- Publication
- Mise à jour
Appliquer une méthode par score de propension ne garantit pas que chaque personne dispose d’un homologue comparable ou d’informations de comparaison suffisantes. Un manque de recouvrement pour des caractéristiques importantes peut modifier les personnes que l’effet estimé peut décrire de façon pertinente.
Définir la question et les hypothèses
Définissez d’abord la population cible et l’effet visé. Examinez ensemble les distributions des scores, l’équilibre des covariables et les poids. Des poids extrêmes ou des personnes non appariées ne sont pas de simples désagréments techniques : ils peuvent indiquer des zones où les données ne soutiennent pas la comparaison. Justifiez les règles d’exclusion ou de restriction du support selon l’objectif scientifique et la population obtenue.
Exemple d’étude hypothétique
Dans un jeu de données hypothétique, les personnes gravement atteintes reçoivent presque toujours une intervention. L’appariement laisse la plupart d’entre elles hors de l’analyse. L’équipe ne généralise pas le résultat de l’échantillon retenu à toute la population initiale ; elle rapporte la cible modifiée et les profils insuffisamment représentés.
Points de contrôle de la conception
- Présentez séparément les distributions des scores et les zones sans recouvrement pour les deux groupes.
- Examinez les poids élevés et la concentration de l’influence sur l’estimation obtenue.
- Décrivez les changements de population cible après appariement, restriction du support ou autres étapes de sélection.
Consigner la décision et ses limites
Une présentation acceptée inclut les éléments d’équilibre et de recouvrement avec le nom de la méthode. L’équilibre des covariables mesurées n’établit pas celui des facteurs de confusion non mesurés. Ne choisissez pas les règles analytiques après avoir vu le résultat qu’elles produisent. Discutez ensemble le soutien restant des données, l’effet visé et la généralisabilité, avec l’incertitude numérique de l’estimation.
Questions fréquentes
- Un bon modèle de score établit-il une bonne analyse causale ?
- Pas à lui seul. Le recouvrement, les mesures et les hypothèses de confusion comptent aussi.
- Les personnes non appariées sont-elles sans importance ?
- Non. Leur exclusion peut modifier la population à laquelle s’applique l’inférence.