Calculadora de emparejamiento por puntuación de propensión

El emparejamiento por puntuación de propensión es una técnica de diseño para estudios observacionales en los que el tratamiento no se asignó al azar. La puntuación de propensión es la probabilidad estimada de recibir tratamiento dadas las covariables medidas antes de este. Las observaciones con puntuaciones similares tienen probabilidades de tratamiento parecidas según el modelo. Emparejar observaciones tratadas con controles no tratados comparables puede mejorar el equilibrio de covariables y ofrecer una comparación más creíble que una diferencia de resultados sin ajustar. Esta calculadora realiza un emparejamiento voraz uno a uno por vecino más cercano, sin reemplazo. Recorre las observaciones tratadas en el orden introducido, busca el control no utilizado con menor distancia absoluta entre puntuaciones, lo asigna y lo retira de las opciones posteriores. El efecto medio del tratamiento en los tratados, o ATT, es la media de las diferencias entre el resultado tratado y el de su control emparejado. Un ATT positivo indica un resultado observado medio más alto entre los tratados en la escala elegida. Las listas de puntuaciones y resultados deben estar alineadas: la primera puntuación tratada corresponde al primer resultado tratado, y lo mismo ocurre con los controles. Las puntuaciones deben estar entre cero y uno. Como no hay reemplazo, debe haber al menos tantos controles como tratados. El resultado voraz puede depender del orden de los tratados, sobre todo cuando varios compiten por controles con puntuaciones similares. Un programa de emparejamiento óptimo puede lograr una distancia total menor. Una puntuación cercana no demuestra por sí sola que todas las covariables estén equilibradas. Tras emparejar, revisa las diferencias de medias estandarizadas, las distribuciones, el solapamiento y la retención de muestra de cada variable basal importante. Estima las puntuaciones solo con variables medidas antes del tratamiento, incluyendo posibles factores de confusión y no consecuencias posteriores. Un solapamiento escaso significa que algunos tratados carecen de controles creíbles; en ese caso suele ser preferible usar un caliper o una regla de recorte en vez de forzar pares. La interpretación causal exige que no haya factores de confusión importantes sin medir, que el tratamiento sea posible en los patrones de covariables relevantes, que las observaciones no interfieran y que los modelos estén bien especificados. Emparejar no crea aleatorización ni elimina el sesgo oculto. Los errores estándar también deben reflejar el emparejamiento y la estimación de puntuaciones. Usa esta calculadora ligera para entender la formación determinista de pares y revisar ejemplos pequeños. Para análisis publicables, utiliza software estadístico con calipers, tratamiento de empates, opciones de reemplazo, diagnóstico de equilibrio, análisis de sensibilidad y estimaciones de incertidumbre adecuadas.