[論文レビュー] Towards causally interpretable meta-analysis: transporting inferences from multiple studies to a target population

Issa J Dahabreh, Lucia C. Petito+3 more|arXiv (Cornell University)|Mar 27, 2019

Advanced Causal Inference Techniques参考文献 50被引用数 4

ひとこと要約

本稿では、複数の無作為化試験の参加者レベルデータと、ターゲット標本のベースライン共変量を用いて、因果的推論を明確に定義されたターゲット集団に輸送する手法を提案する。平均処置効果の同定条件を確立し、アウトカムモデリングおよび逆確率重み付けに基づく推定器を導入し、HALT-C試験を通じて、集団が異なる場合に、従来のメタアナリシスの要約よりも輸送された推定がより関連性があることが示された。

ABSTRACT

We take steps towards causally interpretable meta-analysis by describing methods for transporting causal inferences from a collection of randomized trials to a new target population, one-trial-at-a-time and pooling all trials. We discuss identifiability conditions for average treatment effects in the target population and provide identification results. We show that assuming inferences are transportable from all trials in the collection to the same target population has implications for the law underlying the observed data. We propose average treatment effect estimators that rely on different working models and provide code for their implementation in statistical software. We discuss how to use the data to examine whether transported inferences are homogeneous across the collection of trials, sketch approaches for sensitivity analysis to violations of the identifiability conditions, and describe extensions to address non-adherence in the trials. Last, we illustrate the proposed methods using data from the HALT-C multi-center trial.

研究の動機と目的

• 試験集団がターゲット集団と異なる場合に、標準的なメタアナリシスが因果的解釈を欠くという問題に対処する。
• 複数の無作為化試験から、新たな明確に定義されたターゲット集団への平均処置効果の輸送を可能にする。
• 試験間およびターゲット集団における効果修正要因の分布の違いを考慮した同定条件と推定手法を提供する。
• 試験の参加者レベルデータとターゲット集団の共変量データを統合することで、明確な因果的解釈を伴う証拠統合を促進する。
• 同定仮定の違反（例：測定されない交絡、モデル不適合）に対する感受性分析と同質性評価を支援する。

提案手法

• 一貫性および正規性の仮定の下、非パラメトリックな同定条件のもとでターゲット集団における平均処置効果を定義する。
• 主な推定器を2つ提案：1つは条件付きアウトカム平均モデリングに基づく（式6）、もう1つは単一試験の輸送に用いる逆オッズ重み付け（式7）。
• 全試験の推論を統合するための組み合わせ推定器（式8）と、全試験集合に適用する重み付け法（式9）を拡張する。
• 試験集団とターゲット集団の間のベースライン共変量分布の違いを補正するために、逆確率重み付けを用いる。
• 提供されたコードを用いてRで推定器を実装し、パラメトリックな作業モデルと二重ロバスト推定戦略の両方をサポートする。
• 同定可能性仮定の違反（例：測定されない交絡、モデル不適合）の影響を評価する感受性分析手法を適用する。

実験結果

リサーチクエスチョン

• RQ1 複数の無作為化試験の平均処置効果が、新たなターゲット集団においてどのような条件下で因果的解釈可能になるか？
• RQ2 試験参加者のベースライン共変量がターゲット集団と異なる場合、ターゲット集団における平均処置効果をどのように推定できるか？
• RQ3 すべての試験を同じターゲット集団に輸送可能であると仮定した場合、データ生成プロセスにどのような影響が生じるか？
• RQ4 輸送された処置効果が試験間で均一であるか、系統的に変動するかをどのように評価できるか？
• RQ5 同定仮定の違反に対する輸送推定の妥当性を評価するための手法は何か？

主な発見

• 提案手法は、標準的な因果的仮定のもとで、ターゲット集団における平均処置効果の非パラメトリックな同定条件を確立した。
• HALT-C試験への応用において、輸送解析は、調整されていない試験固有の結果よりも、特に代表が不足しているグループに対してより関連性のある推定をもたらした。
• 全9施設からターゲット集団（S=0）への輸送推定では、アウトカムモデリングを用いた結果が-43.7（95%信頼区間：-52.2, -35.2）であったのに対し、ターゲット試験自体の結果は-45.7であった。
• 重み付けベースの推定器は類似した結果をもたらした（例：-42.4、95%信頼区間：-52.6, -32.3）、これにより手法間の一貫性が示された。
• 施設間での輸送効果の不均一性が検出され、試験レベルの効果が均一ではなく、単純にプールしてはならないことが示された。
• 感受性分析とモデル診断から、正規性仮定および正しいモデル仕様の妥当性が、輸送推定の妥当性に顕著に影響することが明らかになった。