[論文レビュー] Direct and Indirect Effects of Sequential Treatments

Vanessa Didelez, A. P. Dawid+1 more|Explore Bristol Research|Jun 27, 2012

Bayesian Modeling and Causal Inference参考文献 10被引用数 96

ひとこと要約

本稿は、反事後確率ではなく介入指標を用いて逐次的治療における直接的・間接的因果効果を再定義し、因果効果の同定が可能な図的アプローチを可能にする。自然直接効果の同定可能性条件は、逐次的治療の特殊ケースとして確立され、ピアールとロビンズの先行研究を整合させるとともに拡張する統一的枠組みを提供する。

ABSTRACT

In this paper we review the notion of direct causal effect as introduced by Pearl (2001). We show how it can be formulated without counterfactuals, using intervention indicators instead. This allows to consider the natural direct effect as a special case of sequential treatments discussed by Dawid and Didelez (2005) which immediately yields conditions for identifiability as well as a graphical way of checking identifiability. The results are contrasted with the criteria given by Pearl (2001) and Robins (2003).

研究の動機と目的

• 反事後確率に依存しない直接的因果効果の概念を、介入指標を用いて再定式化すること。
• 逐次的治療の枠組みを自然に自然直接効果を組み込むように拡張すること。
• 逐次的治療設定における直接的および間接的効果の同定可能性に関する図的および構造的条件を提供すること。
• 提案手法とピアール（2001）およびロビンズ（2003）の既存基準を一致・対比すること。
• 動的治療制度における因果効果分解のための統一的で介入に基づく手法を提供すること。

提案手法

• 介入変数への介入を表す介入指標を用い、反事後確率確率変数の必要性を回避する。
• do-計算フレームワークを適用して、逐次的治療設定における直接的および間接的効果の同定可能性の条件を導出する。
• 因果図（DAG）を用いて逐次的治療の構造を視覚的に表現し、同定可能性条件の検証を行う。
• ダウイドとディデレッツ（2005）が提唱した一般逐次的治療フレームワークの特殊ケースとして自然直接効果を導出する。
• 因果グラフにおける条件付き独立性およびd-分離に基づく同定可能性の形式的条件を確立する。
• 介入指標アプローチを用いて、反事後確率の仮定なしに、合計効果を直接的および間接的成分に分解する。

実験結果

リサーチクエスチョン

• RQ1 反事後確率に依存せずに、逐次的治療設定における直接的および間接的効果をどのように定義・同定できるか。
• RQ2 逐次的治療のシーケンスにおいて、直接的効果の同定可能性を保証する図的条件は何か。
• RQ3 介入指標アプローチは、ピアール（2001）の反事後確率に基づくアプローチと比べて、同定可能性および解釈可能性の観点でどのように異なるか。
• RQ4 自然直接効果を一般逐次的治療フレームワークに形式的に統合できるか。
• RQ5 この再定式化は、動的治療制度における因果推論にどのような意味を持つのか。

主な発見

• 自然直接効果は、一般逐次的治療フレームワークの特殊ケースとして形式的に導出可能であり、統一的な視点を提供する。
• 直接的効果の同定可能性は、特定の条件付き独立性条件によって保証され、因果グラフにおけるd-分離を用いて視覚的に検証可能である。
• 介入指標アプローチにより、反事後確率の仮定なしに直接的効果を定式化でき、解釈および計算が簡素化される。
• 提案手法は、ピアール（2001）およびロビンズ（2003）が導出した同定可能性条件と同一であり、フレームワーク間の一貫性を確認する。
• 提案フレームワーク下では、同定可能性の図的基準は必要かつ十分であり、因果図を用いた体系的チェックが可能である。
• 本フレームワークは、複雑な逐次的治療設定へも適応可能であり、因果効果分解のためのスケーラブルな手法を提供する。