Pre-processing data to reduce biases: full matching incorporating an instrumental variable in population-based studies
Notice bibliographique
Résumé
BACKGROUND: Epidemiologists are often concerned with unobserved biases that produce confounding in population-based studies. We introduce a new design approach-'full matching incorporating an instrumental variable (IV)' or 'Full-IV Matching'-and illustrate its utility in reducing observed and unobserved biases to increase inference accuracy. Our motivating example is tailored to a central question in humanitarian emergencies-the difference in sexual violence risk by displacement setting. METHODS: We conducted a series of 1000 Monte Carlo simulations generated from a population-based survey after the 2010 Haitian earthquake and included earthquake damage severity as an IV and the unmeasured variable of 'social capital'. We compared standardized mean differences (SMDs) for covariates after different designs to understand potential biases. Mean risk differences (RDs) were used to assess each design's accuracy in estimating the oracle of the simulated data set. RESULTS: Naive analysis and pair matching equivalently performed. Full matching reduced imbalances between exposed and comparison groups across covariates, except for the unobserved covariate of 'social capital'. Pair and full matching overstated differences in sexual violence risk when displaced to a camp vs a community [pair: RD = 0.13, 95% simulation interval (SI) 0.09-0.16; full: RD = 0.11, 95% SI 0.08-0.14). Full-IV Matching reduced imbalances across observed covariates and importantly 'social capital'. The estimated risk difference (RD = 0.07, 95% SI 0.03-0.11) was closest to the oracle (RD = 0.06, 95% SI 0.4-0.8). CONCLUSION: Full-IV Matching is a novel approach that is promising for increasing inference accuracy when unmeasured sources of bias likely exist.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,153 | 0,343 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».