- Publicación
- Actualización
Aplicar un método de puntuación de propensión no garantiza que cada persona tenga una contraparte comparable o información comparativa suficiente. La falta de solapamiento en características importantes puede cambiar qué personas puede describir de forma significativa un efecto estimado.
Definir la pregunta y los supuestos
Defina primero la población objetivo y el efecto previsto. Examine conjuntamente las distribuciones de puntuaciones, el equilibrio de covariables y los pesos. Los pesos extremos o las personas sin emparejar no son simples inconvenientes técnicos: pueden indicar regiones en las que los datos no respaldan la comparación. Justifique las reglas de exclusión o recorte en relación con la finalidad científica y la población resultante.
Ejemplo de estudio hipotético
En un conjunto de datos hipotético, las personas gravemente afectadas reciben casi siempre una intervención. El emparejamiento deja a la mayoría fuera del análisis. El equipo no generaliza el resultado de la muestra conservada a toda la población original; informa del objetivo modificado y de los perfiles que carecen de representación adecuada.
Comprobaciones para la revisión del diseño
- Muestre las distribuciones de puntuaciones y las regiones sin solapamiento por separado para ambos grupos.
- Examine los pesos elevados y la concentración de influencia sobre la estimación resultante.
- Describa los cambios de población objetivo tras el emparejamiento, el recorte u otros pasos de selección.
Registrar la decisión y sus límites
Un informe aceptable incluye evidencia del equilibrio y el solapamiento junto con el nombre del método. El equilibrio en covariables medidas no establece equilibrio en factores de confusión no medidos. No seleccione reglas analíticas después de ver qué resultado producen. Comente conjuntamente el respaldo restante de los datos, el efecto previsto y la generalización, además de la incertidumbre numérica de la estimación.
Preguntas frecuentes
- ¿Demuestra un buen modelo de puntuación un buen análisis causal?
- No por sí solo. También importan el solapamiento, la medición y los supuestos de confusión.
- ¿Carecen de importancia las personas sin emparejar?
- No. Su exclusión puede cambiar la población a la que se aplica la inferencia.