IPTW（Inverse Probability Treatment Weighting）と通常の傾向スコアマッチング（Propensity Score Matching, PSM）は、いずれも傾向スコア（propensity score）を用いて交絡因子を調整し、観察研究で因果推論を行うための手法です。
しかし、アプローチや特性、結果に至る過程にいくつかの重要な違いがあります。
傾向スコアマッチング（PSM）の概要
手法:
- 傾向スコアを用いて、治療群の患者と交絡因子が似た非治療群の患者を1対1、または1対多でマッチングします。
- マッチング後のペアを用いて治療効果を推定します。
具体的な手順:
- 傾向スコアを計算。
- 傾向スコアが近い治療群と非治療群の患者をマッチング。
- マッチングされたデータセットを用いて治療効果を推定。
目的:
- 治療群と非治療群の交絡因子をバランスさせ、治療効果の「平均処置効果（ATE）」や「処置群における平均処置効果（Average Treatment Effect on the Treated, ATT）」を評価。
IPTWの概要
手法:
- 傾向スコアを用いて各患者に「重み」を割り当て、全データを利用して治療効果を推定します。
- 重み付けにより、治療群と非治療群が交絡因子において均一な仮想集団（擬似ランダム化）を作り出すことを目指します。
重みの計算:
治療群では患者が治療を受ける確率（傾向スコア）の逆数、非治療群では患者が治療を受けない確率の逆数を用います。
目的:
- 観察研究で、治療群と非治療群の交絡因子の影響を調整し、全体の治療効果を推定する。
- 全データを利用し、治療効果の「平均処置効果（Average Treatment Effect, ATE）」を評価。
IPTWとPSMの主な違い
| 特徴 | IPTW | PSM |
|---|---|---|
| データの使用方法 | 全データを重み付けして使用（全患者の情報を活用）。 | マッチング後のデータのみ使用（マッチングされなかった患者は除外）。 |
| 交絡調整の方法 | 重み付けにより治療群と非治療群の交絡因子をバランスさせる。 | 傾向スコアが似た患者を直接マッチングすることでバランスを取る。 |
| サンプルサイズ | 全データを使用するため、サンプルサイズは減らない。 | マッチング後にデータが削減されるため、サンプルサイズが小さくなる。 |
| 適用可能性 | データ全体で治療効果を推定する場合に適している（全体の平均処置効果を評価）。 | 特定のグループ（例: 処置群）の治療効果を評価する場合に適している。 |
| 結果のバイアス | 極端な重みによるバイアスのリスクがある（stabilized weightingで緩和可能）。 | マッチングされなかった患者の情報が失われるため、母集団の代表性が低下する可能性。 |
| 解析後のバランス確認 | 重み付け後の交絡因子のバランスを検証する必要がある。 | マッチング後に交絡因子のバランスが取れているかを確認（バランステーブルなど）。 |
| 計算の複雑さ | 重み付けの計算がやや複雑だが、解析は簡単。 | マッチングアルゴリズムの選択やデータ削減後の解析が必要。 |
| 観測データの代表性 | 全データを使用するため、母集団の代表性が保たれる。 | マッチング後のデータでは母集団の代表性が失われる可能性がある。 |
使い分け
| 使用場面 | IPTW | PSM |
|---|
| 大規模データ | 全サンプルを重み付けすることで、サンプルサイズを最大限活用可能。 | 大規模データではマッチングにより多くのデータが除外される可能性がある。 |
| 交絡調整が十分でない場合 | 重み付け後に交絡因子のバランスを取ることで補正が可能。 | マッチング後にバランスが取れない場合、解析が難しくなる。 |
| 稀なアウトカムや曝露 | 重み付けにより稀なアウトカムや曝露を考慮した解析が可能。 | マッチングが困難な場合があり、稀なケースのデータが削減される可能性がある。 |
| データの代表性を保ちたい場合 | 全データを利用するため、母集団全体の代表性が保たれる。 | マッチング後のデータは母集団全体の代表性を失う可能性がある。 |
ワンランクアップ：Stabilized IPTWとは？
SIPTWは、Inverse Probability Treatment Weighting（IPTW：逆確率重み付け法）の改良版です。
IPTWは、交絡因子を調整する目的で、個々の観察データに「逆確率（Inverse Probability）」を重み付けして解析を行う方法ですが、SIPTWでは安定化（stabilization）**を加えて解析の精度と安定性を向上させます。
1.Stabilized IPTWと通常のIPTWの違い
IPTWの問題点として、極端な重み（例: 治療確率が極端に低い患者に高い重みが付く）が生じることがあります。SIPTWでは、これを緩和するために安定化のための調整を加えます。
2. Stabilized IPTWの欠点
「じゃあ、全部Stabilized IPTWでいいじゃないか」というご意見があると思いますが、やや計算が複雑なのです。
まとめ：メリットとデメリットの比較
| 手法 | メリット | デメリット |
|---|
| IPTW | – 全データを活用でき、母集団全体の代表性が保たれる。 – 平均処置効果（ATE）の推定に適している。 | – 極端な重みが推定値の分散を増加させ、結果が不安定になる可能性がある。 – 計算がやや複雑。 |
| PSM | – 治療群と非治療群のバランスを取ったデータが明確で視覚的にわかりやすい。 – データが小規模な場合にも使用可能。 | – マッチング後にサンプルサイズが減少し、統計的検出力が低下する可能性がある。 – マッチングにより代表性が低下する可能性。 |