[논문 리뷰] Causal mediation analysis in presence of multiple mediators uncausally related

Allan Jérolon, Laura Baglietto외 3명|arXiv (Cornell University)|2018. 09. 21.

Advanced Causal Inference Techniques참고 문헌 29인용 수 4

한 줄 요약

이 논문은 공통의 관측되지 않은 원인으로 인해 인과적으로 관련되지 않은 다중 중재자가 있는 경우를 위한 인과적 중재 프레임워크를 제안한다. 순차적 무시 가능성 조건 하에서 비모수적 식별성과 자연적 직접효과 및 동시 간접효과를 확립하고, 시뮬레이션 기반의 준베이지안 추정 절차를 도입한다. 주요 기여는 중재자들이 상관되어 있지만 인과관계가 없을 경우, 기존의 조건부 독립 가정을 초월하여 개별 및 동시 간접효과를 추정할 수 있도록 한 점이다.

ABSTRACT

Mediation analysis aims at disentangling the effects of a treatment on an outcome through alternative causal mechanisms and has become a popular practice in biomedical and social science applications. The causal framework based on counterfactuals is currently the standard approach to mediation, with important methodological advances introduced in the literature in the last decade, especially for simple mediation, that is with one mediator at the time. Among a variety of alternative approaches, K. Imai et al. showed theoretical results and developed an R package to deal with simple mediation as well as with multiple mediation involving multiple mediators conditionally independent given the treatment and baseline covariates. This approach does not allow to consider the often encountered situation in which an unobserved common cause induces a spurious correlation between the mediators. In this context, which we refer to as mediation with uncausally related mediators, we show that, under appropriate hypothesis, the natural direct and joint indirect effects are non-parametrically identifiable. Moreover, we adopt the quasi-Bayesian algorithm developed by Imai et al. and propose a procedure based on the simulation of counterfactual distributions to estimate not only the direct and joint indirect effects but also the indirect effects through individual mediators. We study the properties of the proposed estimators through simulations. As an illustration, we apply our method on a real data set from a large cohort to assess the effect of hormone replacement treatment on breast cancer risk through three mediators, namely dense mammographic area, nondense area and body mass index.

연구 동기 및 목표

• 다중 중재자 간의 조건부 독립을 가정하는 기존 중재 방법의 한계를 해결하기 위해.
• 관측되지 않은 공통 원인으로 인해 중재자들이 상관되어 있지만, 표준 무시 가능성 가정을 위반하는 상황을 모델링하기 위해.
• 관측되지 않은 원인으로 인해 인과적으로 관련되지 않은 중재자가 존재하는 상황에서, 순차적 무시 가능성 조건 하에서 자연적 직접효과 및 동시 간접효과의 비모수적 식별성을 확립하기 위해.
• 이러한 복잡한 중재 구조에서 개별 및 동시 간접효과를 계산하기 위한 시뮬레이션 기반 추정 절차를 개발하기 위해.
• 시뮬레이션을 통해 방법을 검증하고, 호르몬 대체 요법과 유방암 위험 간의 관계를 다루는 실제 대규모 코hort 연구에 적용하기 위해.

제안 방법

• Imai 등 (2010)의 반사적 프레임워크를 채택하고, 인과적으로 관련되지 않은 다중 중재자로 확장하기 위해.
• 치료 및 중재자에 대한 간섭 조건 하에서 잠재적 결과를 사용하여 자연적 직접효과 및 간접효과를 정의하기 위해.
• 순차적 무시 가능성 다중 중재자 가정(SIMMA) 하에서 효과의 식별성을 확립하며, 치료 및 공변량 조건 하에서 잠재적 결과의 조건부 독립성을 포함하기 위해.
• 중재자 및 결과에 대한 반사적 분포를 다양한 간섭 체제 하에서 시뮬레이션하기 위해 준베이지안 알고리즘을 사용하기 위해.
• 시뮬레이션된 조건부 기대값을 사용하여 각 중재자를 통한 개별 간접효과와 양쪽 중재자를 통한 동시 간접효과를 추정하기 위해.
• 대규모 코hort 연구의 실제 데이터를 활용하여, 호르몬 대체 요법이 유방암 위험에 미치는 영향을 밀도 영역, 비밀도 영역 및 BMI의 세 중재자를 통해 평가하기 위해.

실험 결과

연구 질문

• RQ1 관측되지 않은 공통 원인으로 인해 인과적으로 관련되지 않은 다중 중재자가 존재할 경우, 자연적 직접효과 및 동시 간접효과는 비모수적으로 식별 가능한가?
• RQ2 인과관계가 없는 상관된 중재자가 존재하는 상황에서 개별 및 동시 간접효과는 어떻게 추정할 수 있는가?
• RQ3 다양한 수준의 중재자 상관관계 하에서 제안된 시뮬레이션 기반 추정 절차의 성능은 어떠한가?
• RQ4 조건부 독립 가정의 위반은 중재 효과 추정의 편향과 정밀도에 어떤 영향을 미치는가?
• RQ5 중재자 상관관계는 이진 결과 모델에서 간접효과 추정에 어떤 영향을 미치는가?

주요 결과

• 순차적 무시 가능성 다중 중재자 가정(SIMMA) 하에서는 중재자들이 인과적으로 관련되지 않더라도 자연적 직접효과 및 동시 간접효과가 비모수적으로 식별 가능하다.
• 시뮬레이션 기반 준베이지안 절차는 유한 표본에서 수용 가능한 편향과 신뢰구간을 확보하여 개별 및 동시 간접효과를 성공적으로 추정한다.
• 모델 1(연속 결과)에서 진짜 동시 간접효과는 44이며, 개별 간접효과는 각각 20과 24이고, 총 효과는 54로, 일관된 분해를 보여준다.
• 모델 2(이진 결과)에서 진짜 동시 간접효과는 중재자 간 상관관계에 따라 변동하며, 그 의존성을 그림 9에서 확인할 수 있다.
• 중재자 상관관계가 높을수록 직접효과 및 간접효과 추정의 편향이 증가하며, 특히 이진 결과 모델에서 두드러진다 (그림 12 참조).
• 다양한 상관관계 수준에서, 특히 단순 분석 대비 다중 분석을 사용할 경우, 합리적인 신뢰구간 확보 비율과 낮은 평균제곱오차(MSE)를 유지한다 (그림 11 참조).