[論文レビュー] The Target Study: A Conceptual Model and Framework for Measuring Disparity

John W. Jackson, Yea‐Jen Hsu+3 more|arXiv (Cornell University)|Jul 1, 2022

Advanced Causal Inference Techniques被引用数 8

ひとこと要約

本論文は、社会的グループのメンバー資格や共変量を介入せずに差を測定するための、サンプリングに基づく概念的モデルおよびフレームワーク「Target Study」を紹介する。G-計算と重み付け推定法を用いて、差の一般化、コライダー層別化バイアスの補正、登録時期のバランスを図ることで、電子的医療記録を用いた高血圧制御における健康システムの差の評価に耐性のある手法を提供し、実装にはRコードを併記する。

ABSTRACT

We present a conceptual model to measure disparity--the target study--where social groups may be similarly situated (i.e., balanced) on allowable covariates. Our model, based on a sampling design, does not intervene to assign social group membership or alter allowable covariates. To address non-random sample selection, we extend our model to generalize or transport disparity or to assess disparity after an intervention on eligibility-related variables that eliminates forms of collider-stratification. To avoid bias from differential timing of enrollment, we aggregate time-specific study results by balancing calendar time of enrollment across social groups. To provide a framework for emulating our model, we discuss study designs, data structures, and G-computation and weighting estimators. We compare our sampling-based model to prominent decomposition-based models used in healthcare and algorithmic fairness. We provide R code for all estimators and apply our methods to measure health system disparities in hypertension control using electronic medical records.

研究の動機と目的

• 社会的グループのメンバー資格や許容される共変量を割り当てたり変更したりしない差の測定のための概念的モデルの構築を目的とする。
• 非ランダムなサンプル選択に対処するため、モデルを拡張して差の推定値を一般化または輸送する。
• 登録時期の差によるバイアスを是正するため、社会的グループ間で登録の暦的時期をバランスさせる。
• G-計算や逆確率重み付けのような推定法を用いた、研究設計、データ構造、および推定法を用いたモデルのエミュレーションに実用的なフレームワークを提供する。
• 医療およびアルゴリズム的公平性分野で用いられる既存の分解ベースのモデルと比較して、サンプリングベースのアプローチの性能を評価する。

提案手法

• 社会的グループが許容される共変量でバランスされるサンプリングに基づく概念的モデルを提唱し、グループメンバーシップへの介入を回避する。
• G-計算と逆確率重み付け推定法を用いて、さまざまな研究設計下での差を推定する。
• 輸送性手法を用いて、標本からの差の推定値を標本外のターゲット集団に一般化する。
• 資格関連変数への介入をモデル化することで、コライダー層別化バイアスを補正する。
• 社会的グループ間で登録の暦的時期をバランスさせることで、時系列的結果における時期関連バイアスを排除する。
• 実際の電子的医療記録データを用いてフレームワークを実装し、高血圧制御の差を測定する。

実験結果

リサーチクエスチョン

• RQ1 研究設計において社会的グループのメンバー資格や共変量を割り当てたり変更したりせずに、差をどのように測定できるか？
• RQ2 差の推定に差がある登録時期がどの程度バイアスをもたらし、どのように是正できるか？
• RQ3 標本からターゲット集団への差の推定値の一般化または輸送は、外部妥当性を向上させるためにどの程度有効か？
• RQ4 医療およびアルゴリズム的公平性分野における分解ベースのモデルと比較して、サンプリングベースのモデルの性能はいかがなものか？
• RQ5 観察的研究の健康データにおいて差を評価する際、コライダー層別化バイアスはどのように是正できるか？

主な発見

• Target Studyフレームワークは、社会的グループのメンバー資格や共変量に介入することなく、差を的確に測定でき、メソドロジカルな整合性を保った。
• 社会的グループ間で登録時期をバランスさせることで、時系列的差の推定におけるバイアスが顕著に低減された。
• G-計算と重み付け推定法の使用により、さまざまなサンプリングおよび干渉状況下でも差の推定が頑健に可能となった。
• 資格関連変数への介入をモデル化することで、コライダー層別化バイアスを効果的に処理できた。
• 提供されたRコードにより、すべての推定法の再現可能な実装が可能となり、透明性と採用促進が図られた。
• 電子的医療記録への応用により、高血圧制御における測定可能な差が明らかになった。本モデルは、従来の分解法よりも洗練された評価を可能にした。