핵심 개념
이 논문에서는 관찰 연구에서 정확한 일치가 어려울 때 유연한 일치 알고리즘을 사용하여 민감도 분석을 수행하는 새로운 프레임워크를 제안합니다. 이 프레임워크는 기존의 무작위 배정 기반 접근 방식과 동일한 절차를 공유하지만 잠재적 결과의 무작위 순열을 활용하여 통계적 타당성을 보장합니다.
초록
관찰 연구에서 유연 일치 설계를 사용한 민감도 분석: 새로운 프레임워크 제안
본 연구 논문에서는 관찰 연구에서 인 inexact matching을 사용할 때 민감도 분석을 수행하는 새로운 프레임워크를 제안합니다. 기존의 Rosenbaum의 프레임워크는 exact matching에 의존하여 실제 적용에 제한적이었습니다. 본 논문에서는 잠재적 결과의 무작위 순열을 활용하는 새로운 프레임워크를 통해 유연한 일치 알고리즘을 사용할 수 있도록 합니다.
무작위 대조 시험은 인과 추론의 gold standard이지만, 비용, 시간, 윤리적 문제로 인해 현실적으로 어려운 경우가 많습니다. 이러한 경우 관찰 연구가 대안이 될 수 있지만, confounding으로 인한 bias가 발생할 수 있습니다. 이러한 bias를 해결하기 위해 matching, stratification, weighting 등의 방법이 사용되지만, 측정되지 않은 confounding은 여전히 문제로 남습니다.
Rosenbaum은 일치된 관찰 연구에서 측정되지 않은 confounding을 다루기 위해 민감도 분석 프레임워크를 제안했습니다. 이 프레임워크는 각 일치된 세트 내에서 치료 할당의 편향된 무작위화를 고려합니다. 그러나 Rosenbaum의 프레임워크는 exact matching이 필요하며, 실제로는 달성하기 어려운 경우가 많습니다.