[論文レビュー] Towards personalized causal inference of medication response in mobile health: an instrumental variable approach for randomized trials with imperfect compliance

Elias Chaibub Neto, Ross L. Prentice+6 more|arXiv (Cornell University)|Apr 4, 2016

Advanced Causal Inference Techniques参考文献 25被引用数 4

ひとこと要約

本稿では、不完全な順守を伴うモバイルヘルス研究における薬剤反応の個人別因果推論を可能にする、道具変数（IV）アプローチを提案する。乱数割り当てによる治療提案を道具として用いることで、観察されない交絡要因が存在する状況下でも因果効果を同定する。シミュレーションでは高い統計的パワーと正確な第一種誤り率の制御を示し、IV推定量は意図した治療アプローチを上回るバイアス低減と精度を達成した。

ABSTRACT

Mobile health studies can leverage longitudinal sensor data from smartphones to guide the application of personalized medical interventions. In this paper, we propose that adoption of an instrumental variable approach for randomized trials with imperfect compliance provides a natural framework for personalized causal inference of medication response in mobile health studies. Randomized treatment suggestions can be easily delivered to the study participants via electronic messages popping up on the smart-phone screen. Under quite general assumptions we can identify the causal effect of the actual treatment on the response in the presence of unobserved confounders. We implement a personalized randomization test of the null hypothesis of no causal effect of treatment on response, and evaluate its performance in a large scale simulation study encompassing data generated from linear and non-linear time series models under several simulation conditions. In particular, we evaluate the empirical power of the proposed test under varying degrees of compliance between the suggested and actual treatment adopted by the participant. Our investigations provide encouraging results in terms of power and control of type I error rates. Finally, we compare the proposed instrumental variable approach to a simple intent-to-treat strategy, and develop randomization confidence intervals for the causal effects.

研究の動機と目的

• モバイルヘルスデータからの薬剤反応の個人別因果推論において、観察されない交絡要因の課題に対処すること。
• 非順守が見られる乱数化試験においても、個別レベルでの因果推論を可能にする統計的フレームワークの開発。
• さまざまな順守率の下で、第一種誤り率の制御と統計的パワーを維持するための道具変数アプローチの性能評価。
• 提案されたIV法と意図した治療分析を比較し、バイアス低減と推定精度の優位性を強調すること。
• バイオメディカル研究における実用的報告を支援するため、ランダム化に基づく信頼区間を因果効果に対して開発すること。

提案手法

• 道具変数アプローチでは、スマートフォンのポップアップによる乱数割り当てによる治療提案（例：アプリ通知）を道具として、実際の薬剤使用と健康アウトカムの因果効果を推定する。
• 本手法は、除外制約と単調性仮定に依拠し、観察されない交絡要因が存在する縦断的時系列データにおける局所平均因果効果（LATE）を同定する。
• 帰無仮説（因果効果なし）の検定のために、ランダム化検定が提案され、治療提案の順列を入れ替えることで正確なp値を生成する。
• IV推定量は、道具（提案）とアウトカムの共分散を、道具と実際の治療受領量の共分散で割ることで計算される。
• ランダム化信頼区間は、ランダム化検定を逆転させることで構築され、分布の仮定に依存しない有効な推論を提供する。
• 本アプローチは、さまざまな順守レベルと交絡構造の下で線形および非線形時系列モデルを用いた大規模なシミュレーションで評価された。

実験結果

リサーチクエスチョン

• RQ1 不完全な参加者順守を伴うモバイルヘルス研究において、道具変数アプローチが薬剤の健康アウトカムへの因果効果を効果的に同定できるか。
• RQ2 さまざまな順守率の下で、提案されたIV法は意図した治療分析と比較して、第一種誤り率の制御と統計的パワーの両面でどのように性能を示すか。
• RQ3 観察されない交絡要因が存在する状況で、IV推定量は意図した治療推定量と比較してどれほどバイアスを低減するか。
• RQ4 本個人別縦断的設定において、ランダム化に基づく信頼区間を信頼性を持って構築できるか。
• RQ5 抑うつや病態の深刻度に起因する情報に基づく欠損データや選択メカニズムが、IV推定量にバイアスをもたらすか。

主な発見

• 提案された道具変数アプローチは、標準的なIV仮定の下で、観察されない交絡要因が存在する状況下でも、薬剤の因果効果を正しく同定できた。
• ランダム化検定は、さまざまな順守度や非線形時系列モデルの下でも、すべてのシミュレーション条件下で正確な第一種誤り率を維持した。
• 本手法は、特に中程度から高い順守率の下で高い実効的パワーを示し、順守率が向上するにつれてパワーが増加した。
• 真の治療効果がゼロでない場合に特に顕著に、IV推定量は意図した治療推定量よりもバイアスをゼロに近づけることで、常に優れた性能を示した。
• ランダム化検定を逆転させることで、正確な信頼区間が成功裏に構築され、漸近的近似に依存しない有効な推論が可能となった。
• 抑うつに起因する情報に基づく欠損データや、共通原因変数（例：抑うつに起因する欠損）に条件づけることによる選択バイアスが、IV推定量を歪めることを示した。これは、欠損メカニズムの慎重なモデリングの重要性を強調した。