[論文レビュー] Generalizing trial findings using nested trial designs with sub-sampling of non-randomized individuals

Issa J Dahabreh, Miguel A. Hernán+3 more|arXiv (Cornell University)|Feb 16, 2019

Advanced Causal Inference Techniques参考文献 40被引用数 6

ひとこと要約

本稿では、非無作為化個人のサブサンプリングを伴うネストド・トライアル設計を用いて、ランダム化比較試験の因果的帰納をより広範な標本母集団に一般化するための二重にロバストな推定法を提案する。追加のベースライン共変量を補助共変量を用いてサンプリングの指針とする非無作為化個人のサブセットに収集することで、弱い無視可能性仮定のもとで有効な推論を維持しながら、研究経済性を向上させる。理論的およびシミュレーション的裏付けにより、有効性とロバスト性が裏付けられる。

ABSTRACT

To generalize inferences from a randomized trial to the target population of all trial-eligible individuals, investigators can use nested trial designs, where the randomized individuals are nested within a cohort of trial-eligible individuals, including those who are not offered or refuse randomization. In these designs, data on baseline covariates are collected from the entire cohort, and treatment and outcome data need only be collected from randomized individuals. In this paper, we describe nested trial designs that improve research economy by collecting additional baseline covariate data after sub-sampling non-randomized individuals (i.e., a two-stage design), using sampling probabilities that may depend on the initial set of baseline covariates available from all individuals in the cohort. We propose an estimator for the potential outcome mean in the target population of all trial-eligible individuals and show that our estimator is doubly robust, in the sense that it is consistent when either the model for the conditional outcome mean among randomized individuals or the model for the probability of trial participation is correctly specified. We assess the impact of sub-sampling on the asymptotic variance of our estimator and examine the estimator's finite-sample performance in a simulation study. We illustrate the methods using data from the Coronary Artery Surgery Study (CASS).

研究の動機と目的

• 非無作為化個人のベースライン共変量が不完全な状況において、ランダム化比較試験の結果を試験受騴資格を持つ広範な標本母集団に一般化する課題に対処すること。
• 初期のベースライン共変量に依存するサンプリング確率を用いて、非無作為化個人のサブサンプリングを実施し、追加の共変量収集にコストを抑えることで研究経済性を向上させること。
• 潜在的アウトカム平均の推定器を、条件付き交換可能性が成立する場合に、どちらか一方のアウトカムモデルまたは参加確率モデルが正しく指定されていれば一貫性を保証する二重にロバストな推定器として開発すること。
• サブサンプリングが潜在的アウトカム平均の推定器の漸近的分散に与える影響を評価し、有限標本における性能を検証すること。

提案手法

• ベースライン共変量が容易に入手可能な（$X_1$）および収集に高コストな（$X_2$）成分に分割される二段階のネストド・トライアル設計を用いる。
• 非無作為化個人は、$X_1$ に依存する可能性のあるサンプリング確率を用いて $X_2$ の収集のためのサブサンプリングが行われ、コスト効率の良いデータ収集が可能になる。
• 標本母集団における潜在的アウトカム平均の推定に、逆確率加重とアウトカム回帰モデルを組み合わせた二重にロバストな推定器を提案する。
• ランダム化個人と非ランダム化個人との間で、ベースライン共変量の下で条件付き交換可能性が成り立つものと仮定し、有効な因果的推論を保証する。
• サブサンプリングによる効率性向上を評価するため、漸近的分散を導出する。また、シミュレーション研究を通じて有限標本における性能を評価する。
• 実世界の医療現場での応用を示すために、冠動脈バイパス術研究（CASS）のデータを用いて手法を実証する。

実験結果

リサーチクエスチョン

• RQ1 すべての非無作為化個人に対して高コストな共変量を収集することは現実的でない状況において、どのようにしてランダム化比較試験の因果的帰納をより広範な標本母集団に効率的に一般化できるか？
• RQ2 初期のベースライン共変量に基づいてガイドされた非無作為化個人のサブサンプリングが、潜在的アウトカム平均の推定器の分散に与える影響は何か？
• RQ3 提案された推定器が二重にロバストである条件は何か？ 有限標本における他の推定器と比較して、その性能はいかがなものか？
• RQ4 アウトカムモデルまたは参加確率モデルのどちらか一方が誤って指定された場合、提案手法は有効な推論を維持できるか？
• RQ5 サンプリング確率（$X_1$ に依存）の選択が、実際の推定器の精度にどのように影響するか？

主な発見

• 潜在的アウトカム平均の推定器は二重にロバストであり、ランダム化個人における条件付きアウトカム平均モデルまたは参加確率モデルのどちらか一方が正しく指定されていれば、一貫性を保つ。
• 初期のベースライン共変量に基づいて非無作為化個人をサブサンプリングすることで、完全データ推定と比較して推定器の漸近的分散が低減され、効率性が向上する。
• シミュレーション結果から、連続的および二値の補助共変量を含むさまざまなサンプリング確率およびデータ生成メカニズムにおいて、推定器は低バイアスと良好なカバレッジを維持している。
• 有限標本における推定器の性能は安定的かつ効率的であり、コhortサイズが増加するほどおよびサンプリング確率が向上するほど標準誤差が減少する。
• CASS応用において、サンプリング確率が十分に高い場合には、サブサンプリング下での標準誤差推定値が完全データ推定器とよく一致しており、実用的有用性が示された。
• 補助共変量（$X_1$）が追加の $X_2$ データ収集の必要性を予測する場合、推定器の分散は最小化され、インフォームドなサブサンプリングの価値が明確になった。