什么是 逆删失概率加权？
逆删失概率加权是一种为仍可观测个体赋予保持未删失概率倒数权重的方法，使这些随访记录能够代表已测量历史相似但已经失访的个体。
快速了解
| 规范文档 | 官方规范 |
|---|
工作原理
先定义估计目标，再把事件标记为删失
固定研究结束时间造成的行政删失可能与预后无关，失访或在偏离处理方案时执行的人为删失则可能具有信息性。竞争事件可以属于复合结局、作为原因特异估计目标中的终止事件，或作为需要其他策略处理的伴发事件。把所有不可用结局都视为同一个删失过程，会改变实际回答的问题。
纵向权重连乘条件持续观测概率
在每个合格时点，估计给定既往处理、协变量和观测历史后保持未删失的概率。分母是截至该时点这些概率的乘积，稳定权重的分子使用更精简的历史来限制方差。IPCW 可以与边际结构模型或克隆-删失-加权分析中的处理权重相乘。Robins 与 Finkelstein系统提出了依赖删失下的 IPCW。
权重诊断会暴露缺乏支持的随访
应按时间和原因检查删失、预测持续观测概率、稳定权重均值与尾部、有效样本量、风险集中的协变量平衡，以及对模型形式和截尾的敏感性。极小概率意味着少数可观测个体必须代表大量已删失同类。截尾以偏差为代价降低方差，也无法解决未测量的删失原因。
主要特点
- 针对信息性结局失访造成的选择问题
- 只为分析时点仍可观测的个体赋权
- 使用逐时点未删失概率的连乘积
- 可以稳定化并与处理权重组合
- 依赖条件独立删失与正值性
- 要求检查删失原因、权重尾部、平衡和有效样本量
常见用途
- 校正与预后相关的失访对生存估计的影响
- 在偏离方案时人为删失后估计依从方案效应
- 支持目标试验模拟中的克隆-删失-加权
- 观测过程依赖已测量历史时校正纵向结局
- 评估权重截尾如何改变信息性删失估计
示例
Loading code...常见问题
逆删失概率加权解决什么问题？
当删失取决于已测量的结局预测因素，使可观测随访与已删失随访系统性不同时，IPCW 用保留个体代表历史相似的删失个体。它依赖条件独立删失、正值性和模型正确等假设。
IPCW 与逆倾向概率加权有什么区别？
处理加权建模实际处理概率，用于校正处理与混杂因素的不平衡；IPCW 建模保持可观测的概率，用于校正删失选择。纵向因果分析可能同时需要二者，而连乘权重会进一步放大不稳定性。
IPCW 能处理未测量的失访原因吗？
不能。它要求给定已测量历史后，删失与相关反事实结局独立。如果未记录的预后因素影响失访，估计仍可能有偏，此时需要敏感性分析或改善数据收集。
竞争事件都应该使用 IPCW 当作删失吗？
不应该。竞争事件的处理取决于估计目标：它可能属于复合结局，进入原因特异或子分布框架，也可能采用其他伴发事件策略。未定义目标效应就直接把它标为删失，容易回答错误问题。
如何检查 IPCW 权重？
应汇总删失原因与时间、预测未删失概率、权重均值、分位数与最大值、有效样本量、风险集平衡，以及不同模型设定和截尾阈值下的结果。对于接近零的概率，应调查原因而不是仅用裁剪隐藏。