Contexto empresarial
Una compañía farmacéutica necesita evaluar si un nuevo medicamento (Tratamiento A) es más efectivo que el estándar (Tratamiento B) para reducir la presión arterial. Debido a la importancia crítica de los resultados, se requiere el método AIPW (Ponderación de Probabilidad Inversa Aumentada) para asegurar la doble robustez de las estimaciones, minimizando el sesgo si el modelo de tratamiento o el de resultados está mal especificado.
Sobre el conjunto : causalanalysis
Análisis de inferencia causal y estimación de efectos.
Descubrir todas las acciones de causalanalysis Preparación de datos
Simulación de un ensayo clínico con covariables (edad, IMC), asignación de tratamiento y cálculo previo de probabilidades de propensión y predicciones de resultados (requisito del método agnóstico).
¡Copiado!
| 1 | |
| 2 | DATA mycas.clinical_trial; |
| 3 | call streaminit(999); |
| 4 | DO i = 1 to 500; |
| 5 | age = rand('NORMAL', 50, 10); |
| 6 | bmi = rand('NORMAL', 25, 4); |
| 7 | prob_A = logistic(-2 + 0.05*age - 0.02*bmi); |
| 8 | IF rand('UNIFORM') < prob_A THEN treatment = 'NewDrug'; |
| 9 | ELSE treatment = 'Standard'; |
| 10 | /* Efecto real: NewDrug reduce 5 puntos más */ base_bp = 140 + 0.5*age + 0.2*bmi; |
| 11 | noise = rand('NORMAL', 0, 5); |
| 12 | IF treatment = 'NewDrug' THEN bp_reduction = 15 + noise; |
| 13 | ELSE bp_reduction = 10 + noise; |
| 14 | /* Predicciones simuladas para AIPW */ pred_NewDrug = 15; |
| 15 | pred_Standard = 10; |
| 16 | OUTPUT; |
| 17 | END; |
| 18 | |
| 19 | RUN; |
| 20 |
Étapes de réalisation
1
Ejecución de caEffect usando el método AIPW para estimar la diferencia causal entre tratamientos.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | causalanalysis.caEffect / TABLE={name='clinical_trial'} method='AIPW' treatVar={name='treatment'} outcomeVar={name='bp_reduction', type='CONTINUOUS'} pom={{trtLev='NewDrug', trtProb='prob_A', predOut='pred_NewDrug'}, {trtLev='Standard', trtProb='prob_A', predOut='pred_Standard'}} difference={{evtLev={'NewDrug'}, refLev={'Standard'}}} inference=true; |
| 4 | |
| 5 | RUN; |
| 6 |
Resultado esperado
La acción debe generar tablas de salida que muestren las Medias de Resultados Potenciales (POM) para ambos medicamentos. La tabla de 'Efectos' debe mostrar una diferencia estimada cercana a 5 puntos (a favor del nuevo fármaco) con intervalos de confianza válidos, confirmando la eficacia del tratamiento bajo el enfoque doblemente robusto.