[논문 리뷰] Generalizing and transporting inferences about the effects of treatment assignment subject to non-adherence

Issa J Dahabreh, Sarah E. Robertson외 1명|arXiv (Cornell University)|2022. 11. 09.

Advanced Causal Inference Techniques인용 수 10

한 줄 요약

이 논문은 비순응이 존재할 때 임의 배정 시험에서의 의도 치료 효과를 목표 인구로 일반화하고 이행하는 데 있어 인과 추정량의 식별 가능성에 대해 다룬다. 비측 공통 원인이 시험 참가와 치료 순응도에 영향을 주는 조건 하에서, 목표 인구에서 치료 배정이 결과에 미치는 영향은 식별 불가능하다는 것을 보여주며, 이는 이행성 및 일반화 분석에서 시험 참여 효과와 비측 교란인자를 모델링할 필요성을 강조한다.

ABSTRACT

We discuss the identifiability of causal estimands for generalizability and transportability analyses, both under perfect and imperfect adherence to treatment assignment. We consider a setting where the trial data contain information on baseline covariates, assignment at baseline, intervention at baseline (point treatment), and outcomes; and where the data from non-randomized individuals only contain information on baseline covariates. In this setting, we review identification results under perfect adherence and study two examples in which non-adherence severely limits the ability to transport inferences about the effects of treatment assignment to the target population. In the first example, trial participation has a direct effect on treatment receipt and, through treatment receipt, on the outcome (a "trial engagement effect" via adherence). In the second example, participation in the trial has unmeasured common causes with treatment receipt. In both examples, the effect of assignment on the outcome in the target population is not identifiable. In the first example, however, the effect of joint interventions to scale-up trial activities that affect adherence and assign treatment is identifiable. We conclude that generalizability and transportability analyses should consider trial engagement effects via adherence and selection for participation on the basis of unmeasured factors that influence adherence.

연구 동기 및 목표

• 시험 결과를 목표 인구로 확장할 때 일반화 및 이행성 분석에서 추정되는 인과 추정량을 명확히 하기 위해.
• 치료 배정에 대한 비순응이 목표 인구에서 의도 치료 효과의 식별 가능성에 어떻게 영향을 미치는지 조사하기 위해.
• 참여가 순응도와 결과에 영향을 주는 '시험 참여 효과'가 이행성 및 일반화 추론의 타당성에 어떤 역할을 하는지 검토하기 위해.
• 시험 참가와 치료 순응도의 비측 공통 원인이 인과 효과의 식별 가능성에 어떤 영향을 미치는지 평가하기 위해.
• 기본 배정 효과가 식별 불가능할 경우에도 공동 간섭(시험 활동 확대 및 치료 배정)의 효과가 식별 가능한 조건을 제공하기 위해.

제안 방법

• 구조적 인과 모델(SMCS)과 선택 다이어그램(SWIGs)을 사용하여 시험 참가, 치료 배정, 순응도, 결과 간의 인과 구조를 표현한다.
• 조건부 교환 가능성과 무시 가능성 가정 기반의 식별 기준을 적용하여 다양한 가정 하에서 추정량이 식별 가능한지 평가한다.
• 두 가지 핵심 시나리오를 고려한다: (1) 시험 참가가 순응도와 결과에 직접적인 참여 효과를 통해 영향을 주며, (2) 비측 교란인이 참가와 순응도에 모두 영향을 준다.
• 완벽한 비순응과 불완전한 비순응 조건 하에서의 식별성을 분석하며, 의도 치료 효과와 공동 간섭 효과를 구분한다.
• 기본 공변량, 배정, 결과를 포함한 시험 자료 및 오직 기본 공변량만 있는 비난설 자료의 맥락에서 표준화 기법(예: g-포뮬러, 가중치)을 적용한다.
• 비측 공통 원인이 존재할 경우, 단지 배정된 치료만을 고려하는 표준 이행성 방법은 목표 인구에서 배정 효과를 식별하지 못함을 보여준다.

실험 결과

연구 질문

• RQ1 비순응이 존재할 때 목표 인구에서 치료 배정이 결과에 미치는 영향이 어떤 조건에서 식별 가능한가?
• RQ2 참여가 순응도와 결과에 영향을 주는 '시험 참여 효과'가 의도 치료 효과의 이행성에 어떤 영향을 미치는가?
• RQ3 시험 참가와 치료 순응도의 비측 공통 원인이 존재할 경우, 치료 배정 효과의 식별 가능성은 어떻게 되는가?
• RQ4 배정 효과 자체가 식별 불가능할 경우, 시험 활동 확대와 치료 배정을 동시에 시행하는 공동 간섭 효과는 식별 가능한가?
• RQ5 비순응이 존재하고 비측 교란인이 존재할 경우, 이행성 및 일반화 분석에서 사용되는 표준화 기법은 어떻게 작용하는가?

주요 결과

• 시험 참가가 순응도와 결과에 직접적인 영향을 주는 경우(순응도를 통한 '시험 참여 효과' 존재 시), 목표 인구에서 치료 배정이 결과에 미치는 영향은 식별 불가능하다.
• 시험 참가와 치료 순응도의 비측 공통 원인이 존재할 경우, 목표 인구에서 치료 배정이 결과에 미치는 영향 역시 식별 불가능하다.
• 시험 참여 효과가 존재하는 조건에서, 시험 활동을 확대하여 순응도를 향상시키고 치료를 배정하는 공동 간섭 효과는 여전히 식별 가능하다.
• 비측 교란인이 참가와 순응도에 영향을 주는 경우, 단지 배정된 치료만을 고려하는 표준 이행성 및 일반화 방법은 비인과적 추정치를 도출할 수 있다.
• 표준화 기반 기법의 인과적 해석은 순응 패턴에 대한 가정과 비측 교란인자 또는 참여 효과의 부재에 매우 민감하게 의존한다.
• 결과는 일반화 및 이행성 분석에서 유효한 인과 추론을 확보하기 위해 시험 참여 효과와 비측 교란인자를 명시적으로 모델링해야 한다는 것을 시사하며, 특히 낮은 순응도를 보이는 실용적 또는 장기 치료 시험에서 그러한 고려가 중요하다.