[논문 리뷰] A note on 'Collider bias undermines our understanding of COVID-19 disease risk and severity' and how causal Bayesian networks both expose and resolve the problem

Norman Fenton|arXiv (Cornell University)|2020. 05. 18.

Bayesian Modeling and Causal Inference참고 문헌 8인용 수 9

한 줄 요약

이 논문은 Griffith 등이 COVID-19 위험 요인 연구에서 콜라이더 편향을 분석한 바를 확장하여, 선택 편향(특히 의료 종사자 과대표현 및 흡연자 저대표현)이 관찰된 연관성을 어떻게 왜곡하는지 설명하기 위해 인과적 베이지안 네트워크를 사용한다. 연구는 인과 모델링이 적절히 이루어지지 않으면, 실제로는 의료 종사자 상태에 의한 콜라이더 편향과 교란 요인으로 인해 위험 요인(흡연, 스트레스 등)과 질병의 중증도 사이에 허위의 반대 방향 연관성이 나타나게 되며, 이로 인해 흡연이나 스트레스가 COVID-19 위험을 감소시킨다고 잘못 결론내릴 수 있음을 보여준다.

ABSTRACT

An important recent preprint by Griffith et al highlights how 'collider bias' in studies of COVID19 undermines our understanding of the disease risk and severity. This is typically caused by the data being restricted to people who have undergone COVID19 testing, among whom healthcare workers are overrepresented. For example, collider bias caused by smokers being underrepresented in the dataset may (at least partly) explain empirical results that suggest smoking reduces the risk of COVID19. We extend the work of Griffith et al making more explicit use of graphical causal models to interpret observed data. We show that their smoking example can be clarified and improved using Bayesian network models with realistic data and assumptions. We show that there is an even more fundamental problem for risk factors like 'stress' which, unlike smoking, is more rather than less prevalent among healthcare workers; in this case, because of a combination of collider bias from the biased dataset and the fact that 'healthcare worker' is a confounding variable, it is likely that studies will wrongly conclude that stress reduces rather than increases the risk of COVID19. Indeed, "being in close contact with COVID19 people" reduces the risk of COVID19. To avoid such potentially erroneous conclusions, any analysis of observational data must take account of the underlying causal structure including colliders and confounders. If analysts fail to do this explicitly then any conclusions they make about the effect of specific risk factors on COVID19 are likely to be flawed.

연구 동기 및 목표

• 시험 대상자에 국한된 데이터셋에서 관찰 연구의 콜라이더 편향 문제를 다루는 것.
• 특히 의료 종사자 과대표현에 의한 선택 편향이 위험 추정치에 어떻게 영향을 주는지, Griffith 등이 이론적으로 제기한 결과를 명확히 하고 확장하는 것.
• 의료 종사자 상태에 의한 교란 요인이 위험 요인(예: 스트레스)과 질병 중증도 사이의 진정한 관계를 뒤집을 수 있음을 보여주는 것.
• 인과적 베이지안 네트워크를 통해 기저의 인과적 구조를 명시적으로 모델링함으로써 이러한 편향을 드러내고 해결할 수 있음을 보여주는 것.
• 콜라이더 편향과 교란 요인을 고려하지 않은 채 관찰 데이터에서 잘못된 결론을 이끌어내지 말 것을 연구자들에게 경고하는 것.

제안 방법

• 노출 변수(예: 흡연, 스트레스), 의료 종사자 상태, 검사 여부, COVID-19 결과 간의 관계를 나타내기 위해 인과적 베이지안 네트워크 모델을 구축한다.
• 실제 데이터와 가정을 사용하여, 특히 의료 분야 종사자들이 포함된 검사 대상자에 국한된 데이터에서 콜라이더 편향이 어떻게 발생하는지 시뮬레이션한다.
• 네트워크의 구조를 통해 도-계산법(do-calculus)과 d-분리 원리를 암묵적으로 적용하여 교란에 의해 발생하는 후방 경로를 식별하고 차단한다.
• 가정된 교란 요인(예: 의료 종사자 상태)을 적절히 고려한 반사적 시나리오를 시뮬레이션하여 관찰된 연관성이 어떻게 변화하는지 평가한다.
• 방향성 있는 비순환 그래프(DAGs)를 사용해 인과적 구조를 시각화하여, 콜라이저와 교란 요인이 관찰된 연관성을 어떻게 왜곡하는지 설명한다.
• 편향된 데이터셋에서의 관찰된 연관성과 진정한 인과 효과를 비교함으로써 왜곡의 크기와 방향을 입증한다.

실험 결과

연구 질문

• RQ1 시험 기반 데이터셋에서의 콜라이더 편향은 위험 요인과 COVID-19 중증도 사이의 관찰된 연관성을 어떻게 왜곡하는가?
• RQ2 생물학적 타당성이 떨어지는데도 불구하고, 왜 일부 연구에서 흡연이 COVID-19 위험을 감소시킨다고 잘못 결론내릴 수 있는가?
• RQ3 시험 데이터셋에서 의료 종사자 과대표현이 스트레스와 같은 위험 요인과의 관계에서 허위의 반대 방향 연관성을 어떻게 만들어내는가?
• RQ4 인과적 베이지안 네트워크가 콜라이저 선택과 교란에 기인한 편향을 얼마나 잘 드러내고 수정할 수 있는가?
• RQ5 관찰 데이터를 분석할 때 기저의 인과적 구조를 모델링하지 않을 경우 어떤 영향을 미치는가?

주요 결과

• 시험 기반 데이터셋에서의 콜라이저 편향는 검사 대상자 중 흡연자 비율이 낮기 때문에, 흡연이 COVID-19 위험을 감소시킨다고 보이는 잘못된 인식을 유도할 수 있다.
• 특히 스트레스 수준이 높은 의료 종사자들이 과대표현되어 있음으로써, 스트레스가 질병 위험을 감소시키는 것이 아니라 증가시키는 것으로 보일 수 있다.
• 논문은 'COVID-19 환자와의 밀접한 접촉'이 생물학적 현실이 아니라 콜라이저 편향로 인해 위험 감소로 보일 수 있음을 입증한다.
• 인과적 베이지안 네트워크를 통해 콜라이저 편향과 교란 요인의 존재를 성공적으로 드러내었으며, 관찰된 연관성이 체계적으로 뒤집혀져 있음을 확인했다.
• 기본적인 인과적 구조를 명시적으로 모델링하지 않으면, 관찰 연구는 위험 요인에 대한 잘못된 결론을 내릴 가능성이 매우 높다.
• 데이터가 정확하더라도, 검사 대상자에 국한된 표본 추출에 의한 선택 편향(예: 오직 검사된 사람만 포함)이 허위의 음성 연관성을 만들어낼 수 있음을 보여주었다.