Propensity Score Weighting for Causal Inference with Observational Studies and Randomized Trials

因果関係推論のための傾向スコアの重み付け

Supports propensity score weighting analysis of observational studies and randomized trials. Enables the estimation and inference of average causal effects with binary and multiple treatments using overlap weights (ATO), inverse probability of treatment weights (ATE), average treatment effect among the treated weights (ATT), matching weights (ATM) and entropy weights (ATEN), with and without propensity score trimming. These weights are members of the family of balancing weights introduced in Li, Morgan and Zaslavsky (2018) <doi:10.1080/01621459.2016.1260466> and Li and Li (2019) <doi:10.1214/19-AOAS1282>.

観察研究および無作為化試験の傾向スコア重み付け分析をサポートします。オーバーラップ重み(ATO)、治療ウェイトの逆確率(ATE)、処理されたウェイトの平均処理効果(ATT)、マッチングウェイト(ATM)、およびエントロピーウェイト(ATEN)を使用して、バイナリ処理および多重処理による平均因果効果の推定と推論を可能にします。これは、傾向スコアのトリミングの有無にかかわらずです。これらのウェイトは、Li, Morgan and Zaslavsky (2018) < doi:10.1080/01621459.2016.1260466 > and Li and Li (2019) < doi:10.1214/19-AOAS1282 >で導入されたバランシングウェイトのファミリーのメンバーです。

Artless Automatic Multivariate Matching for Observational Studies

観察研究のためのシンプルな自動多変量マッチング

Implements a simple version of multivariate matching using a propensity score, near-exact matching, near-fine balance, and robust Mahalanobis distance matching (Rosenbaum 2020 <doi:10.1146/annurev-statistics-031219-041058>). You specify the variables, and the program does everything else.

傾向スコア、ほぼ正確なマッチング、ほぼ正確なバランス、そしてロバストなマハラノビス距離マッチングを用いた、簡易版の多変量マッチングを実装します(Rosenbaum 2020 <doi:10.1146/annurev-statistics-031219-041058>)。変数を指定すれば、あとはすべてプログラムが処理します。

Nonparametric Preprocessing for Parametric Causal Inference

MatchIt：パラメトリックカジュアル推論のためのノンパラメトリック前処理

Selects matched samples of the original treated and control groups with similar covariate distributions – can be used to match exactly on covariates, to match on propensity scores, or perform a variety of other matching procedures. The package also implements a series of recommendations offered in Ho, Imai, King, and Stuart (2007) <doi:10.1093/pan/mpl013>. (The 'gurobi' package, which is not on CRAN, is optional and comes with an installation of the Gurobi Optimizer, available at <https://www.gurobi.com>.)

共変量分布が類似している元の治療群と対照群の一致サンプルを選択する-共変量を正確に一致させたり、傾向スコアを一致させたり、その他の様々な一致手順を実行するために使用することができます。このパッケージは、Ho, Imai, King, and Stuart (2007) < doi:10.1093/pan/mpl013 >で提供されている一連の推奨事項も実装しています。

MAny-Group MAtching

MAny-グループMAtching

Balancing quasi-experimental field research for effects of covariates is fundamental for drawing causal inference. Propensity Score Matching deals with this issue but current techniques are restricted to binary treatment variables. Moreover, they provide several solutions without providing a comprehensive framework on choosing the best model. The MAGMA R-package addresses these restrictions by offering nearest neighbor matching for two to four groups. It also includes the option to match data of a 2x2 design. In addition, MAGMA includes a framework for evaluating the post-matching balance. The package includes functions for the matching process and matching reporting. We provide a tutorial on MAGMA as vignette. More information on MAGMA can be found in Feuchter, M. D., Urban, J., Scherrer V., Breit, M. L., and Preckel F. (2022) <https://osf.io/p47nc/>.

共変量の影響に対する準実験的フィールド調査のバランスをとることは、因果推論を導くための基本です。傾向スコアマッチングはこの問題を扱うが、現在の技術は二値処理変数に限定されています。さらに、最良のモデルを選択するための包括的な枠組みを提供することなく、いくつかの解決策を提供しています。「MAGMA.R」-パッケージは、2～4群の最近傍マッチングを提供することにより、これらの制限に対処しています。また、2x2デザインのデータをマッチングするオプションも含まれています。さらに、「MAGMA.R」は、マッチング後のバランスを評価するためのフレームワークを含む。このパッケージには、マッチング・プロセスとマッチング・レポートのための関数が含まれています。「MAGMA.R」のチュートリアルをビネットとして提供します。「MAGMA.R」に関する詳細は、Feuchter, M. D., Urban, J., Scherrer V., Breit, M. L., and Preckel F. (2022) < https://osf.io/p47nc/ >に記載されています。

Pipeline for Debiased Target Trial Emulation

バイアス除去ターゲット試験エミュレーションのためのパイプライン

Supports propensity score-based methods—including matching, stratification, and weighting—for estimating causal treatment effects. It also implements calibration using negative control outcomes to enhance robustness. 'debiasedTrialEmulation' facilitates effect estimation for both binary and time-to-event outcomes, supporting risk ratio (RR), odds ratio (OR), and hazard ratio (HR) as effect measures. It integrates statistical modeling and visualization tools to assess covariate balance, equipoise, and bias calibration. Additional methods—including approaches to address immortal time bias, information bias, selection bias, and informative censoring—are under development. Users interested in these extended features are encouraged to contact the package authors.

マッチング、層別化、重み付けなどの傾向スコアベースの手法を用いて、因果的治療効果を推定します。また、ネガティブコントロール結果を用いたキャリブレーションも実装し、堅牢性を高めます。「debiasedTrialEmulation」は、リスク比（RR）、オッズ比（OR）、ハザード比（HR）を効果指標としてサポートし、バイナリーおよびイベント発生時間の両方の結果に対する効果推定を容易にします。共変量バランス、均衡、バイアスキャリブレーションを評価するための統計モデリングツールと可視化ツールを統合しています。不死時間バイアス、情報バイアス、選択バイアス、情報打ち切りに対処するためのアプローチを含む、追加の手法も開発中です。これらの拡張機能にご興味のあるユーザーは、パッケージの作者までお問い合わせください。

Bayesian Evaluation, Analysis, and Simulation Software Tools for Trials

試験用ベイズ評価・分析・シミュレーションソフトウェアツール

Bayesian dynamic borrowing with covariate adjustment via inverse probability weighting for simulations and data analyses in clinical trials. This makes it easy to use propensity score methods to balance covariate distributions between external and internal data. This methodology based on Psioda et al (2025) <doi:10.1080/10543406.2025.2489285>.

臨床試験におけるシミュレーションとデータ解析のための、逆確率重み付けによる共変量調整機能を備えたベイズ動的借用。これにより、傾向スコア法を用いて外部データと内部データ間の共変量分布のバランスをとることが容易になります。

Propensity Score Matching of Non-Binary Treatments

非バイナリ・トリートメントの傾向スコア・マッチング

Propensity score matching for non-binary treatments.

非バイナリー治療に対するプロペンシティスコアマッチング。

Sample Size Calculation for Propensity Score Analysis

傾向スコア分析のサンプルサイズ計算

Sample size calculations in causal inference with observational data are increasingly desired. This package is a tool to calculate sample size under prespecified power with minimal summary quantities needed.

観測データを用いた因果推論におけるサンプルサイズの計算がますます望まれるようになっています。このパッケージは、事前に指定された検出力でサンプルサイズを計算するためのツールで、必要なサマリー量は最小限に抑えられます。

Survival Proximity Score Matching in Multi-State Survival Model

マルチステート生存モデルにおける生存近接スコアマッチング

Implements survival proximity score matching in multi-state survival models. Includes tools for simulating survival data and estimating transition-specific coxph models with frailty terms. The primary methodological work on multistate censored data modeling using propensity score matching has been published by Bhattacharjee et al.(2024) < doi:10.1038/s41598-024-54149-y >.

生存近接スコアのマッチングをマルチステート生存モデルに実装します。生存データをシミュレートし、フレイル項を使用して遷移固有のcoxphモデルを推定するためのツールが含まれています。傾向スコアマッチングを用いたマルチステート打ち切りデータモデリングに関する主要な方法論的研究は、Bhattacharjeeら(2024) < doi:10.1038/s41598-024-54149-y >によって発表されています。

An R Package for Biomarkers Analysis in Precision Medicine

精密医療におけるバイオマーカー解析のためのRパッケージ

Provides functions for training extreme gradient boosting model using propensity score A-learning and weight-learning methods. For further details, see Liu et al. (2024) < doi:10.1093/bioinformatics/btae592 >.

傾向スコアA学習法と重み学習法を用いた極端勾配ブースティング・モデルの学習関数を提供します。A-learning法とweight-learning法の詳細については、Chenら(2017) < doi:10.1111/biom.12676 >を参照。