📊 statistics

Sample size and power calculations for causal inference of observational studies

Dit artikel stelt een theoretisch kader op en levert analytische formules voor steekproefgrootte- en powerberekeningen in observationele causale inferentie door variantie te ontleden in drie componenten en twee sleutelparameters in te voeren—de Bhattacharyya-coëfficiënt voor covariatenoverlapping en een op R-kwadraat gebaseerde sensitiviteitsparameter voor confounding—ondersteund door een nieuw R-pakket en een online rekenmachine.

Oorspronkelijke auteurs: Bo Liu, Chengxin Yang, Fan Li

Gepubliceerd 2026-05-19

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Bo Liu, Chengxin Yang, Fan Li

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een rechercheur bent die probeert uit te vinden of een nieuw medicijn echt werkt. In de perfecte wereld van de wetenschap zou je een gecontroleerde gerandomiseerde trial (RCT) uitvoeren. Dit is als het opgooien van een munt voor elke patiënt: kop, dan krijgen ze het medicijn; munt, dan krijgen ze een suikerpil. Omdat het muntgooien willekeurig is, zijn de twee groepen voor de behandeling begint in elk opzicht identiek. Als de groep met het medicijn beter wordt, weet je dat het het medicijn is, en niet iets anders.

Maar wat als je geen munten kunt opgooien? Misschien is het onethisch, te duur of logistiek onmogelijk. Dan moet je observationele data gebruiken. Dit is als het bekijken van de dossiers van een ziekenhuis, waar sommige patiënten het medicijn toevallig kregen en anderen niet. Het probleem? De mensen die het medicijn kregen, waren misschien al ziekter, rijker of ouder. Deze verschillen worden verstorende factoren (confounders) genoemd. Ze vertroebelen het water, waardoor het moeilijk wordt om te zeggen of het medicijn werkte of dat de patiënten gewoon met verschillende uitgangsvoorwaarden begonnen.

Dit artikel is een handleiding voor rechercheurs die moeten werken met deze rommelige, real-world dossiers. Het beantwoordt een cruciale vraag: "Hoeveel patiëntendossiers moet ik bekijken om zeker te zijn dat ik mezelf niet voor de gek houd?"

Hier is de uiteenzetting van hun oplossing, met behulp van eenvoudige analogieën:

1. Het probleem met oude kaarten

Voorheen probeerden onderzoekers te berekenen hoeveel dossiers ze nodig hadden door te doen alsof de rommelige observationele data een perfecte muntgooi-experiment was. Ze gebruikten standaardformules die zijn ontworpen voor gerandomiseerde trials.

De fout: Dit is als proberen een moeras te navigeren met een kaart die is ontworpen voor een snelweg. Het leidt tot een ramp. Je komt er uiteindelijk achter dat je denkt dat je 100 dossiers nodig hebt, maar omdat de data zo "ruisachtig" (verstoord) is, heb je eigenlijk 1.000 nodig. Je voert het onderzoek uit, vindt niets, en realiseert je dat je niet genoeg mensen hebt bekeken.

2. De nieuwe formule: Drie ingrediënten

De auteurs hebben een nieuwe, nauwkeurigere formule ontwikkeld. Ze beseften dat om de "ruis" in observationele data te begrijpen, je niet elke enkele detail over elke patiënt hoeft te kennen (wat je ook niet hebt voordat het onderzoek begint). Je hoeft alleen maar drie specifieke dingen te begrijpen:

De Propensiteitsscore-verdeling (de "Kans"-kaart):
- Wat het is: Hoe groot is de kans dat een persoon de behandeling krijgt op basis van zijn of haar kenmerken?
- De analogie: Stel je een kaart voor die laat zien hoe druk de "behandeling"-kant van de kamer is vergeleken met de "controle"-kant. Als de groepen volledig verschillend zijn (bijvoorbeeld: alleen jonge mensen krijgen de behandeling, alleen oude mensen niet), is de kaart zeer ongelijk. Dit wordt slechte overlap genoemd.
- De truc van het artikel: Ze gebruiken een speciaal getal, de Bhattacharyya-coëfficiënt (laten we het de "Overlap-score" noemen), om te meten hoe veel de twee groepen op elkaar lijken. Als de score hoog is, lijken de groepen op elkaar (goed). Als hij laag is, zijn ze zeer verschillend (slecht).
De verdeling van potentiële uitkomsten (de "Natuurlijke variatie"):
- Wat het is: Hoeveel variëren de uitkomsten van patiënten natuurlijk?
- De analogie: Zelfs zonder medicijn herstellen sommige patiënten snel, en anderen hebben veel tijd nodig. Dit is gewoon natuurlijke willekeur.
De correlatie (de "Sterkte van de verstoring"):
- Wat het is: Hoe sterk voorspellen de kenmerken van de patiënt zowel het krijgen van de behandeling als de uitkomst?
- De analogie: Dit is de "geheime link". Als ziek zijn je waarschijnlijker maakt om het medicijn te krijgen én je minder waarschijnlijk maakt om te herstellen, creëert die link een enorme hoeveelheid ruis. De auteurs stellen een "sensitivity parameter" voor (laten we het de "Verstoring-coëfficiënt" noemen) om de sterkte van deze link te meten. Ze suggereren dat je dit kunt schatten met een standaardstatistiek genaamd R-kwadraat (die meet hoe goed je data de uitkomst voorspelt).

3. Het "magische" resultaat

De grootste doorbraak van het artikel is het tonen dat je geen kristallen bol nodig hebt om de toekomstige data te voorspellen. Je hebt alleen twee extra getallen nodig (de Overlap-score en de Verstoring-coëfficiënt) bovenop de standaardgetallen die worden gebruikt voor gerandomiseerde trials.

Als de overlap goed is (groepen lijken op elkaar) en de verstoring zwak is, heb je minder dossiers nodig.
Als de overlap slecht is (groepen zijn totaal verschillend) of de verstoring sterk is, heb je veel, veel meer dossiers nodig om hetzelfde niveau van zekerheid te krijgen.

4. De "veiligheidsnet"-aanpak

De auteurs hebben hun formule gebaseerd op een specifiek statistisch instrument genaamd de Hájek-inversie-kans-gewogen schatter.

De analogie: Denk hieraan als een "conservatieve" strategie. Het is als het meenemen van een parachute die iets zwaarder is dan nodig. Het is misschien niet de lichtste, snelste manier om te vliegen, maar het garandeert dat je niet valt.
Ze kozen deze methode omdat deze niet vereist dat je van tevoren de exacte vorm van de data-verdeling raadt. Als je de vorm van de data verkeerd raadt, kunnen andere methoden falen, maar deze "zware parachute"-methode geeft je nog steeds een veilig, conservatief antwoord (wat betekent dat je misschien berekent dat je iets meer mensen nodig hebt dan strikt noodzakelijk, maar je niet eindigt met te weinig).

5. Real-world testen

De auteurs hebben hun formule getest met behulp van:

Gemaakte data: Ze creëerden miljoenen imaginaire patiënten met verschillende niveaus van "rommeligheid" (overlap) en "verstoring". Hun formule voorspelde consequent het juiste aantal mensen dat nodig was om een echt effect te vinden.
Echte data: Ze gebruikten een beroemde dataset over hartkatheterisatie (een medische procedure). Ze toonden aan dat als je de oude "gerandomiseerde trial"-methode zou gebruiken, je zou denken dat je ongeveer 1.500 patiënten nodig had. Maar hun nieuwe methode berekende correct dat je ongeveer 3.600 nodig had. Het gebruik van de oude methode zou het onderzoek ernstig onderkracht hebben gelaten (waarschijnlijk de waarheid missen).

Samenvatting

Dit artikel biedt een rekenmachine voor observationele studies. Het vertelt onderzoekers: "Raak niet zomaar hoeveel dossiers je nodig hebt. Meet hoe vergelijkbaar je groepen zijn (Overlap) en hoe sterk de verborgen links zijn (Verstoring). Voer die twee getallen in onze nieuwe formule in, en je weet precies hoe groot je onderzoek moet zijn om tijd en geld te verspillen."

Ze hebben zelfs een gratis softwaretool gebouwd (een R-pakket en een online rekenmachine) zodat iedereen deze nieuwe methode kan gebruiken zonder zelf de complexe wiskunde te hoeven doen.

Technische Samenvatting: Steekproefgrootte en Krachtberekeningen voor Causale Inferentie in Observationele Studies

Probleemstelling
Hoewel steekproefgrootte- en krachtberekeningen standaardpraktijk zijn voor gerandomiseerde gecontroleerde trials (RCT's), blijven ze onderontwikkeld en uitdagend voor observationele studies. Bij RCT's elimineert randomisatie verstorende factoren, wat formules in gesloten vorm mogelijk maakt die gebaseerd zijn op eenvoudige verschillen in gemiddelden. In tegenstelling hiermee vereisen observationele studies correctie voor verstorende factoren om onbevooroordeelde schattingen van het behandelingseffect te verkrijgen. Bestaande methoden voor poweranalyse in observationele studies vertrouwen vaak op het simuleren van individuele gegevens op basis van niet-verifieerbare aannames over het volledige data-generatieproces, of op het gebruik van variantie-inflatiefactoren die kennis van gewichtsverdelingen vereisen, welke niet beschikbaar zijn tijdens de ontwerpfase. Bijgevolg leidt het toepassen van op RCT's gebaseerde formules op observationele studies vaak tot studies met ernstig onvoldoende kracht, terwijl huidige op simulatie gebaseerde benaderingen een theoretische basis missen voor het bepalen van voldoende samenvattende statistieken.

Methodologie
De auteurs ontwikkelen analytische formules voor steekproefgrootte- en krachtberekeningen gebaseerd op de variantie van de Hájek-inversie-kansgewichtings (IPW) schatter voor het gemiddelde behandelingseffect (ATE). De kerninnovatie bestaat uit het ontleden van de variantie van de schatter in drie interpreteerbare componenten: de verdeling van de propensity score, de verdeling van de potentiële uitkomsten en hun correlatie.

Om deze componenten berekenbaar te maken vanuit samenvattende statistieken die tijdens de ontwerpfase beschikbaar zijn, stellen de auteurs het volgende kader voor:

Propensity Score-verdeling: Uitgaande van een logistiek regressiemodel voor de propensity score, maken de auteurs gebruik van de Lyapunov Centrale Limietstelling om de lineaire combinatie van covariaten ( $X'\beta$ ) te benaderen als een normale verdeling. Dit impliceert dat de propensity score een logit-normale verdeling volgt. Om de berekening te vergemakkelijken, benaderen zij deze met een Beta-verdeling. Zij tonen aan dat de Beta-parameters ( $a, b$ ) uniek identificeerbaar zijn met behulp van twee invoerwaarden:
- Het behandelingsaandeel ( $r$ ).
- Een overlapcoëfficiënt ( $\phi$ ), gedefinieerd als de Bhattacharyya-coëfficiënt tussen de dichtheidsfuncties van de propensity score van de behandelings- en controlegroep. Deze coëfficiënt kwantificeert de gelijkenis van de covariaatverdelingen tussen de groepen.
Verdeling van Potentiële Uitkomsten: De auteurs veronderstellen een semiparametrisch model voor het beperkte gemiddelde met een homogeen behandelingseffect en homoscedastische fouten. Zij benaderen de gezamenlijke verdeling van de uitkomst en de lineaire voorspeller van de propensity score als een bivariate normale verdeling. De correlatie tussen potentiële uitkomsten en de propensity score wordt vastgelegd door een "verstorende coëfficiënt" ( $\rho$ ), die begrensd wordt door de $R^2$ -statistiek van de regressie van de uitkomst op covariaten.
Analytische Formule: Door deze componenten te integreren, leiden de auteurs een formule in gesloten vorm af voor de minimale steekproefgrootte ( $N$ ) die nodig is om een gestandaardiseerd effectgrootte ( $e_\tau$ ) te detecteren met een kracht $\beta$ op significantieniveau $\alpha$ . De formule is afhankelijk van standaard RCT-invoer ( $\alpha, \beta, e_\tau, r$ ) plus twee nieuwe parameters: de overlapcoëfficiënt ( $\phi$ ) en de verstorende coëfficiënt ( $\rho$ ).

De methodologie wordt uitgebreid naar andere gewogen gemiddelde behandelingseffect (WATE) schattingen, specifiek het Gemiddelde Behandelingseffect op de Behandelde (ATT) en het Gemiddelde Behandelingseffect op de Overlap (ATO), waarbij numerieke integratie wordt gebruikt om de variantie onder kantelfuncties te berekenen.

Belangrijkste Resultaten
Door middel van uitgebreide numerieke experimenten met synthetische gegevens en op echte gegevens gebaseerde niet-parametrische simulaties (met gebruikmaking van het Right Heart Catheterization-dataset) tonen de auteurs het volgende aan:

Nauwkeurigheid: De voorgestelde analytische formules bereiken consistent een empirische kracht die dicht bij het nominale niveau ligt (bijvoorbeeld 0,80) over verschillende gradaties van covariaat-overlap en behandelingseffectscenario's.
Robuustheid: De methode blijft robuust, zelfs wanneer de aanname van homogene behandelingseffecten wordt geschonden (d.w.z. in aanwezigheid van heterogene behandelingseffecten), ondanks dat de theoretische variantie afhankelijk is van de variantie van het conditionele behandelingseffect.
Vergelijking met Bestaande Methoden:
- In vergelijking met de standaard t-toets voor twee steekproeven (die verstorende factoren negeert), identificeert de voorgestelde methode correct de behoefte aan grotere steekproefgroottes naarmate de covariaat-overlap verslechtert, terwijl de t-toets de vereisten sterk onderschat.
- In vergelijking met de variantie-inflatiefactor-methode van Shook-Sa en Hudgens (2022) is de voorgestelde methode iets conservatiever en nauwkeuriger, met name wanneer de verstorende coëfficiënt ( $\rho$ ) niet nul is, hoewel het verschil minimaal is wanneer $\rho$ klein is.
Efficiëntie van Schatting: De simulaties benadrukken dat wanneer de covariaat-overlap slecht is, de ATO-schatting aanzienlijk een kleinere steekproefgrootte vereist in vergelijking met ATE of ATT, wat suggereert dat ATO een efficiëntere keuze is voor studieontwerp in dergelijke contexten.
Gevoeligheid: De vereiste steekproefgrootte is gevoelig voor de verstorende coëfficiënt ( $\rho$ ), voornamelijk wanneer de overlap slecht is, wat het belang onderstreept van het beoordelen van zowel overlap als de sterkte van verstorende factoren tijdens het ontwerp.

Betekenis en Aanspraken
Het artikel claimt de theoretische basis te leggen voor poweranalyse in observationele studies door de complexe variantieformule te reduceren tot een functie van enkele interpreteerbare en algemeen beschikbare samenvattende parameters. De auteurs betogen dat hun aanpak de noodzaak omzeilt voor niet-verifieerbare aannames over het volledige data-generatieproces of individuele gegevens.

Belangrijke bijdragen zijn:

Theoretische Ontleding: Het aantonen dat slechts twee extra parameters ( $\phi$ en $\rho$ ) naast standaard RCT-invoer voldoende zijn om de minimale steekproefgrootte voor observationele studies te bepalen.
Praktische Toepasbaarheid: De ontwikkeling van het R-pakket PSpower en een online rekenmachine, waardoor onderzoekers deze berekeningen kunnen uitvoeren met behulp van pilotgegevens of domeinkennis.
Ontwerprichtlijnen: Het bieden van een kader om poweranalyse a priori uit te voeren, wat cruciaal is voor resource-beperkte prospectieve observationele studies (bijvoorbeeld zeldzame ziekten) of bij het selecteren van gegevensbronnen met bijbehorende kosten (bijvoorbeeld elektronische gezondheidsdossiers).

De auteurs houden een bescheiden standpunt, waarbij zij erkennen dat hun afleiding rust op een logistiek propensity score-model en een homoscedastisch model voor het beperkte gemiddelde van de uitkomst. Zij merken op dat hoewel de Hájek-schatting minder efficiënt is dan dubbel robuuste schatters, het gebruik ervan voor steekproefgrootteberekening het risico op een mismatch tussen ontwerp en analyse voorkomt die ontstaat door het vooraf aannemen van specifieke uitkomstmodellen voordat gegevens worden verzameld. Zij positioneren hun werk als een conservatieve veiligheidsmaatregel tegen studies met onvoldoende kracht, met de flexibiliteit voor analisten om tijdens de daadwerkelijke analysefase efficiëntere schatters te gebruiken.