Chi siamo
PScore
Il modulo PScore di Statistics for Data Analysis implementa la tecnica del Propensity Score Matching, considerata come alternativa alle classiche analisi multivariate, quando hai necessità di analizzare dati provenienti da studi non randomizzati.
In generale, sappiamo che i trial clinici sono considerati il gold standard, ovvero il metodo diagnostico più accurato per confermare un determinato dubbio.
Quante volte però ti è capitato di non poter organizzare uno studio sperimentale, ma hai a disposizione numerosi dati provenienti da studi osservazionali?
Sono questi i casi in cui puoi usare il PScore, pacchetto aggiuntivo incluso nella soluzione Statistics for Data Analysis powered by SPSS.
Il metodo del Propensity Score, infatti, va ad ovviare alla mancata randomizzazione, potendo utilizzare ad esempio dati provenienti da registri sanitari o cartelle cliniche.
E' quindi molto utile per esplorare l’efficacia di un trattamento in un ampio numero di sottogruppi di pazienti e ottenere una maggiore generalizzabilità (rispetto a un trial) ad un minor costo e tempo.
Statistics for Data Analysis, ti permette di accedere al metodo del Propensity Score matching in modo semplice, veloce e senza la necessità
di specifici linguaggi di programmazione, grazie al modulo PScore, accessibile e autoinstallante grazie al LaunchBox
Al termine dell’installazione la tecnica del Propensity Score è disponibile nel menu Analizza/ Analyze Add-On/ Propensity Score Matching
Dopo aver selezionato i campi per le diverse funzioni e le preferenze di matching, puoi cliccare su “Esegui”:
Sull’Editor di partenza troverai i nuovi campi creati grazie al processo di accoppiamento della tecnica del Propensity Score matching
A questo punto il PScore ha applicato il Propensity score matching è una tecnica statistica in cui un caso “trattato” è matched con uno o più casi “controllo” in base alla vicinanza/uguaglianza dei valori di propensity score.
Questo matching aiuta a ricreare una “specie di allocazione casuale” in studi osservazionali, riducendo i bias legati alla mancanza di randomizzazione.
Nell’ambiente di Output, inoltre, trovi le metriche di diagnostica del matching, tra cui:
Una tabelle di contingenza e riepilogo
La distribuzione delle differenze standard assolute
La distribuzione delle differenze standardizzate con e senza matching
Le distribuzioni degli score di propensione per combinazioni di categoria di trattamento e matching per l’analisi del supporto comune
Ricapitolando, i passaggi da fare per applicare la tecnica del Propensity Score Matching, sono pochi e grazie al Modulo PScore di Statistics for Data Analysis è facilissimo:
-
Identifica i dati (large sample size)
-
Definisci trattamento/controllo e outcome
-
Apri il PScore dal Menu Analizza e seleziona le covariate di interesse
-
Stima il Propensity Score utilizzando la variabile dicotomica trattamento come dipendente
-
Usa il Propensity Score per fare il ‘match’ dei gruppi.
-
Valuta la riuscita del ‘matching’ con i metodi diagnostici che compaiono automaticamente nell’Output.
-
Esegui l’analisi dell’outcome sul campione di numerosità ridotta perchè aggiustato attraverso il Propensity Score
Per maggiori informazioni
