Instrumental variable analysis: choice of control variables is critical and can lead to biased results
Notice bibliographique
Résumé
Abstract Instrumental variable (IV) analysis is a widely used technique in econometrics to estimate causal effects in the presence of confounding. A recent application of this technique was used in a high-profile analysis in JAMA Internal Medicine to estimate the effect of cefepime, a broad-spectrum antibiotic, on mortality in severe infection. There has been ongoing concern that piperacillin-tazobactam, another broad-spectrum antibiotic with greater anaerobic activity might be inferior to cefepime, however this has not been shown in randomized controlled trials. The authors used an international shortage of piperacillin-tazobactam as an instrument, as during this shortage period, cefepime was used as an alternative. The authors report a strong mortality effect (5% absolute increase) with piperacillin-tazobactam. In this paper, we closely examine this estimate and find it is likely conditional on inclusion of a control variable (metronidazole usage). Inclusion of this variable is highly likely to lead to collider bias, which we show via simulation. We then generate estimates unadjusted for metronidazole which are much closer to the null and may represent residual confounding or confounding by indication. We highlight the ongoing challenge of collider bias in empirical IV analyses and the potential for large biases to occur. We finally suggest the authors consider including these unadjusted estimates in their manuscript, as the large increase in mortality reported with piperacillin-tazobactam is unlikely to be true.
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 | 0,230 | 0,577 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».