Introducción y aplicación metodológica de las puntuaciones de propensión: Revisión bibliográfica y simulación de datos

Abstract

The purpose of this paper is to introduce propensity scores (PS) as a key statistical methodology to reduce confounding bias in observational studies and thus facilitate causal inference. In contexts where randomisation is not possible for ethical or practical reasons, such as in clinical or epidemiological trials, this approach is particularly relevant. An exhaustive review of the literature is carried out, explaining concepts, application methods (matching or weighting, among others) and libraries available in different programming languages. A case study is also implemented using simulated data in R to evaluate the effectiveness of PS against traditional methods such as regression. The results show that PS allows balancing covaraites between treated and untreated groups, significantly reducing bias and improving the quality of causal estimates, both ATT and ATE. Appropiate use of PS was found to minimise baseline imbalance and improve the internal validity of the studies. In conclusion, PS represents a robust and versatile methodology to address bias problems in observational studies. It also highlights the importance of validating and optimising the adjusted PS model to ensure accurate and reproducible results, suggesting future lines of research and including applications in real clinical trials.

La finalidad de este trabajo es introducir las puntuaciones de propensión (propensity scores o PS) como una metodología estadística clave para reducir el sesgo de confusión en estudios observacionales y facilitar así la inferencia causal. En contextos donde la aleatorización no es posible por razones éticas o prácticas, como en ensayos clínicos o epidemiológicos, este enfoque es especialmente relevante. Se realiza una revisión exhaustiva de la literatura explicando conceptos, métodos de aplicación (emparejamiento o ponderación, entre otros) y librerías disponibles en diferentes lenguajes de programación. También se implementa un caso práctico empleando datos simulados en R para evaluar la eficacia de los PS frente a métodos tradicionales como la regresión. Los resultados muestran que los PS permiten equilibrar las covariables entre los grupos tratados y no tratados, reduciendo significativamente el sesgo y mejorando la calidad de las estimaciones causales, tanto ATT como ATE. Se observó que el uso adecuado de PS minimiza el desbalance inicial y mejora la validez interna de los estudios. En conclusión, los PS representan una metodología robusta y versátil para abordar problemas de sesgo en estudios observacionales. También se destaca la importancia de validar y optimizar el modelo de PS ajustado, para garantizar resultados precisos y reproducibles, sugiriendo líneas de investigación futuras que incluyan aplicaciones en ensayos clínicos reales.