Escores de propensão: aplicações à Epidemiologia

Abstract

Em estudos observacionais usualmente não é possível fazer alocação aleatória dos indivíduos em grupos (intervenção ou controle) e, como conseqüência, as distribuições de probabilidade de algumas variáveis preditoras podem ser diferentes entre os grupos. Nestas situações é importante utilizar métodos de análise que permitam controlar o potencial confundimento na associação entre os fatores e o desfecho. Os escores de propensão podem ser usados para ajustar o efeito de um tratamento ou intervenção através de pareamento, estratificação, ponderação ou como uma variável de ajuste. O pareamento de indivíduos entre os grupos faz com que as distribuições sejam similares, tornando os grupos comparáveis, de forma que as associações estimadas podem ser atribuídas unicamente à intervenção ou ao tratamento. Este trabalho explora o uso do método de escores de propensão no contexto epidemiológico, cobrindo aspectos da estimação e sua utilização para pareamento. Rotinas computacionais em R e SAS foram utilizadas para fazer o pareamento. Um conjunto de dados hipotéticos foi utilizado para ilustrar as etapas de estimação dos escores de propensão, o pareamento e as comparações entre grupos. Diferentes níveis de exigência foram usados para o pareamento. Os resultados demonstram empiricamente o grande potencial do método para estimar acuradamente (sem confundimento) o efeito ou associação de uma intervenção com o desfecho. O nível de exigência na similaridade dos escores de propensão dos indivíduos entre os grupos tem impacto sobre o número de pares encontrados e, portanto, deve ser escolhido com cautela. No exemplo, as análises sem e com escores de propensão e com ajuste multivariável ilustram o papel do confundimento, pois a direção e a magnitude da associação podem ser substancialmente diferentes.

In observational studies it is not always possible to randomly allocate individuals to groups (treated and control) and as consequence, the distributions of some predictors may be different among groups. In these situations, it’s important use methods of analysis that allows to control for potential confounding the association of the outcome with factors. The propensity scores can be used to adjust the treatment effect by means of matching, stratification, weighting or regression adjustment. The matching with subjects between groups can be used to balance the covariates distributions, making groups more comparable, so that the differences can be assigned to intervention or treatment. This paper explores the use of propensity score methods in epidemiological context, focusing on the estimation and their use for matching. An hypothetical data set was used to show the steps of propensity scores estimation, matching and comparison between groups. A SAS macro called “%Match” was used to do the matching. The results show empirically the great potential of propensity score matching technique to estimate accurately (without confounding) the effect or association among the intervention and the outcome. In this example the analyses using and not using propensity scores, as well as with multivariable adjustment, illustrate the role of confounding, since both the direction and magnitude of association may be very different.