Metoder för att förbättra skattning av kausala effekter i observationsstudier

Projektbeskrivning

Observationsstudier skiljer sig från exempelvis många kliniska studier genom att behandling inte är randomiserad bland individerna i studien utan i stället observerar man det som faktiskt sker. Detta innebär att skillnader mellan behandlingsgrupper inte endast kan hänföras till skillnader i behandling utan kan även bero på att individers egenskaper t ex ålder, kön skiljer sig systematiskt mellan grupperna. Det stora antal register över individers sociala och ekonomiska förhållanden samt hälsotillstånd, och möjligheten att koppla samman dessa register, gör att Sverige och övriga nordiska länder har världsunika infrastrukturer lämpade för observationsstudier. När tillgången på data är stor, i den mening att vi har observationer på ett stort antal individer, strävar man ofta efter att använda flexibla modeller som kräver så få antaganden som möjligt om relationen mellan utfall och behandling samt övriga variabler. Av den anledningen föredrar vi att använda icke-parametriska metoder för att skatta kausala effekter, behandlingseffekter, i observationsstudier. När man använder sig av dessa metoder måste värden på så kallade utjämningsparametrar (som styr modellkomplexiteten) anges. Dessa parametrar är av stor vikt för slutresultatet, de skattade kausala effekterna. Förutom dessa utjämningsparametrar måste man välja vilka bakgrundsvariabler man ska inkludera i analysen. I detta projekt planerar vi att undersöka hur dessa och andra modellval, när dessa val görs simultant, påverkar de skattade kausala effekterna. Avsikten med den planerade forskningen är att ta fram nya teoretiska resultat och praktiska rekommendationer till nytta för empiriska forskare som arbetar med utvärderingsstudier och registerdata. De metoder som utvecklas kommer att göras tillgängliga för användare genom implementering i fri programvara.