glm.fit: el algoritmo no converge - ¿La coincidencia de la puntuación de propensión no funciona?

Question

Estoy haciendo un Propensity Score Matching (emparejamiento del vecino más cercano) en R.

Estoy emparejando a los pacientes con diferentes tratamientos. Dependiendo del diagnóstico emparejé diferentes submuestras. En algunas de las submuestras el código funciona y pude reducir la distancia (SMD), pero en dos de las submuestras no funcionó y siempre me aparece el mensaje de advertencia glm.fit: algorithm did not converge . Cuando miro la distancia después de la coincidencia, no ha cambiado. El siguiente es mi código:

data.combined_1 = data.combined %>% 
  filter(diag.kat=="Psychotrope Substanzen (10-19)")

mat=matchit(
  formula = th_wechsel ~  oq30_gesamt + sex 
    + anz.sitzung + alter + BSI_Gesamt 
    + familienstand + arbeitsunfähigkeit, 
  data = data.combined_1, 
  method = "nearest",
  distance = "logit",
  ratio = 1)

Realmente no sé cuál es el problema y agradezco cualquier consejo.

Answer 1

El matchit está realizando una regresión logística bajo el capó. La advertencia le indica que el modelo de regresión logística no puede estimarse debido a la predicción perfecta, o a la singularidad de la razón de momios.

Según la fórmula, th_wechsel es la exposición de interés y la edad, el sexo, etc. son los posibles factores de confusión. Al no conocer el tamaño de la muestra, ni la codificación de estas variables, probablemente se esté tratando con una dimensión demasiado alta para garantizar que el modelo pueda siquiera ajustarse. En otras palabras, se carece de un conjunto adecuado de propensión emparejado para todos los niveles de la exposición de interés.

Puede experimentar con el cambio de modelo, normalmente las variables categóricas con recuentos dispersos pueden ser complicadas, y prácticamente se puede tener un modelo más simple colapsando las categorías. Por ejemplo, si la edad se codifica categóricamente por año, tal vez se puede reducir a la edad en incrementos de 5 años.