[論文レビュー] Generalized interpretation and identification of separable effects in competing event settings

Mats Julius Stensrud, Miguel A. Hernán+4 more|arXiv (Cornell University)|Apr 30, 2020

Advanced Causal Inference Techniques参考文献 21被引用数 6

ひとこと要約

本稿は、競合リスク設定における分離可能な効果の概念を一般化し、弱い仮定の下でも因果的解釈と同定が可能となる。時間変動する交絡要因を許容する半パラメトリック推定量を用いた、治療効果を競合事象を通じてまたはそれ以外の経路を通じて作用する成分に分解する柔軟な枠組みを導入。感度分析も可能であり、血圧低下治療試験で検証された。

ABSTRACT

In competing event settings, a counterfactual contrast of cause-specific cumulative incidences quantifies the total causal effect of a treatment on the event of interest. However, effects of treatment on the competing event may indirectly contribute to this total effect, complicating its interpretation. We previously proposed the separable effects (Stensrud et al, 2019) to define direct and indirect effects of the treatment on the event of interest. This definition presupposes a treatment decomposition into two components acting along two separate causal pathways, one exclusively outside of the competing event and the other exclusively through it. Unlike previous definitions of direct and indirect effects, the separable effects can be subject to empirical scrutiny in a study where separate interventions on the treatment components are available. Here we extend and generalize the notion of the separable effects in several ways, allowing for interpretation, identification and estimation under considerably weaker assumptions. We propose and discuss a definition of separable effects that is applicable to general time-varying structures, where the separable effects can still be meaningfully interpreted, even when they cannot be regarded as direct and indirect effects. We further derive weaker conditions for identification of separable effects in observational studies where decomposed treatments are not yet available; in particular, these conditions allow for time-varying common causes of the event of interest, the competing events and loss to follow-up. For these general settings, we propose semi-parametric weighted estimators that are straightforward to implement. As an illustration, we apply the estimators to study the separable effects of intensive blood pressure therapy on acute kidney injury, using data from a randomized clinical trial.

研究の動機と目的

• 競合リスクにおける総合的治療効果の解釈的課題に取り組む。特に、競合事象への効果が結果に間接的に影響を与える場合を想定。
• 従来の仮定を超えて分離可能な効果を拡張し、治療成分が関心の事象および競合事象の共通原因に影響を与えることを許容する。
• 時間変動する交絡要因を伴う観察的研究における分離可能な効果の同定条件および推定量を導出する。
• 分解された治療成分に対する仮想的介入を用いて、分離可能な効果の実証的吟味を可能にする。
• 観察可能な条件付き期待値を用いて、隔離仮定の違反に対する感度分析技術を開発する。

提案手法

• 治療成分が競合事象経路を通じてまたはそれ以外の経路を通じて作用する一般化された治療分解を提案。
• 関心の事象、競合事象、フォローアップ失敗の時間変動する共通原因を含む弱い仮定の下で、分離可能な効果の同定式を導出。
• モデルの誤指定に対してロバストで、実装が容易な半パラメトリック加重推定量を導入。
• 未測定の共通原因によるバイアスを定量化する関数 $ t_k(ar{l}_k, a_Y) $ を用いた感度分析フレームワークを構築。
• G-フォーミュラおよびマージナル構造的モデルを用いて、治療成分に対する介入のもとでの反実仮想分布を推定。
• 強化血圧療法のランダム化試験に本手法を適用し、急性腎障害に対する分離可能な効果を推定。

実験結果

リサーチクエスチョン

• RQ1 治療成分が関心の事象および競合事象の共通原因に影響を与える場合、分離可能な効果はどのように意味的に解釈可能となるか？
• RQ2 時間変動する交絡要因を伴う観察的研究において、分離可能な効果を推定するのに十分な弱い同定仮定は何か？
• RQ3 モデルの誤指定に対してロバストな半パラメトリック加重推定量を用いて、分離可能な効果を推定できるか？
• RQ4 分離可能な効果推定における隔離仮定の違反に対する感度分析はどのように実施できるか？
• RQ5 治療が独立した成分に分解されていない場合、提案された枠組みは直接経路と間接経路を区別できるか？

主な発見

• 治療成分が共通原因に影響を与える場合でも、分離可能な効果は純粋な直接効果および間接効果でない場合でも、意味的に解釈可能である。
• 関心の事象、競合事象、フォローアップ失敗の時間変動する共通原因を含む弱い仮定の下でも、分離可能な効果の同定が可能である。
• 実装が容易で、正しいモデル仕様のもとで一貫性を示す半パラメトリック加重推定量が提案された。
• 未測定の共通原因によるバイアスを定量化する関数 $ t_k(ar{l}_k, a_Y) $ を用いた感度分析フレームワークが開発され、選択バイアスに基づく解釈可能な符号を有する。
• 血圧試験の応用において、本手法は強化療法が急性腎障害に与える分離可能な効果を効果的に推定した。実用的有用性が示された。
• 特定の条件付き独立性仮定が成り立つ限り、無視可能な成分条件が破られた場合でも、同定式は有効である。