[論文レビュー] Nonparametric causal mediation analysis for stochastic interventional (in)direct effects

Nima S. Hejazi, Kara E. Rudolph+2 more|arXiv (Cornell University)|Sep 14, 2020

Advanced Causal Inference Techniques参考文献 68被引用数 15

ひとこと要約

本稿は、曝露によって影響を受ける中間的交絡要因が存在する状況でも同定可能である、確率的介入的（非）直接効果を扱う非パラメトリック因果メディエーションフレームワークを提案する。伝統的な自然的直接/間接効果の制限を克服する。この手法は、ターゲット最大尤度推定と有効な影響関数に基づく柔軟で複数ロバストな推定器を用い、信頼区間や仮説検定による妥当な推論を可能にする。実装はオープンソースのRパッケージ medshift で提供される。

ABSTRACT

Causal mediation analysis has historically been limited in two important ways: (i) a focus has traditionally been placed on binary treatments and static interventions, and (ii) direct and indirect effect decompositions have been pursued that are only identifiable in the absence of intermediate confounders affected by treatment. We present a theoretical study of an (in)direct effect decomposition of the population intervention effect, defined by stochastic interventions jointly applied to the treatment and mediators. In contrast to existing proposals, our causal effects can be evaluated regardless of whether a treatment is categorical or continuous and remain well-defined even in the presence of intermediate confounders affected by treatment. Our (in)direct effects are identifiable without a restrictive assumption on cross-world counterfactual independencies, allowing for substantive conclusions drawn from them to be validated in randomized controlled trials. Beyond the novel effects introduced, we provide a careful study of nonparametric efficiency theory relevant for the construction of flexible, multiply robust estimators of our (in)direct effects, while avoiding undue restrictions induced by assuming parametric models of nuisance parameter functionals. To complement our nonparametric estimation strategy, we introduce inferential techniques for constructing confidence intervals and hypothesis tests, and discuss open source software implementing the proposed methodology.

研究の動機と目的

• 伝統的な因果メディエーション分析が制限的な世界間反実仮想独立性仮定に依存しており、中間的交絡下では定義されないという限界を解消すること。
• パラメトリックな誤差パラメータのモデル化を要しない、連続的・カテゴリカル・バイナリーの曝露に適用可能な一般化された（非）直接効果フレームワークを構築すること。
• 中間的交絡要因が曝露によって影響を受けるという一般的な課題に対しても、同定可能性と妥当な統計的推論を保証すること。
• 提案された推定量の非パラメトリック効率理論を確立し、漸近正規性を満たす柔軟で複数ロバストな推定器の構築を可能にすること。
• 研究者に実用的なツールを提供する。具体的には、推論手法とオープンソースのソフトウェア（medshift Rパッケージ）を用いて、実世界の比較的有効性試験への応用を可能にすること。

提案手法

• 曝露とメディエーターの同時確率的介入に基づいて定義される、（非）直接効果の新しいクラスを提案。静的介入を一般化し、経路特異的効果の分解を可能にする。
• 非パラメトリック構造的ネストド平均モデルと有効な影響関数を用い、（非）直接効果の漸近線形で複数ロバストな推定器を導出する。
• クロスフィットを用いたターゲット最大尤度推定（TMLE）を適用し、弱い正則性条件のもとで漸近正規性と妥当な推論を達成する。
• 推定量の非パラメトリック効率理論を導出し、誤差パラメータのパラメトリックモデルを仮定しない最適な推定を保証する。
• 経験過程理論とブレケットング・エントロピーを用いて、推定器の漸近的性質（一貫性および収束速度）を確立する。
• 影響関数と漸近正規性に基づく、信頼区間や仮説検定などの推論手順を実装する。

実験結果

リサーチクエスチョン

• RQ1 曝露によって影響を受ける中間的交絡要因が存在する状況でも、不切当な世界間反実仮想独立性仮定に依存せずに（非）直接効果を定義・同定できるか？
• RQ2 連続的またはカテゴリカルな曝露が存在する状況では、従来のバイナリー曝露フレームワークを超えて、経路特異的効果をどのように推定できるか？
• RQ3 介入的（非）直接効果の推定器の非パラメトリック効率の下限は何か？ そして、柔軟で複数ロバストな手法を用いてそれを達成できるか？
• RQ4 最小限のモデル化仮定のもとで、これらの効果に対する妥当な信頼区間や仮説検定を構築できるか？
• RQ5 提案された手法は、特に比較的有効性試験において、実世界の生物医学研究にどのように実装できるか？

主な発見

• 提案された（非）直接効果は、世界間反実仮想独立性仮定に依存せず同定可能であり、無作為化比較試験で検証可能で、中間的交絡に対してロバストである。
• この手法は、連続的・カテゴリカル・バイナリーのいずれの曝露変数に対しても対応可能であり、従来の自然的および介入的効果フレームワークの主な制限を克服する。
• 非パラメトリック効率理論により、誤差パラメータのパラメトリックモデルを仮定しない最適分散を達成する複数ロバストで漸近線形な推定器の構築が可能になる。
• 理論的結果により、（非）直接効果のターゲット最大尤度推定器が、弱い正則性条件のもとで漸近正規かつ√n一貫性を示すことが確立された。
• ブプリノルフィン試験のデータを用いた実証的研究により、抑うつや疼痛などのメディエーターを介したオピオイド使用症候への再発に対する直接的および間接的効果を分離できることが示された。
• オープンソースの medshift Rパッケージが、推定、推論、シミュレーションのためのツールを提供し、応用研究への導入を促進している。