目標研究：衡量不平等的概念模型和框架

核心概念

本文提出了一個稱為「目標研究」的概念模型，用於衡量社會群體間在可允許的協變量上相似的情況下（即平衡）的差異，並探討了如何模擬該模型以解決非隨機樣本選擇、時間框架和可允許性等問題。

摘要

目標研究：衡量不平等的概念模型和框架

導論

精確衡量社會群體間的不平等對於促進健康平等至關重要。然而，目前缺乏關於衡量不平等的最佳實務和原則的討論，特別是在使用非為研究目的而收集的二手數據時。概念模型可以作為分析和解釋二手數據的重要指南，例如目標試驗框架。然而，目標試驗框架無法指導缺乏干預措施的描述性不平等衡量。此外，在沒有概念指導的情況下，與不公正過程或結果相關的目標人群和追蹤期可能不清楚，這可能會阻礙適當的政策制定。

不平等衡量的概念問題

不平等的定義

在醫學和公共衛生領域，不平等的定義取決於結果是健康狀況（例如，高血壓控制）還是醫療保健商品（例如，治療強化）。對於健康狀況結果，不平等被定義為「系統性、可合理避免的健康差異，對社會弱勢群體造成不利影響」。對於醫療保健結果，不平等被定義為「與獲得醫療服務相關的因素、臨床需求、偏好和干預措施的適當性無關的醫療保健質量差異」。

時間框架

不平等並非指一種普遍的、一般的現象，而是指在特定時間點（或時間跨度）內嵌套在特定環境中的人們的結果。

可允許性

在不平等的定義中，可允許的協變量是指那些差異分佈不會導致不公平結果的協變量。

不平等的因果框架的必要性

關於不平等的確切原因的論證對於關注不平等並非必要。道德上的關注可能源於不平等對邊緣化群體人權的影響。

非隨機樣本選擇

一些健康平等框架承認非隨機樣本選擇可能會影響不平等的衡量。缺乏普遍性是指當不平等衡量對研究樣本無偏差，但對更廣泛的目標人群有偏差時發生的情況。缺乏可移植性是指當不平等衡量對研究樣本無偏差，但對不同的目標人群有偏差時發生的情況。這兩種情況都可能由於風險因素在不同社會群體中與結果的不同關聯，以及風險因素的分佈取決於與資格相關的變量而產生。

目標研究：衡量不平等的概念模型

概述

目標研究是一個概念模型，用於衡量社會群體間在可允許的協變量上相似的情況下（即平衡）的差異。在這個模型中，來自兩個或多個社會群體的合格人群在代表入組期的特定時間點或時間跨度內從合格的來源人群中選出。這種選擇通過兩階段抽樣策略在入組窗口結束時進行。第一階段抽樣解決了非隨機選擇進入研究的問題。第二階段抽樣使社會群體在可允許的協變量上處於相似的位置（即平衡），以便對於兩個社會群體，可允許的協變量都遵循樣本內標準人群的分布。因此，最終樣本中的不平等估計值並非由於可允許分佈的差異造成的。在兩個階段的抽樣之後，對入組者進行一段時間的追蹤。對不同社會群體結果的特定統計比較提供了不平等的衡量標準。

入組窗口

進行目標研究的第一步是選擇一個特定的時間點或狹窄的時間跨度來招募參與者。這需要選擇時間粒度（例如，小時、天、月、年）和作為入組期的特定時間點。

入組群體

不平等的定義比較的是由於其在社會中的地位而持續存在不同程度的社會優勢、特權、權力、財富或聲望的群體。

資格標準

資格標準可以定義目標人群，反映範圍、社會層面和時間方面的問題。

可允許的協變量

可允許的協變量是在入組過程中要使社會群體處於相似位置（即平衡）的協變量。

標準分佈

在入組過程中，我們對個體進行抽樣，以便使可允許協變量的分佈在不同社會群體中相同，遵循研究者選擇的樣本內標準分佈。

入組流程

在任何時間點，每個人都通過多階段抽樣（一次）入組到一項研究中。將參與限制為每個時間單位在單一研究中單次入組，可以將推論映射到每個時間單位的明確人群。

時間零點

時間零點表示日曆時間中開始追蹤結果的時間錨點。

追蹤和結果確定

我們需要具體說明如何定義結果（例如，事件發生率或患病率）、考慮哪些結構、如何衡量結果以及評估結果的時間長度。

統計分析

最後，我們需要具體說明如何分析數據。我們選擇量表（例如，加法或比率）、編碼選擇（例如，對於報告不平等，使用不足 [例如，未控制的高血壓] 或收益 [例如，控制的高血壓]）。

擴展目標研究以解決非隨機樣本選擇問題

概述

當研究者希望將非隨機樣本選擇的所有貢獻都納入不平等時，第 4 節中描述的目標研究就足夠了。為了解決非隨機樣本選擇問題，我們引入了抽樣策略，允許使用第 4 節中描述的合格人群的數據來推斷更廣泛人群（設計 2）、不同人群（設計 3）或反事實人群（設計 4）中可能存在的不平等，在這些人群中，由於選擇全部或部分合格而產生的對撞分層不會發生。

設計 2：從更廣泛人群中抽樣（普遍性）

設計 2 允許在改變資格標準的情況下推斷研究。

設計 3：抽樣到不同人群（可移植性）

設計 3 允許在改變資格標準的情況下推斷研究。

設計 4：抽樣到反事實人群（對撞分層）

設計 4 允許推斷通過干預改變合格人群的目標研究。

統計資料

引述

從以下內容提煉的關鍵洞見

The Target Study: A Conceptual Model and Framework for Measuring Disparity

by John W. Jack... 於 arxiv.org 11-04-2024

https://arxiv.org/pdf/2207.00530.pdf

深入探究

如何將目標研究模型應用於分析和解決醫療保健以外領域的不平等問題？

目標研究模型的核心概念是通過模擬一個理想化的研究設計，來衡量和理解社會群體間的不平等現象。這個模型的應用並不局限於醫療保健領域，可以推廣到其他存在不平等問題的領域，例如：

教育: 研究不同社會群體(例如，不同種族、 socioeconomic status)學生的學習成果(例如， standardized test scores, graduation rates)差異。目標研究模型可以幫助我們識別造成這些差異的因素，例如學校資源分配、教師期望、家庭教育環境等。
就業: 分析不同社會群體在就業機會、薪資待遇、職業發展等方面的差異。目標研究模型可以幫助我們理解這些差異背後的 discrimination, implicit bias, social networks 等因素。
刑事司法: 研究不同社會群體在犯罪率、 sentencing, incarceration rates 等方面的差異。目標研究模型可以幫助我們探討這些差異是否由 racial profiling, socioeconomic disparities, access to legal representation 等因素導致。
住房: 分析不同社會群體在獲得住房機會、住房質量、居住環境等方面的差異。目標研究模型可以幫助我們理解這些差異是否與 housing discrimination, redlining, gentrification 等因素相關。
在應用目標研究模型到其他領域時，需要根據具體的研究問題和數據特點進行調整。例如，需要明確定義研究中涉及的社會群體、結果變量、允許變量、非允許變量等。同時，需要根據數據的可獲得性和研究設計的可行性，選擇合適的抽樣策略和統計分析方法。

在目標研究模型中，如何平衡考慮非隨機樣本選擇和維持數據分析的可行性之間的關係？

目標研究模型強調考慮非隨機樣本選擇對不平等測量結果的影響。然而，在實際應用中，完全消除非隨機樣本選擇的影響往往是困難的，甚至是不可能的。因此，需要在考慮非隨機樣本選擇和維持數據分析可行性之間取得平衡。
以下是一些可以考慮的策略：

明確說明研究範圍和限制: 在研究設計階段，明確說明研究的目標人群、數據來源、抽樣方法等，並分析這些因素可能導致的非隨機樣本選擇問題。
收集豐富的協變量信息: 儘可能收集與結果變量和社會群體變量相關的協變量信息，例如人口統計學特徵、 socioeconomic indicators, behavioral factors 等。這些信息可以用於後續的統計分析，以調整非隨機樣本選擇帶來的偏差。
採用適當的統計分析方法: 選擇能夠有效處理非隨機樣本選擇問題的統計分析方法，例如 propensity score matching, inverse probability weighting, G-computation 等。這些方法可以幫助我們在一定程度上調整非隨機樣本選擇帶來的偏差，提高研究結果的準確性。
進行敏感性分析: 在數據分析階段，進行敏感性分析，以評估非隨機樣本選擇對研究結果的影響程度。例如，可以比較使用不同統計分析方法得到的結果，或者比較使用不同協變量調整方法得到的結果。
總之，在目標研究模型的應用中，需要根據具體的研究問題和數據特點，在考慮非隨機樣本選擇和維持數據分析可行性之間取得平衡。

如何利用目標研究模型的結果來制定有效的政策和干預措施，以減少社會群體間的不平等？

目標研究模型的結果可以為制定有效的政策和干預措施提供重要參考，以減少社會群體間的不平等。以下是一些具體的步驟：

識別造成不平等的關鍵因素: 目標研究模型可以幫助我們識別造成社會群體間不平等的關鍵因素，例如 socioeconomic disparities, access to resources, discrimination 等。
制定針對性的政策和干預措施: 根據識別出的關鍵因素，制定針對性的政策和干預措施，例如提供教育和就業培訓機會、改善醫療保健服務、消除歧視等。
評估政策和干預措施的效果: 利用目標研究模型，可以評估政策和干預措施的效果，例如比較干預前後社會群體間不平等的變化情況。
持續監測和調整: 持續監測社會群體間不平等的變化情況，並根據監測結果調整政策和干預措施，以確保其有效性。
以下是一些利用目標研究模型結果制定政策和干預措施的例子：

在教育領域: 如果目標研究模型的結果顯示，不同種族學生之間的學習成果差異主要由學校資源分配不均導致，那麼政府可以制定政策，增加對資源匱乏學校的資金投入，以縮小不同學校之間的資源差距。
在就業領域: 如果目標研究模型的結果顯示，女性在職場晉升方面面臨著性別歧視，那麼政府可以制定法律法規，禁止性別歧視，並鼓勵企業採取措施，促進職場性別平等。
在醫療保健領域: 如果目標研究模型的結果顯示，少數族裔患者獲得的醫療保健服務質量較低，那麼政府可以制定政策，提高少數族裔患者獲得高質量醫療保健服務的機會。
總之，目標研究模型可以為制定有效的政策和干預措施提供重要參考，以減少社會群體間的不平等。通過識別關鍵因素、制定針對性措施、評估效果和持續監測，可以有效地減少社會群體間的不平等，促進社會公平正義。