[論文レビュー] Data fusion methods for the heterogeneity of treatment effect and confounding function

Shu Yang, Liu, Siyi+2 more|arXiv (Cornell University)|Jul 25, 2020

Advanced Causal Inference Techniques参考文献 23被引用数 9

ひとこと要約

本稿では、隠れた交絡要因下での処置効果の異質性推定を改善するために、無作為化試験と観察研究のデータを統合する半パラメトリックなレート二重ロバスト推定量を提案する。交絡関数を共有パrameterとして活用することで、非パラメトリックに処置効果の異質性と交絡バイアスを同定し、輸送可能性が成り立つ場合には、試験のみの推定量よりも高い効率性を達成する。

ABSTRACT

The heterogeneity of treatment effect (HTE) lies at the heart of precision medicine. Randomized controlled trials are gold-standard for treatment effect estimation but are typically underpowered for heterogeneous effects. In contrast, large observational studies have high predictive power but are often confounded due to the lack of randomization of treatment. We show that an observational study, even subject to hidden confounding, may be used to empower trials in estimating the HTE using the notion of confounding function. The confounding function summarizes the impact of unmeasured confounders on the difference between the observed treatment effect and the causal treatment effect, given the observed covariates, which is unidentifiable based only on the observational study. Coupling the trial and observational study, we show that the HTE and confounding function are identifiable. We then derive the semiparametric efficient scores and the integrative estimators of the HTE and confounding function. We clarify the conditions under which the integrative estimator of the HTE is strictly more efficient than the trial estimator. Finally, we illustrate the integrative estimators via simulation and an application.

研究の動機と目的

• 限られたサンプル多様性によるパワー不足に起因する無作為化試験における処置効果の異質性推定の課題に対処すること。
• 測定されていない交絡要因が因果推論を歪める可能性がある大規模な観察研究における交絡バイアスを克服すること。
• 両方のデータソースを活用して、非パラメトリックに処置効果の異質性と交絡関数を同定する統一的なフレームワークを構築すること。
• パラメトリック構造的モデル下で、試験のみの推定よりも効率性を向上させる半パラメトリック効率的推定量を導出すること。
• データ統合が試験データに依存する場合よりも厳密に高い効率性をもたらす条件を明確にすること。

提案手法

• 測定されていない交絡要因の潜在的アウトカムへの影響を、観察された共変量の下で要約する交絡関数を導入する。
• 輸送可能性仮定を用いて試験ベースの処置効果と観察的サンプルを結びつけ、処置効果の異質性と交絡関数の両方の同定を可能にする。
• 再パrameter化と幾何的手法を用いて、モデル構造に起因する同定制約を考慮した半パラメトリック効率的スコアを導出する。
• ヌイアンス関数が弱い正則性条件で推定されても、根N収束を維持するレート二重ロバスト統合推定量を提案する。
• 統合推定フレームワークにおけるモデル適合度と仮定の妥当性を検証するため、過剰識別性検定を実施する。
• 2段階推定手順を適用する：まず観察データを用いて交絡関数を推定し、次に試験データと統合して処置効果の異質性を推定する。

実験結果

リサーチクエスチョン

• RQ1 隠れた交絡要因を伴う観察研究は、無作為化試験における処置効果の異質性推定の精度を向上させることができるか？
• RQ2 統合推定量が試験のみの推定量よりも厳密に高い効率性を示す条件は何か？
• RQ3 パラメトリック構造的モデル下で、試験データと観察データを用いて交絡関数を非パラメトリックに同定できるか？
• RQ4 処置効果の異質性と交絡関数の共同推定における半パラメトリック効率限界は何か？
• RQ5 ヌイアンス関数の柔軟なモデル化下で、レート二重ロバスト推定をどのように達成できるか？

主な発見

• 輸送可能性仮定下で、交絡関数が十分な精度で推定される場合、統合推定量は試験のみの推定量よりも厳密に速い根N収束率を達成する。
• シミュレーション研究では、観察データに測定されていない交絡要因が存在する場合、統合推定量が試験のみの推定量およびメタアナリシス推定量よりも狭い信頼区間を生成することが示された。
• がん治療データへの応用では、試験のみの推定量はサンプルサイズが小さいため有意でなかったが、統合推定量は効率性を向上させ、より精度の高い推定を達成した。
• 観察研究における交絡関数のモデルパラメータは、年齢、性別、組織像において有意にゼロでなかったことから、測定されていない交絡要因がないという仮定はおそらく成立していないことが示唆された。
• 過剰識別性検定は仮説を棄却しなかったことから、共同推定モデルが経験的に妥当で適切に指定されていることが示された。
• 推定のいずれかのヌイアンスモデル（例：適合度スコアまたはアウトカム回帰）が誤指定であっても、もう一方が正しく指定されていれば、統合推定量は有効な推論を維持する。