📊 statistics

Application of Propensity Score Models and Causal Estimators in Observational Studies under Model Misspecification

Este estudio demuestra, mediante simulaciones extensas y aplicaciones del mundo real, que la ponderación inversa de probabilidad aumentada (AIPW) ofrece las estimaciones de efectos causales más robustas y estables en estudios observacionales bajo especificación incorrecta del modelo, particularmente cuando se integra con enfoques flexibles de aprendizaje automático para la estimación de la puntuación de propensión.

Autores originales: Apu Chandra Das, Sakib Salam, Md Robiul Islam Talukder, Ashim Chandra Das, Antar Chandra Das, Rakhi Chowdhury

Publicado 2026-05-21

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Apu Chandra Das, Sakib Salam, Md Robiul Islam Talukder, Ashim Chandra Das, Antar Chandra Das, Rakhi Chowdhury

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás tratando de averiguar si un nuevo fertilizante hace que las plantas crezcan más altas. En un mundo perfecto, lanzarías una moneda por cada planta: si sale cara, recibe el fertilizante; si sale cruz, no lo recibe. Esto es un Ensayo Controlado Aleatorizado (ECA). Debido a que el lanzamiento de la moneda es aleatorio, las plantas que reciben el fertilizante son, en promedio, idénticas a las que no lo reciben, excepto por el fertilizante en sí.

Pero en el mundo real (estudios observacionales), no siempre podemos lanzar monedas. Quizás las plantas que eligen recibir el fertilizante ya son aquellas con suelo más rico o más luz solar. Si simplemente comparas las alturas, podrías pensar que el fertilizante funcionó, cuando en realidad fue solo el mejor suelo. Esto se llama confusión.

Para solucionar esto, los estadísticos utilizan una herramienta llamada Puntaje de Propensión (PP). Piensa en el Puntaje de Propensión como un "casamentero" o una "puntuación de similitud". Calcula qué tan probable era que una planta recibiera el fertilizante basándose en su suelo, luz solar y agua. Si una planta con suelo pobre recibió el fertilizante, la puntuación nos ayuda a darnos cuenta de que fue un "valores atípicos" y le otorga un peso extra en nuestro análisis para equilibrar la balanza.

El Problema: Adivinar las Reglas del Casamentero

La parte complicada es que no conocemos las verdaderas reglas que usó el casamentero. Tenemos que construir un modelo para adivinarlas.

La Vieja Forma: Usar un reglamento simple y rígido (como la Regresión Logística). Es fácil de leer, pero si el mundo real es desordenado y complejo, el reglamento podría estar equivocado (Especificación Incorrecta del Modelo).
La Nueva Forma: Usar una IA súper inteligente y flexible (como los Bosques Aleatorios o las Máquinas de Vectores de Soporte). Puede aprender patrones complejos, pero a veces se emociona demasiado y hace suposiciones salvajes, lo que lleva a resultados inestables.

El artículo pregunta: ¿Qué método funciona mejor cuando nuestra suposición sobre las reglas es incorrecta?

Las Tres Herramientas Principales Probadas

Los investigadores probaron tres formas diferentes de usar estas puntuaciones para encontrar el efecto "verdadero" del tratamiento:

RSM (El Detective de "Resultado"): Este método ignora por completo al casamentero. Solo observa las plantas que recibieron fertilizante e intenta predecir su altura basándose en su suelo.
- Debilidad: Si tu modelo de cómo el suelo afecta la altura es incorrecto, tu respuesta es incorrecta.
IPW (El Equilibrador de "Pesos"): Este método utiliza la puntuación del casamentero para crear una "población falsa". Otorga pesos pesados a las plantas que son raras (por ejemplo, una planta con suelo pobre que recibió fertilizante) y pesos ligeros a las comunes.
- Debilidad: Si la puntuación del casamentero está ligeramente desviada, los pesos pueden volverse locos (como otorgar a una planta un peso de 1.000.000), haciendo que todo el cálculo oscile y se rompa.
AIPW (La Red de Seguridad de "Doble Verificación"): Esta es la híbrida. Utiliza tanto al casamentero (para equilibrar los pesos) como al detective de resultados (para predecir la altura).
- Superpoder: Tiene una propiedad de "Doble Robustez". Esto significa que solo necesitas que una de las dos suposiciones sea correcta. Si el casamentero está equivocado pero el detective de resultados tiene razón, aún funciona. Si el detective de resultados está equivocado pero el casamentero tiene razón, aún funciona.

Lo que Mostraron las Simulaciones

Los investigadores ejecutaron miles de simulaciones por computadora donde conocían la respuesta "verdadera" pero fingían no saberla. Saboteaban las reglas de diferentes maneras para ver qué herramienta sobrevivía.

Cuando todo era perfecto: Todas las herramientas funcionaron bien, pero la de "Doble Verificación" (AIPW) fue muy estable.
Cuando el Casamentero (PP) estaba equivocado:
- El Equilibrador de Pesos (IPW) colapsó. Se volvió muy inestable, especialmente al usar métodos de IA sofisticados, porque la IA hacía suposiciones salvajes que creaban pesos enormes e inestables.
- El Detective de Resultados (RSM) siguió funcionando bien porque no dependía del casamentero.
- La Doble Verificación (AIPW) siguió funcionando bien porque tenía al Detective de Resultados para respaldarla.
Cuando el Detective de Resultados estaba equivocado:
- El Detective de Resultados (RSM) falló completamente.
- El Equilibrador de Pesos (IPW) funcionó solo si el casamentero era simple y correcto. Si el casamentero era una IA sofisticada, IPW falló nuevamente.
- La Doble Verificación (AIPW) siguió funcionando porque tenía al casamentero para respaldarla.

La Gran Conclusión: El método AIPW (Doble Verificación) fue el más confiable. Fue el único que no le importó qué parte del modelo estaba rota, siempre que una parte fuera correcta. Los métodos de IA sofisticados (como los Bosques Aleatorios) fueron excelentes para encontrar patrones, pero fueron peligrosos de usar solos con el Equilibrador de Pesos (IPW) porque podían crear resultados inestables.

Pruebas del Mundo Real

Los autores probaron estas herramientas en dos conjuntos de datos reales:

ACTG175 (La Prueba "Justa"): Este fue un ensayo médico real donde los pacientes fueron asignados aleatoriamente al tratamiento. Dado que la asignación fue aleatoria, no había sesgo que corregir.
- Resultado: Todas las herramientas coincidieron entre sí. Esto demostró que las herramientas funcionan correctamente cuando las condiciones son justas.
ADNI (La Prueba "Injusta"): Este fue un estudio sobre la enfermedad de Alzheimer donde las personas no fueron asignadas aleatoriamente; ya estaban enfermas o sanas. Este es un escenario real desordenado con mucha confusión.
- Resultado: ¡Las herramientas no coincidieron!
  - El Equilibrador de Pesos (IPW) dijo que la exposición (tener Alzheimer) tuvo un efecto negativo enorme en la cognición.
  - La Doble Verificación (AIPW) dijo que el efecto fue mucho menor y menos cierto.
  - El Detective de Resultados (RSM) dijo que casi no hubo efecto.
- ¿Por qué? Porque los datos estaban desordenados, el Equilibrador de Pesos simple se confundió con pesos extremos. El método de Doble Verificación utilizó su "red de seguridad" para suavizar las cosas, dando una respuesta más conservadora y estable.

La Conclusión Final

Si estás tratando de averiguar causa y efecto en datos desordenados del mundo real:

No confíes solo en un método.
Los modelos de IA sofisticados son poderosos pero pueden ser inestables si se usan solos para ponderar.
El método de Doble Verificación (AIPW) es la apuesta más segura. Combina lo mejor de ambos mundos, asegurando que incluso si tu modelo para "quién recibe tratamiento" es incorrecto, o tu modelo para "qué sucede después" es incorrecto, aún tienes buenas posibilidades de obtener la respuesta correcta.

Es como tener un paracaídas de respaldo: si el principal falla, el segundo te salva. En estadística, ese respaldo es la propiedad de "Doble Robustez".

Resumen Técnico: Aplicación de Modelos de Puntuación de Propensión y Estimadores Causales en Estudios Observacionales bajo Especificación Incorrecta del Modelo

Enunciado del Problema
Los métodos de puntuación de propensión (PP) son herramientas estándar en estudios observacionales para reducir el confundimiento y estimar efectos causales del tratamiento. Sin embargo, la validez de los estimadores basados en PP depende en gran medida de la especificación correcta de los modelos subyacentes. En la práctica, las formas funcionales reales tanto de los modelos de asignación del tratamiento (PP) como de los modelos de resultado suelen ser desconocidas. La especificación incorrecta —derivada de formas funcionales incorrectas, variables omitidas o interacciones no consideradas— puede conducir a un sesgo sustancial, inestabilidad y mayor variabilidad en las estimaciones causales. Si bien los métodos de aprendizaje automático (AA) (por ejemplo, Bosques Aleatorios, Máquinas de Vectores de Soporte) ofrecen alternativas flexibles a los modelos paramétricos tradicionales (por ejemplo, regresión logística) para la estimación de PP, su impacto en el rendimiento de los estimadores causales clásicos bajo distintos grados de especificación incorrecta del modelo sigue siendo insuficientemente comprendido. Específicamente, existe la necesidad de evaluar cómo interactúa la estimación de PP basada en AA flexible con la Modelización de la Superficie de Respuesta (RSM), la Ponderación por Probabilidad Inversa (IPW) y la Ponderación por Probabilidad Inversa Aumentada (AIPW) cuando los modelos están mal especificados.

Metodología
El estudio emplea un marco de simulación exhaustivo y dos estudios de caso del mundo real para evaluar el rendimiento de los estimadores.

Diseño de la Simulación:
- Generación de Datos: Los autores generaron observaciones independientes con un indicador de tratamiento binario ( $A$ ), un resultado continuo ( $Y$ ) y un vector de covariables de línea base ( $X$ ) de dimensión $p=9$ . Las covariables siguieron una distribución normal multivariada con estructuras de correlación variables ( $\rho \in \{0.2, 0.7\}$ ).
- Escenarios de Especificación Incorrecta: Se construyeron cuatro regímenes distintos combinando especificaciones correctas e incorrectas para los modelos de PP y de resultado:
  1. Ambos modelos correctamente especificados.
  2. PP mal especificado (confundidores omitidos y términos de interacción añadidos), resultado correctamente especificado.
  3. PP correctamente especificado, resultado mal especificado (covariables omitidas).
  4. Ambos modelos mal especificados.
- Estimadores y Modelos de PP: El estudio comparó tres estimadores causales:
  - RSM: Solo regresión del resultado.
  - IPW: Ponderación basada en la PP.
  - AIPW: Estimador doblemente robusto que combina regresión del resultado y ponderación.
  - Métodos de Estimación de PP: Regresión Logística (RL), Bosques Aleatorios (RF), Análisis Discriminante Lineal (LDA) y Máquinas de Vectores de Soporte (SVM).
- Métricas de Evaluación: El rendimiento se evaluó a través de 1.000 réplicas de Monte Carlo utilizando sesgo, sesgo absoluto, Error Cuadrático Medio (RMSE), error estándar empírico (SE) y amplitud del intervalo de confianza del 95%. Se probaron tamaños de muestra de $n=200$ y $n=1000$ .
Aplicaciones del Mundo Real:
- ACTG175: Un ensayo clínico aleatorizado (VIH-1) utilizado como referencia donde todos los estimadores deberían converger teóricamente, sirviendo como verificación de calibración.
- ADNI: Un estudio observacional retrospectivo (Enfermedad de Alzheimer) reorganizado como un cuasi-experimento para estimar el efecto del estado de la enfermedad (LMCI/AD vs. Cognitivamente Normal) sobre el deterioro cognitivo (cambio en la puntuación ADAS13).

Contribuciones y Resultados Clave

Superioridad de los Estimadores Doblemente Robustos:
En todos los escenarios de simulación, el estimador de Ponderación por Probabilidad Inversa Aumentada (AIPW) demostró consistentemente un rendimiento robusto y estable. Debido a su propiedad "doble robustez", AIPW proporcionó estimaciones consistentes siempre que el modelo de PP o el modelo de resultado estuvieran correctamente especificados. Incluso cuando ambos modelos estaban mal especificados, AIPW exhibió un sesgo menor y una varianza más estable en comparación con los estimadores de modelo único.
Vulnerabilidad de IPW ante la Estimación Flexible de PP:
El estimador IPW mostró alta sensibilidad a la especificación incorrecta de la PP y a la elección del método de estimación de PP. Cuando se utilizaron métodos flexibles de aprendizaje automático (particularmente Bosques Aleatorios y SVM) para estimar la PP, IPW produjo un sesgo sustancial e inestabilidad. Esto se atribuyó a que los métodos de AA generaban puntuaciones de propensión extremas cercanas a 0 o 1, lo que resultaba en pesos inestables. IPW solo funcionó bien cuando el modelo de PP fue correctamente especificado utilizando métodos paramétricos (RL, LDA).
Limitaciones de RSM:
RSM funcionó bien solo cuando el modelo de resultado estaba correctamente especificado. Bajo especificación incorrecta del modelo de resultado, RSM exhibió un sesgo sustancial, confirmando que los enfoques basados únicamente en el resultado carecen de robustez ante violaciones de los supuestos del modelo de resultado.
Impacto del Tamaño de la Muestra y la Correlación:
El aumento del tamaño de la muestra de 200 a 1000 mejoró significativamente el rendimiento de los estimadores (reducción del sesgo, RMSE y SE) en todos los métodos, consistente con la teoría asintótica. Una mayor correlación de las covariables ( $\rho=0.7$ ) generalmente condujo a una mayor precisión en la estimación, probablemente debido a una mayor fuerza predictiva de las covariables incluidas.
Hallazgos del Mundo Real:
- En el ensayo aleatorizado ACTG175, todos los estimadores (IPW, AIPW, RSM) produjeron efectos del tratamiento consistentes, positivos y estadísticamente significativos, validando los métodos bajo condiciones ideales de identificación.
- En el estudio observacional ADNI, surgieron discrepancias significativas. Los estimadores IPW indicaron consistentemente un efecto de exposición negativo (mayor deterioro cognitivo en el grupo expuesto), mientras que las estimaciones de AIPW y RSM se atenuaron, con intervalos de confianza que incluían cero. Esto destacó el compromiso entre varianza y sesgo: IPW fue sensible al confundimiento residual y a pesos extremos, whereas AIPW proporcionó estimaciones más conservadoras al aprovechar la modelización del resultado para corregir la especificación incorrecta de la PP.

Significado y Afirmaciones
El artículo afirma que la integración de enfoques flexibles de aprendizaje automático dentro de marcos doblemente robustos (específicamente AIPW) es crítica para mejorar la estimación de efectos causales en estudios observacionales. Los autores argumentan que, si bien los métodos de AA pueden capturar mecanismos complejos de asignación del tratamiento, su aplicación directa en estimadores basados en ponderación (IPW) puede ser problemática debido a la inestabilidad. Por el contrario, cuando se combinan con AIPW, la flexibilidad de los métodos de AA puede aprovecharse sin comprometer la robustez del estimador.

El estudio concluye que la elección del método de estimación de PP tiene un impacto sustancial en la inferencia causal, particularmente para los estimadores basados en ponderación. Aboga por el uso de estimadores doblemente robustos como AIPW como una alternativa fiable que mantiene un rendimiento estable en una amplia gama de especificaciones de modelos. Estos hallazgos se presentan como relevantes para los ensayos clínicos y la ciencia regulatoria, donde la transparencia metodológica y la robustez son esenciales para la toma de decisiones creíbles en la era de los datos del mundo real. Los autores señalan modestamente las limitaciones, incluido el enfoque en datos de dimensión moderada y el supuesto de confundidores completamente observados, reconociendo que el rendimiento puede diferir en entornos de ultra-alta dimensión o bajo confundimiento no medido.