[論文レビュー] Living forwards or understanding backwards? A comparison of Inverse Probability of Treatment Weighting and G-estimation methods for targeting hypothetical full adherence estimands in longitudinal cohort studies

Xiaoran Liang, Deniz Türkmen+3 more|arXiv (Cornell University)|Mar 6, 2026

Advanced Causal Inference Techniques被引用数 0

ひとこと要約

この論文は、長期間の観察データを用いて持続的な薬物服用 adherance の因果効果を推定する際に、IPTWとG-estimation（IVベースのG-estimationを含む）を比較し、同じ完全遵守推定量に合わせる。

ABSTRACT

Medication adherence is essential to ensure treatment effectiveness, but too often in routine care non-adherence compromises the desired outcome. We explore longitudinal causal modelling using observational data to estimate the time-varying effects of continuous drug adherence measures on health outcomes over a sustained period. The goal of such analyses is to quantify the potential impact of interventions to improve adherence on long-term health. We consider two established longitudinal causal approaches designed to handle time-varying confounding under the ``no unmeasured confounding'' (NUC) assumption: G-estimation and inverse probability of treatment weighting (IPTW). In randomized controlled trial, NUC-based methods have been applied to address non-adherence as an intercurrent event, and instrumental variable (IV) extensions of G-estimation have also been introduced for settings where the NUC assumption may fail. We adapt these methods to observational data settings and illustrate their use for assessing how adherence over time impacts health outcomes. We align the causal parameters across methods and show they can target the same causal estimand: the average effect among treated individuals of full adherence versus zero adherence. We set out the identification conditions for IPTW and G-estimation under NUC, and for an IV-based extension that has specific utility when the NUC assumption is implausible. We assess the statistical properties, strengths and weaknesses of each approach through Monte Carlo simulations designed to reflect longitudinal studies with a continuous exposure. We demonstrate these methods by quantifying the effect of full statin adherence on LDL cholesterol control in 13,000 UK Biobank participants with linked primary care data.

研究の動機と目的

• 健康アウトカムに対する時変的遵守効果を定量化するために長期 causal モデルの利用を動機づける。
• SNMM（ブリップ関数を介して）と MSM の同定法が、同じ完全遵守対非遵守の推定量を標的とする点で等価であることを示す。
• 未測定交絡なしの下での識別仮定（整合性、陽性、逐次交換可能性）と推定戦略（IPTWとG-estimation）を説明する。
• 適用可能な場合に未測定交絡なしの仮定を緩和する方法としてIVベースのG-estimationを紹介する。
• ウェイトの実装ガイダンスと診断、推定手続きの実装・検証の指針を提供する。

提案手法

• ブリップ関数を用いたSNMMとMSMを採用し、標的効果を時点ごとのパラメータ（β_jまたはη_j）の和として表現する。
• 2つの枠組みを同じ推定量へ結びつける：E[Y(完全遵守設定) - Y(非遵守設定)]。
• 連続的な遵守測定値に基づく安定化ウェイトを用いて MSM を加重回帰で適合させることで IPTW を用いる。
• SNMM からの条件モーメントを用いてG-estimationを適用し、後退的に解くかモーメント条件を用いた GMM によって同時に解く。
• 逐次交換可能性が疑問視される場合にはIVベースのG-estimationに拡張し、遺伝的手段 G と対応するスコア方程式を用いる。
• ウェイトのCBPS、陽性性診断、ブートストラップやサンドイッチ標準誤差など、実務的な推定の詳細を論じる。

(a) Frequency distribution of the first three post-statin LDL-c measurement times. The x-axis shows time since statin initiation (years); the y-axis shows relative frequency.

実験結果

リサーチクエスチョン

• RQ1 長期観察データにおいて IPTW と G-estimation は同じ時変的完全遵守推定量を標的とできるか。
• RQ2 正しく仕様した場合の有限サンプル性能と効率性において、IPTW とG-estimation はどの程度比較できるか。
• RQ3 陽性性の違反やモデル誤指定が方法の性能に与える影響はどの程度か。
• RQ4 未測定交絡なしが疑問視される場合にIVベースのG-estimation は実行可能な代替手段となるか。どの条件下でそうなるか。
• RQ5 実世界データでの適用例：大規模UK Biobankサンプルにおけるスタチン完全遵守がLDLコントロールに及ぼす影響を評価するケースでの性能。

主な発見

• IPTWとG-estimationは、前述の仮定の下で、完全遵守対零遵守の全treatedの平均効果という同じ因果推定量を標的にできる。
• SNMMとMSMのパラメトリゼーションは因果推定量に対して等価であり、β_jとη_jのパラメータは正しく仕様すれば一致する。
• 逐次交換可能性が疑問視される場合には、IVとして有効な手段を用いて同じ推定量を識別するためにIVベースのG-estimationを用いることができる。
• IPTWの実務的診断（共変量バランス、ESS、ウェイトの尾部挙動）と標準誤差推定（ブートストラップまたはサンドイッチ）を、ウェイトの安定性を評価するために論じる。
• 本論文は有限サンプルの性質を示すモンテカルロシミュレーションを提供し、UK Biobank の13,000名の参加者と一次医療データを結合したデータを用いて、完全なスタチン遵守がLDLコントロールに及ぼす影響を定量化する方法を適用する。

(b) Distribution of MPR from baseline to the first follow-up interval. The x-axis shows individual MPR values; the y-axis shows the estimated density.