Me refiero a este artículo: Hayes JR, Groner JI. "Utilizando puntajes de imputación y propensión múltiples para evaluar el efecto de los asientos de automóvil y el uso del cinturón de seguridad en la gravedad de las lesiones a partir de los datos del registro de traumatismos". J Pediatr Surg. Mayo de 2008; 43 (5): 924-7.
En este estudio, se realizó una imputación múltiple para obtener 15 conjuntos de datos completos. Los puntajes de propensión se calcularon para cada conjunto de datos. Luego, para cada unidad de observación, se eligió un registro al azar de uno de los 15 conjuntos de datos completados (incluida la puntuación de propensión relacionada), creando así un único conjunto de datos final para el que luego se analizó por coincidencia de puntuación de propensión.
Mis preguntas son: ¿Es esta forma válida de realizar una coincidencia de puntaje de propensión después de una imputación múltiple? ¿Hay formas alternativas de hacerlo?
Para el contexto: en mi nuevo proyecto, mi objetivo es comparar los efectos de 2 métodos de tratamiento utilizando la coincidencia de puntaje de propensión. Faltan datos y tengo la intención de usar el MICE
paquete en R para imputar los valores faltantes, luego twang
hacer la coincidencia de puntaje de propensión y luego lme4
analizar los datos coincidentes.
Actualización1:
He encontrado este documento que adopta un enfoque diferente: Mitra, Robin y Reiter, Jerome P. (2011) Coincidencia de puntaje de propensión con covariables faltantes a través de imputación múltiple secuencial iterada [Documento de trabajo]
En este artículo, los autores calculan los puntajes de propensión en todos los conjuntos de datos imputados y luego los agrupan promediando, lo que está en el espíritu de la imputación múltiple usando la regla de Rubin para una estimación puntual, pero ¿es realmente aplicable para un puntaje de propensión?
Sería realmente bueno si alguien en CV pudiera proporcionar una respuesta con comentarios sobre estos 2 enfoques diferentes, y / o cualquier otro ...