[논문 리뷰] A Framework for Understanding Selection Bias in Real-World Healthcare Data

Ritoban Kundu, Xu Shi외 3명|arXiv (Cornell University)|2023. 04. 10.

Advanced Causal Inference Techniques인용 수 3

한 줄 요약

이 논문은 전자 건강 기록(EHR)과 생물은행에서 유래한 실생활 의료 데이터에서 선택 편향을 진단하고 수정하기 위해 방향성 있는 비순환 그래프(DAG) 기반 프레임워크를 제안한다. 이는 분산 공식을 동반한 네 가지 역확률가중치(IPW) 방법을 도입하여, 시뮬레이션과 밀란드 유전체 이니셔티브(Michigan Genomics Initiative)의 실생활 사례를 통해, 단순 분석 및 인구 기반 SEER 추정치와 비교할 때 이러한 방법들이 생물학적 성별과 암 사이의 연관성을 추정할 때 선택 편향을 효과적으로 줄일 수 있음을 입증한다.

ABSTRACT

Using administrative patient-care data such as Electronic Health Records (EHR) and medical/ pharmaceutical claims for population-based scientific research has become increasingly common. With vast sample sizes leading to very small standard errors, researchers need to pay more attention to potential biases in the estimates of association parameters of interest, specifically to biases that do not diminish with increasing sample size. Of these multiple sources of biases, in this paper, we focus on understanding selection bias. We present an analytic framework using directed acyclic graphs for guiding applied researchers to dissect how different sources of selection bias may affect estimates of the association between a binary outcome and an exposure (continuous or categorical) of interest. We consider four easy-to-implement weighting approaches to reduce selection bias with accompanying variance formulae. We demonstrate through a simulation study when they can rescue us in practice with analysis of real world data. We compare these methods using a data example where our goal is to estimate the well-known association of cancer and biological sex, using EHR from a longitudinal biorepository at the University of Michigan Healthcare system. We provide annotated R codes to implement these weighted methods with associated inference.

연구 동기 및 목표

• 대규모 실생활 의료 데이터에서 증가하는 선택 편향 문제를 다루기 위해, 특히 선택 확률가 알려지지 않은 비확률 표본에서 발생하는 문제를 해결하기 위해.
• 방향성 있는 비순환 그래프(DAGs)를 활용한 실용적이고 분석적으로 탄탄한 프레임워크를 개발하여 관찰적 EHR 연구에서 선택 편향의 원인을 진단하고 이해하기 위해.
• 선택 편향을 줄이기 위한 구현 가능한 네 가지 역확률가중치(IPW) 전략과 함께 분산 추정을 제공하기 위해.
• 모의 실험과 밀란드 유전체 이니셔티브(Michigan Genomics Initiative)의 실생활 데이터 사례를 통해 이러한 방법의 성능을 평가하기 위해.
• 연구자가 실무에서 이러한 방법을 적용하고 후속 분석의 타당성을 향상시키기 위해 애너테이션 처리된 R 코드와 추론 도구를 제공하기 위해.

제안 방법

• 실생활 데이터, 특히 비확률 표본에서 선택 편향 메커니즘을 모델링하고 진단하기 위해 방향성 있는 비순환 그래프(DAGs)를 사용한다.
• 네 가지 역확률가중치(IPW) 접근법을 제안한다: (1) 결과 기반 가중치, (2) 노출 기반 가중치, (3) 노출-결과 동시 가중치, (4) 사후층화 가중치.
• 각 IPW 방법에 대해 분석적 분산 공식을 유도하여 타당한 통계적 추론과 가설 검정을 지원한다.
• 다양한 데이터 생성 메커니즘에서 각 방법의 편향 감소 성능을 평가하기 위해 모의 실험을 수행한다.
• SEER 인구 기반 추정치와 비교하여, 밀란드 유전체 이니셔티브(MGI)의 실생활 EHR 데이터셋을 활용해 생물학적 성별과 암 사이의 연관성을 추정한다.
• 모든 네 가지 IPW 방법을 구현하고 타당한 추론(부트스트랩 기반 분산 추정 포함)을 지원하는 오픈소스 R 코드를 GitHub에 제공한다.

실험 결과

연구 질문

• RQ1 EHR 및 생물은행에서 유래한 실생활 의료 데이터에서 선택 편향을 인과도를 활용해 체계적으로 진단하고 이해할 수 있는가?
• RQ2 이중 결과(예: 암)와 노출(예: 생물학적 성별) 사이의 연관성을 추정할 때, 네 가지 다른 역확률가중치(IPW) 방법이 선택 편향을 어느 정도 줄일 수 있는가?
• RQ3 선택 메커니즘의 복잡성과 모델 잘못 설정 정도가 다양할 경우, 이러한 IPW 방법의 성능은 어떻게 되는가?
• RQ4 실생활 EHR 기반 연구에서 제안된 방법이 참값 수준의 연관성(예: SEER 추정치)에 더 가까운 추정치를 회복할 수 있는가?
• RQ5 대규모 비확률 표본에서 선택 편향을 간과할 경우 실질적 영향은 무엇이며, 연구자는 일상 분석에서 편향 보정 추론을 어떻게 구현할 수 있는가?

주요 결과

• 모의 실험 결과, 모든 네 가지 IPW 방법이 단순 분석 대비 선택 편향을 줄였으며, 특히 중간에서 높은 수준의 선택 편향에서 사후층화 가중치와 노출-결과 동시 가중치가 가장 우수한 성능을 보였다.
• MGI 데이터 사례에서 단순 분석은 생물학적 성별과 암 사이의 연관성을 과대평가했다(오즈비(OR) = 1.89), SEER 추정치(OR = 1.50)보다 높아서 심각한 선택 편향이 있음을 시사했다.
• 사후층화 IPW 방법은 조정된 오즈비를 1.53로 산출하여 SEER 추정치와 매우 유사한 결과를 도출했으며, 효과적인 편향 보정을 보였다.
• 노출-결과 동시 IPW 방법은 조정된 오즈비를 1.51로 산출하여 SEER 기준치와도 강력한 일치를 보였으며, 복잡한 선택 메커니즘 하에서도 강인함을 입증했다.
• 부트스트랩 기반 분산 추정이 일관된 표준오차를 제공하여 IPW 방법을 사용한 타당한 추론을 뒷받침했다.
• 저자들은 대규모 표본에서 선택 편향가 평균제곱오차를 지배함을 입증하여, 빅데이터 의료 연구에서 분산 최소화보다 편향 감소를 우선시해야 한다는 점을 강조했다.