in terms of covariances. In order to minimize the systematic error arising during the estimation of the effect of treatment owing to these differences between the treatment and control groups; methods such as matching, stratification, and regression adjustment can be used. However, in the case that the number of covariance is plentiful, such kind of methods cannot be adequate. For this reason, for the purpose of decreasing the systematic error in estimation of the treatment effect in observational data and increase accuracy, propensity score was developed as an alternative to existing methods by Rosenbaum and Rubin in 1983. Propensity score is a balance score that decreases a large number of covariance to a single dimension. Propensity score, which is the conditional possibility of assignment of a unit to a specific treatment, is a method not only demanded in medical field but also in economy, social sciences, and psychology. In this study, propensity score (closest neighborhood, caliper) and weighting methods were implemented in order to eliminate the differences arising in terms of the covariances between the treatment and control groups by using a real data set and balance control was performed for each covariance with standardized differences. As a result of the balance controls, after the weighting method in which covariances come to balance, the significant risk factors for the treatment variable were tried to determine.