[論文レビュー] Contextualizing E-values for Interpretable Sensitivity to Unmeasured Confounding Analyses

Lucy D’Agostino McGowan, Robert A. Greevy|arXiv (Cornell University)|Nov 13, 2020

Statistical Methods and Inference参考文献 26被引用数 4

ひとこと要約

本稿では、未測定の交絡要因の感度分析における VanderWeele と Ding の E 値を、実際に観察された共変量の影響の文脈に置くために、観察された共変量 E 値と観察バイアスプロットを導入する。仮想の未測定交絡要因の効果を観察された共変量の効果のスケールに翻訳することで、未測定交絡が観察された交絡要因と同程度の大きさであれば、研究の結論を実際に変える可能性があるかどうかを評価できるようになり、感度分析の解釈可能性と臨床的関連性が向上する。

ABSTRACT

The strength of evidence provided by epidemiological and observational studies is inherently limited by the potential for unmeasured confounding. Researchers should present a quantified sensitivity to unmeasured confounding analysis that is contextualized by the study's observed covariates. VanderWeele and Ding's E-value provides an easily calculated metric for the magnitude of the hypothetical unmeasured confounding required to render the study's result inconclusive. We propose the Observed Covariate E-value to contextualize the sensitivity analysis' hypothetical E-value within the actual impact of observed covariates, individually or within groups. We introduce a sensitivity analysis figure that presents the Observed Covariate E-values, on the E-value scale, next to their corresponding observed bias effects, on the original scale of the study results. This observed bias plot allows easy comparison of the hypothetical E-values, Observed Covariate E-values, and observed bias effects. We illustrate the methods with a specific example and provide a supplemental appendix with modifiable code that teaches how to implement the method and create a publication quality figure.

研究の動機と目的

• 未測定交絡に対する E 値の文脈的解釈の欠如に対処すること。
• 測定済みの共変量の実効果に基づいて E 値の解釈可能性を高めること。
• 研究者が未測定交絡が観察された交絡と比較してどれほど現実的かを評価できる、実用的で視覚的な手法を提供すること。
• E 値の簡略化と文脈化により、観察研究における数量的感度分析の広範な採用を促進すること。
• 高バイアスを示す共変量が、必ずしも効果推定値に最大の影響を与えるわけではないことを示し、交絡要因の重要性に関する仮定に疑問を呈すること。

提案手法

• 各共変量の観察バイアス効果を E 値スケールに変換する観察共変量 E 値を提案する。
• 回帰モデルを用いて、個々またはグループ化された共変量を分析から省いた場合に生じるバイアスを推定する。
• 観察共変量 E 値と元の結果スケールにおけるそれらに対応する観察バイアス効果を表示する観察バイアスプロットを構築する。
• 仮想の未測定交絡要因の強さを、結果が有意でなくなるまでに必要なものとして E 値フレームワークを適用する。
• モデル比較と可視化を含む、包括的な感度分析ワークフローにこの手法を統合する。
• R コードを tipr パッケージを通じて提供し、この手法の実装と出版水準の図作成を可能にする。

実験結果

リサーチクエスチョン

• RQ1 測定済み共変量の実効果によって E 値を意味的に文脈化することで、解釈可能性を高められるか？
• RQ2 観察された共変量からの交絡の大きさは何か？ そして、研究の結論を変えるために必要な未測定交絡の閾値と比較するとどうなるか？
• RQ3 曝露群間で不均衡が大きい共変量が、必ずしも効果推定値に最大の影響を与えるわけではないか？
• RQ4 研究者が観察された交絡要因の効果と比較することで、未測定交絡の現実性をどのように評価できるか？
• RQ5 E 値と観察バイアス効果を組み合わせた視覚的プロットは、感度分析結果の理解を向上させられるか？

主な発見

• 観察共変量 E 値は、仮想の未測定交絡と観察された共変量による実際の交絡の強さを直接比較可能にする。
• 例示例では、APACHEスコア、生理学的測定値、生存確率を含む12個の共変量をすべて除外すると、部分的な除外よりもはるかに大きなハザード比への影響があった。これは、共変量の相乗的交絡効果を示している。
• APACHEスコアや PaO2/FIO2 比率のような高不均衡な共変量が、常に最大の観察バイアス効果を示すわけではないため、交絡要因の優先順位に関する仮定に疑問を呈する。
• 観察バイアスプロットは、観察された共変量と仮想の未測定交絡要因の相対的影響を同じスケールで効果的に可視化し、解釈可能性を向上させる。
• この手法は、個々には弱い共変量の組み合わせを削除することで、顕著なバイアスが生じることを明らかにし、グループレベルの交絡の重要性を強調している。
• このアプローチにより、観察された共変量と同程度の大きさの未測定交絡要因があれば、結果をひっくり返す可能性があるかどうかを研究者が判断できるようになる。これにより、残存交絡の現実性を評価できる。