[論文レビュー] Causal inference for multiple continuous exposures via the multivariate generalized propensity score

Justin Williams, Catherine M. Crespi|arXiv (Cornell University)|Aug 31, 2020

Advanced Causal Inference Techniques被引用数 4

ひとこと要約

本稿では、観察データを用いて複数の連続的曝露が結果に与える因果効果を推定するため、多変量一般化傾向スコア（mvGPS）手法を提案する。曝露の多変量正規性を仮定することで、バランスのとれた重みを生成し、被験者ごとの曝露値の組み合わせに対する線形回帰を用いて、バイアスを低減し、共変量のバランスを改善する。シミュレーションおよび乳幼児期の肥満介入に関する実世界研究において有効であることが示された。

ABSTRACT

The generalized propensity score (GPS) is an extension of the propensity score for use with quantitative or continuous exposures (e.g., dose of medication or years of education). Current GPS methods allow estimation of the dose-response relationship between a single continuous exposure and an outcome. However, in many real-world settings, there are multiple exposures occurring simultaneously that could be causally related to the outcome. We propose a multivariate GPS method (mvGPS) that allows estimation of a dose-response surface that relates the joint distribution of multiple continuous exposure variables to an outcome. The method involves generating weights under a multivariate normality assumption on the exposure variables. Focusing on scenarios with two exposure variables, we show via simulation that the mvGPS method can achieve balance across sets of confounders that may differ for different exposure variables and reduces bias of the treatment effect estimates under a variety of data generating scenarios. We apply the mvGPS method to an analysis of the joint effect of two types of intervention strategies to reduce childhood obesity rates.

研究の動機と目的

• 観察研究において、複数の連続的曝露の共同因果効果を推定するための手法の不足に対処すること。
• 複数の同時連続的曝露を扱える一般化傾向スコア（GPS）の多変量拡張を開発すること。
• 曝露と異なる関連を持つ共変量のバランスを改善すること。
• 重み付き回帰を用いて、曝露の組み合わせに対する線形の用量反応表面を推定すること。
• シミュレーションと乳幼児期の肥満介入に関する実世界研究への応用を通じて、手法を検証すること。

提案手法

• 複数の連続的曝露変数の同時分布が多変量正規分布に従うと仮定する。
• 他の曝露を条件とする各曝露の条件付き密度を用いて、多変量正規分布から重みを導出する。
• 多変量一般化傾向スコア（mvGPS）に基づく逆確率重みを生成し、共変量のバランスをとる。
• 重み付き回帰を用いて、結果を曝露値の組み合わせの関数として推定する。
• 曝露の組み合わせが観察データによってサポートされている領域（推定可能領域）を、凸包に基づくアプローチで定義する。
• 共変量を条件とする曝露の条件付き確率を多変量正規密度を用いて計算し、重みの算出を可能にする。

実験結果

リサーチクエスチョン

• RQ1 mvGPS手法は、曝露と異なる関連を持つ共変量において、より優れた共変量のバランスを達成できるか？
• RQ2 mvGPSは、単変量GPSまたは重みなし手法と比較して、治療効果推定におけるバイアスをどの程度低減するか？
• RQ3 実世界設定において、2つの連続的曝露の共同効果の用量反応表面の形状と解釈は何か？
• RQ4 多変量正規性の仮定が満たされない場合、または高次元の曝露空間において、mvGPSの性能はどのようになるか？
• RQ5 mvGPSを用いて、結果を最大または最小化する曝露レベルの最適な組み合わせを特定できるか？

主な発見

• mvGPS手法は単変量GPSよりも優れたバランスを達成し、共変量と曝露の間の最大絶対相関を0.1未満に、平均絶対相関をほぼゼロにまで低下させた。
• シミュレーションでは、共変量が各曝露と異なる関連を持つようなさまざまなデータ生成シナリオにおいても、mvGPSが治療効果推定のバイアスを低減した。
• mvGPS重みを用いて推定された用量反応表面は、重みなしの表面と顕著に異なっており、元のデータに顕著な交絡が存在することを示唆している。
• 乳幼児期の肥満介入への応用において、最も効果的な干渉の組み合わせは、マイクロ戦略の高い水準とマクロ戦略の低い水準の組み合わせであると判明した。
• 観察された曝露の組み合わせの凸包内では、ポジティビティの問題に対してもmvGPSは頑健であったが、次元が高くなると性能が低下する可能性がある。
• 多変量正規性およびSUTVAの仮定があるものの、本手法は、複数の連続的曝露を伴う非無作為化研究における共同因果効果推定の実用的フレームワークを提供した。