[論文レビュー] Identification and Estimation of Causal Effects with Outcomes Truncated by Death

Linbo Wang, Xiao‐Hua Zhou+1 more|arXiv (Cornell University)|May 17, 2016

Advanced Causal Inference Techniques被引用数 8

ひとこと要約

本稿は、結果が死亡によって切断される研究における生存者平均因果効果（SACE）の同定と推定のための新しいアプローチを提案する。代替変数を導入することで、従来の研究よりも弱い仮定の下でSACEを同定でき、無作為化研究および観察研究の両方で有効な因果推論を可能にする。また、生存と結果の両方に共通する要因を測定可能なものとして扱える。

ABSTRACT

It is common in medical studies that the outcome of interest is truncated by death, meaning that a subject has died before the outcome could be measured. In this case, restricted analysis among survivors may be subject to selection bias. Hence, it is of interest to estimate the survivor average causal effect, defined as the average causal effect among the subgroup consisting of subjects who would survive under either exposure. In this paper, we consider the identification and estimation problems of the survivor average causal effect. We propose to use a substitution variable in place of the latent membership in the always-survivor group. The identification conditions required for a substitution variable are conceptually similar to conditions for a conditional instrumental variable, and may apply to both randomized and observational studies. We show that the survivor average causal effect is identifiable with use of such a substitution variable, and propose novel model parameterizations for estimation of the survivor average causal effect under our identification assumptions. Our approaches are illustrated via simulation studies and a data analysis.

研究の動機と目的

• 死亡による測定前の死亡に起因する選択バイアスを是正すること。
• 標準的な仮定が成り立たない状況、特に生存と結果の両方に共通する要因が存在する状況での生存者平均因果効果（SACE）の同定。
• 無作為化試験および観察研究の両方に適用可能な手法の開発。単調性や除外制約の厳密な仮定を緩和すること。
• 推定に適した同定と分布的仮定の整合性を保証するモデルのパrameterizationの提供。
• 潜在的な常に生存者グループへの所属を示す代替変数としてのベースライン共変量を用いたSACEの推定の実現。

提案手法

• 潜在的な常に生存者グループへの所属を代理する代替変数を導入し、条件付きインストルメンタル変数に類似した役割を果たす。
• 条件付きインストルメンタル変数の仮定と概念的に類似した仮定の下でSACEの同定を確立し、測定可能な共通原因を許容する。
• 潜在的結果と生存確率のための新しいパラメトリックモデルのパrameterizationを提案。同定仮定と整合性を保つように設計。
• ベースライン共変量を用いて、対照群における生存確率と潜在的結果の条件付き期待値をモデル化。
• 潜在的結果と生存のためのパラメトリックモデルを用い、ベースライン共変量の特異な役割に起因する標準的プロパティスコア法への依存を回避。
• 単調性や除外制約の緩和を含む代替仮定の下での推定フレームワークを提供。感度分析の検討を含む。

実験結果

リサーチクエスチョン

• RQ1 生存と結果の両方に共通する要因が存在する状況で、除外制約や単調性仮定を要しない状況でも、生存者平均因果効果が同定可能か？
• RQ2 常に生存者グループが観察不能である状況で、代替変数をどのように用いてSACEを同定できるか？
• RQ3 同定仮定と整合性を持つモデルのパrameterizationは何か？
• RQ4 主な仮定の違反が生じた場合、本手法はどの程度の性能を示し、どのような感度分析フレームワークが必要か？
• RQ5 本手法は、複数の曝射水準または順序尺度の曝射を持つ設定へ拡張可能か？

主な発見

• 共通する要因が存在する状況でも、提案された代替変数フレームワークの下で生存者平均因果効果は同定可能である。
• 本手法により、無作為化研究および観察研究の両方で有効な因果推論が可能となり、従来の手法が強い除外制約や単調性仮定を要していたという制限を克服できる。
• 潜在的結果と生存のためのパラメトリックモデルを用いた推定が実現され、同定条件と整合性を持つ特定のパrameterizationが採用されている。
• シミュレーション研究および実データ解析により、さまざまな同定仮定の下で提案手法の実行可能性と性能が示された。
• 単調性や除外制約の緩和は、代替のモデル仮定を導入することで可能であるが、非同定性と標本変動性を考慮するための感度分析を伴う形式的推論が必要である。