- ВЫ ПИЛИ НАЗНАЧЕННЫЕ ТАБЛЕТКИ? - НЕТ

Продолжим тему инструментальных переменных (1 часть здесь).

К вам пришел пациент, вы его послушали, осмотрели. Затем назначили обследование и, возможно, лечение. Вы уверены, что он будет следовать вашим рекомендациям? Или что у него не возникнет ситуация, когда он не сможет явиться на обследование или принимать лечение?

При чтении литературы по методу инструментальных переменных обращает на себя внимание разделение участников по нескольким категориям [1, 2]:
🔹 compliers (послушники)
🔹 defiers (не послушники)
🔹 always-takers (всегда за)
🔹 never-takers (всегда против)

Мы введем некоторые обозначения для удобства:
Z - назначено лечение (0 - нет, 1 - да)
T - получает лечение (0 - нет, 1 - да)

📍Compliers - субъекты, которые строго следуют предписанному вмешательству. Если им скажут, что надо принимать лечение (Z = 1), то они будут его принимать (T = 1). Если скажут не принимать, не будут (Z = T = 0).

📍Defiers - субъекты, которые ведут себя наоборот, против назначения. Если скажут лечиться (Z = 1), то они не будут (T = 0). Соответственно в обратной ситуации тоже (Z = 0, а T = 1)

📍Always-takers - субъекты, которые вне зависимости от предписания всегда будут получать вмешательство. Скажут лечиться (Z = 1) или не лечиться (Z = 0), они будут лечиться (T = 1).

📍Never-takers - субъекты, которые вне зависимости от предписания всегда не будут получать вмешательство (т.е. наоборот от always-takers). Скажут лечиться (Z = 1) или не лечиться (Z = 0), они не будут лечиться (T = 0).

Можно почитать примеры на котиках в статье Бориса Соколова и посмотреть пример выявления compliers и расчета LATE от A. Heiss).

Нам бы хотелось, чтобы compliers было большинство (и обычно это так, иначе что-то идёт не по плану). В действительности, в группе назначенного лечения мы не знаем, кто относится к compliers, а кто к always-takers. Аналогичная ситуация с группой контроля, туда примешиваются never-takers к compliers (рис. 1 из публикации, в ней же вариант как решить проблему, и рис. 2 таблицы из публикации).


❗На данный момент может показаться, что это награмождение теории без идентификации проблемы. Но давайте вспомним 1 пост про инструментальные переменные.

Мы хотим оценить причинную ассоциацию в виде ATE. Возможно спутывающих ассоциаций много, все учесть не выйдет (т.е. ATE не доступен). Но если у нас есть возможность использовать инструментальную переменную, то мы можем оценить LATE-IV. И я в 1 части писал, что это средний эффект лечения среди "послушных". Т.е. инструментальная переменная нам даёт результат сравнения между compliers (в группе контроля Z = T = 0 и в группе лечения Z = T = 1). Введу оговорку, что в неРКИ переменную "назначено лечение" не получится использовать как инструмент, т.к. не соблюдаются предположения.

И это же интересный результат! Если при соблюдении назначения мы не выявим эффект, то стоит ли использовать такое лечение в реальной практике (где 100% комплаенса нет)? Вопрос открытый...

Здесь конечно нужно четко понимать, что означает назначение лечения и факт лечения (назначили курс = прошел курс или назначали лекарство = пропил хотя бы 1 месяц это лекарство). На мой взгляд, если это не определить заранее, то будет нарушение предположения SUTVA [3, 4].

В качестве мотивации можно почитать как применение данного подхода смогло довести до Нобелевской премии.

При прочтении поста могло сложиться впечатление, что это похоже на анализ per protocol в РКИ (те кто соблюдал протокол). Но о применении IV в РКИ я буду рассуждать в следующем раз.

@Ebm_base