[論文レビュー] A note on 'Collider bias undermines our understanding of COVID-19 disease risk and severity' and how causal Bayesian networks both expose and resolve the problem

Norman Fenton|arXiv (Cornell University)|May 18, 2020

Bayesian Modeling and Causal Inference参考文献 8被引用数 9

ひとこと要約

この論文は、GriffithらのCOVID-19リスク研究におけるコリーダーバイアス分析を拡張し、因果的ベイジアンネットワークを用いて選択バイアス（特に医療従事者の過剰代表と喫煙者の低代表）が観察された関連性を歪める仕組みをモデル化する。因果的モデリングが適切でない場合、喫煙やストレスがCOVID-19リスクを低下させるという誤った結論が導かれる可能性があり、実際にはコリーダーバイアスと医療従事者状態による交絡が偽の逆関連性を生じさせていることを示している。

ABSTRACT

An important recent preprint by Griffith et al highlights how 'collider bias' in studies of COVID19 undermines our understanding of the disease risk and severity. This is typically caused by the data being restricted to people who have undergone COVID19 testing, among whom healthcare workers are overrepresented. For example, collider bias caused by smokers being underrepresented in the dataset may (at least partly) explain empirical results that suggest smoking reduces the risk of COVID19. We extend the work of Griffith et al making more explicit use of graphical causal models to interpret observed data. We show that their smoking example can be clarified and improved using Bayesian network models with realistic data and assumptions. We show that there is an even more fundamental problem for risk factors like 'stress' which, unlike smoking, is more rather than less prevalent among healthcare workers; in this case, because of a combination of collider bias from the biased dataset and the fact that 'healthcare worker' is a confounding variable, it is likely that studies will wrongly conclude that stress reduces rather than increases the risk of COVID19. Indeed, "being in close contact with COVID19 people" reduces the risk of COVID19. To avoid such potentially erroneous conclusions, any analysis of observational data must take account of the underlying causal structure including colliders and confounders. If analysts fail to do this explicitly then any conclusions they make about the effect of specific risk factors on COVID19 are likely to be flawed.

研究の動機と目的

• テスト対象者に限定されたデータセットにおける観察的研究におけるコリーダーバイアスの問題に対処すること。特に、テスト対象者に限定されたデータセットにおけるリスク要因の分析に焦点を当てる。
• Griffith らの研究における選択バイアス（特に医療従事者の過剰代表）がリスク推定に与える歪みを明確にし、拡張すること。
• 医療従事者状態による交絡が、リスク要因（例：ストレス）と疾患重症度の真の関係を逆転させることを示すこと。
• 因果的ベイジアンネットワークが、因果構造を明示的にモデル化することで、これらのバイアスを露見・是正できることを示すこと。
• コリーダーバイアスと交絡効果を考慮しないまま、観察データから誤った結論を導くことの危険性を研究者に警告すること。

提案手法

• 曝露変数（例：喫煙、ストレス）、医療従事者状態、検査状態、COVID-19の結果の間の関係を表す因果的ベイジアンネットワークモデルを構築する。
• 現実的データと仮定を用いて、特に医療職に属する人々が優勢なテスト対象者に限定されたデータで、コリーダーバイアスがどのように生じるかをシミュレーションする。
• ネットワーク構造を通じてドカルキュラスおよびd-分離の原則を暗黙的に適用し、交絡によるバックドアパスを特定・遮断する。
• 反事後的シナリオをシミュレーションし、未測定の交絡要因（例：医療従事者状態）を適切に取り入れた場合に、観察された関連性がどのように変化するかを評価する。
• 有向無閉路グラフ（DAG）を用いて因果構造を可視化し、コリダーと交絡要因が観察された関連性をどのように歪めるかを説明する。
• バイアスを含むデータセットにおける観察された関連性と真の因果効果を比較し、歪みの大きさと方向を示す。

実験結果

リサーチクエスチョン

• RQ1 テストベースのデータセットにおけるコリーダーバイアスは、リスク要因とCOVID-19重症度の間の観察された関連性をどのように歪めるか？
• RQ2 生物学的妥当性が相反するにもかかわらず、なぜ研究が喫煙がCOVID-19リスクを低下させるという誤った結論に至るのか？
• RQ3 なぜテストデータセットにおける医療従事者の過剰代表が、ストレスなどのリスク要因と偽の逆関連性を生じさせるのか？
• RQ4 どの程度まで因果的ベイジアンネットワークが、コリダー選択と交絡に起因するバイアスを露見・是正できるか？
• RQ5 観察データの疾患リスク分析において、因果構造を明示的にモデル化しないとどのような影響があるか？

主な発見

• テストベースのデータセットにおけるコリーダーバイアスは、テスト対象者における喫煙者の低代表という要因により、喫煙がCOVID-19リスクを低下させるという錯覚を生じさせる。
• 特に高ストレス状態の医療従事者が過剰に含まれるため、ストレスが疾患リスクを低下させるのではなく増加させるという真の関係が逆転し、誤った結論が導かれる。
• 本研究では、「COVID-19患者と密接に接触している」ことが、生物学的実態ではなくコリーダーバイアスのため、リスクを低下させるように見えると示している。
• 因果的ベイジアンネットワークは、コリーダーバイアスと交絡の存在を的確に露見し、観察された関連性が系統的に逆転していることを明らかにした。
• 因果構造を明示的にモデリングしない限り、観察的研究はリスク要因に関する誤った結論を導きやすい。
• データが正確であっても、サンプリングが制限されている（例：テスト対象者に限定）ことで、選択バイアスが偽の負の関連性を生じさせることが示された。