Su problema no parece ser con los resultados binarios o con el análisis de puntuación de propensión, sino con el "cambio porcentual desde la línea de base" como resultado.
Obsérvese que el "cambio bruto desde la línea de base" no es problemático. Si dos grupos se equiparan (es decir, con puntuaciones de propensión o regresión) para tener la misma línea de base media, entonces la diferencia en las puntuaciones de cambio es igual a la diferencia en los resultados brutos. Si es imposible igualar los dos grupos sin extrapolación debido a la falta de solapamiento, entonces la confusión se convierte en un problema, pero eso es un problema en todos los estudios observacionales y no sólo en los que utilizan el cambio bruto como resultado. Si su problema es que para aquellos con líneas de base bajas, hay poco espacio para disminuir, entonces usted está describiendo una no linealidad o efecto de piso que necesita ser modelado, lo cual puede hacerse fácilmente usando un modelo lineal generalizado o un modelo lineal flexible. Por ejemplo, un modelo que contenga una asíntota en 0 (como una regresión logística fraccionada) reflejaría el hecho de que hay poca disminución posible para alguien que ya está en un nivel muy bajo del resultado en la línea de base.
El cambio porcentual puede ser problemático, como has descrito. Dos grupos con el mismo cambio bruto pueden tener un cambio porcentual diferente si comienzan en líneas de base diferentes, y el ajuste de esto mediante el equilibrio en las líneas de base promedio no resolverá ese problema. Incluso si los dos grupos tuvieran la misma línea de base media y el tratamiento fuera totalmente ineficaz, se podrían ver cambios porcentuales diferentes sólo por el hecho de que los que están en las colas de la distribución de la línea de base tienen diferentes potenciales de cambio. Sin embargo, si se pudiera exactamente equilibrar toda la distribución de la línea de base, entonces la diferencia en el cambio porcentual sería válida y no estaría confundida por la línea de base. Sin embargo, esto va mucho más allá de lo que la mayoría de los análisis de puntuación de propensión llegan a hacer, pero es posible. Por ejemplo, encontrar coincidencias exactas en la medida de la línea de base garantizaría que las distribuciones de la línea de base en ambos grupos estuvieran exactamente equilibradas, por lo que una simple diferencia en el cambio porcentual o en el cambio absoluto no se vería afectada por la confusión debida a los diferentes niveles de la línea de base.
