[논문 리뷰] Generalized interpretation and identification of separable effects in competing event settings

Mats Julius Stensrud, Miguel A. Hernán외 4명|arXiv (Cornell University)|2020. 04. 30.

Advanced Causal Inference Techniques참고 문헌 21인용 수 6

한 줄 요약

이 논문은 경쟁 위험 설정에서 분리 가능한 효과의 개념을 일반화하여 더 약한 가정 하에 인과적 해석과 식별이 가능하게 한다. 시간에 따라 변화하는 교란 요인과 민감도 분석을 허용하는 반모수적 추정기법을 포함하는 유연한 프레임워크를 도입하며, 혈압 임상 시험에서 검증되었다.

ABSTRACT

In competing event settings, a counterfactual contrast of cause-specific cumulative incidences quantifies the total causal effect of a treatment on the event of interest. However, effects of treatment on the competing event may indirectly contribute to this total effect, complicating its interpretation. We previously proposed the separable effects (Stensrud et al, 2019) to define direct and indirect effects of the treatment on the event of interest. This definition presupposes a treatment decomposition into two components acting along two separate causal pathways, one exclusively outside of the competing event and the other exclusively through it. Unlike previous definitions of direct and indirect effects, the separable effects can be subject to empirical scrutiny in a study where separate interventions on the treatment components are available. Here we extend and generalize the notion of the separable effects in several ways, allowing for interpretation, identification and estimation under considerably weaker assumptions. We propose and discuss a definition of separable effects that is applicable to general time-varying structures, where the separable effects can still be meaningfully interpreted, even when they cannot be regarded as direct and indirect effects. We further derive weaker conditions for identification of separable effects in observational studies where decomposed treatments are not yet available; in particular, these conditions allow for time-varying common causes of the event of interest, the competing events and loss to follow-up. For these general settings, we propose semi-parametric weighted estimators that are straightforward to implement. As an illustration, we apply the estimators to study the separable effects of intensive blood pressure therapy on acute kidney injury, using data from a randomized clinical trial.

연구 동기 및 목표

• 경쟁 위험에서 총 치료 효과의 해석적 과제를 다스리며, 경쟁 사건에 대한 영향이 결과에 간접적으로 영향을 주는 경우를 다루기 위함.
• 이전의 가정을 초월하여 치료 성분이 관심 사건과 경쟁 사건의 공통 원인에 영향을 줄 수 있도록 분리 가능한 효과를 확장하기 위함.
• 시간에 따라 변화하는 교란 요인이 있는 관찰 연구에서 분리 가능한 효과의 식별 조건과 추정기법을 도출하기 위함.
• 분해된 치료 성분에 대한 가상의 간섭을 통해 분리 가능한 효과의 실증적 검토를 가능하게 하기 위함.
• 관측 가능한 조건부 기대값을 사용하여 고립 가정 위반에 대한 민감도 분석 기법을 개발하기 위함.

제안 방법

• 치료 성분이 경쟁 사건 경로를 통해 또는 그 외부에서 작용하는 일반화된 치료 분해를 제안함.
• 관심 사건, 경쟁 사건, 추적 상실의 시간에 따라 변화하는 공통 원인이 있는 경우에도 더 약한 가정 하에 분리 가능한 효과의 식별 공식을 유도함.
• 모델 잘못 지정에 대해 강건하고 구현이 간편한 반모수적 가중 추정기법을 도입함.
• 비측정된 공통 원인이 유발하는 편향을 정량화하기 위해 함수 $ t_k(ar{l}_k, a_Y) $ 를 사용하는 민감도 분석 프레임워크를 개발함.
• G-공식과 마진 구조 모델을 사용하여 치료 성분에 대한 간섭 하에서의 반사적 분포를 추정함.
• 강력한 혈압 치료 임상 시험에 방법을 적용하여 급성 신부전에 대한 분리 가능한 효과를 추정함.

실험 결과

연구 질문

• RQ1 치료 성분이 관심 사건과 경쟁 사건의 공통 원인에 영향을 줄 경우, 분리 가능한 효과는 어떻게 의미적으로 해석할 수 있는가?
• RQ2 시간에 따라 변화하는 교란 요인이 있는 관찰 연구에서 분리 가능한 효과를 추정하기 위해 필요한 더 약한 식별 가정은 무엇인가?
• RQ3 모델 잘못 지정에 대해 강건한 반모수적 가중 추정기법을 사용하여 분리 가능한 효과를 추정할 수 있는가?
• RQ4 분리 가능한 효과 추정에서 고립 가정 위반에 대한 민감도 분석은 어떻게 수행할 수 있는가?
• RQ5 치료가 독립된 성분으로 분해되지 않은 경우, 제안된 프레임워크는 직접 경로와 간접 경로를 구분할 수 있는가?

주요 결과

• 치료 성분이 공통 원인에 영향을 주기 때문에 분리 가능한 효과가 순수한 직접 효과와 간접 효과를 나타내지 않더라도 의미적으로 해석할 수 있다.
• 관심 사건, 경쟁 사건, 추적 상실의 시간에 따라 변화하는 공통 원인이 있는 경우에도 분리 가능한 효과의 식별이 더 약한 가정 하에 가능하다.
• 반모수적 가중 추정기법이 제안되었으며, 모델 사양이 올바를 경우 일관성을 보임을 입증함.
• 비측정된 공통 원인이 유발하는 편향을 정량화하기 위해 함수 $ t_k(ar{l}_k, a_Y) $ 를 사용하는 민감도 분석 프레임워크가 개발되었으며, 선택 편향 기반으로 해석 가능한 부호를 가짐.
• 혈압 임상 시험 적용 사례에서, 강력한 치료의 분리 가능한 효과가 급성 신부전에 대해 성공적으로 추정되었으며, 실용적 유용성이 입증됨.
• 일부 성분 조건이 무시 가능하지 않은 경우에도, 특정 조건부 독립 가정이 성립한다면 식별 공식은 여전히 유효하다.