[논문 리뷰] Generalizing trial findings using nested trial designs with sub-sampling of non-randomized individuals

Issa J Dahabreh, Miguel A. Hernán외 3명|arXiv (Cornell University)|2019. 02. 16.

Advanced Causal Inference Techniques참고 문헌 40인용 수 6

한 줄 요약

이 논문은 보조적 기초 공변량을 활용하여 비랜덤화된 개인의 표본을 추출하는 중첩된 시험 설계를 사용하여, 랜덤화 시험의 인과적 일반화를 더 넓은 목표 인구로 확장하기 위한 이중 강건 추정기법을 제안한다. 비랜덤화된 개인의 일부에 대해 추가 기초 공변량을 수집함으로써, 약한 무시 가능성 가정 하에서 유효한 추론을 유지하면서 연구 경제성을 향상시킨다. 이는 이론적 및 시뮬레이션적 근거를 통해 효율성과 강건성에 기여한다.

ABSTRACT

To generalize inferences from a randomized trial to the target population of all trial-eligible individuals, investigators can use nested trial designs, where the randomized individuals are nested within a cohort of trial-eligible individuals, including those who are not offered or refuse randomization. In these designs, data on baseline covariates are collected from the entire cohort, and treatment and outcome data need only be collected from randomized individuals. In this paper, we describe nested trial designs that improve research economy by collecting additional baseline covariate data after sub-sampling non-randomized individuals (i.e., a two-stage design), using sampling probabilities that may depend on the initial set of baseline covariates available from all individuals in the cohort. We propose an estimator for the potential outcome mean in the target population of all trial-eligible individuals and show that our estimator is doubly robust, in the sense that it is consistent when either the model for the conditional outcome mean among randomized individuals or the model for the probability of trial participation is correctly specified. We assess the impact of sub-sampling on the asymptotic variance of our estimator and examine the estimator's finite-sample performance in a simulation study. We illustrate the methods using data from the Coronary Artery Surgery Study (CASS).

연구 동기 및 목표

• 비랜덤화된 개인의 기초 공변량이 불완전할 때, 랜덤화 시험 결과를 더 넓은 시험 참가 가능 인구로 일반화하는 데 도전하는 것.
• 초기 기초 공변량에 의존하는 샘플링 확률을 사용하여 비랜덤화된 개인을 부분적으로 샘플링하여 추가 공변량 수집을 위한 연구 경제성을 향상시키는 것.
• 기본 인과 모델 또는 참가 확률 모델 둘 중 하나만 정확히 특정될 경우에도 일관성을 보장하는, 목표 인구 내 잠재 결과 평균을 위한 추정기법을 개발하는 것.
• 표본 추출이 잠재 결과 평균 추정기의 渐近 분산에 미치는 영향을 평가하고, 유한 표본 성능을 평가하는 것.

제안 방법

• 기초 공변량이 쉽게 확보 가능한 ($X_1$) 및 비용이 많이 드는 ($X_2$) 성분으로 분할된 이중 단계 중첩 시험 설계를 사용한다.
• 비랜덤화된 개인은 $X_1$에 의존할 수 있는 샘플링 확률을 사용하여 $X_2$ 수집을 위한 부분 표본을 추출함으로써 비용 효율적인 데이터 수집을 가능하게 한다.
• 기본 인과 모델과 역확률가중치 모델을 결합하여 목표 인구 내 잠재 결과 평균을 위한 이중 강건 추정기법을 제안한다.
• 랜덤화된 개인과 비랜덤화된 개인 간의 기초 공변량 조건부 교환 가능성 가정 하에, 타당한 인과 추론을 보장한다.
• 표본 추출의 효율성 향상을 평가하기 위해 渐近 분산을 유도하고, 시뮬레이션 연구를 통해 표본 수가 제한된 경우의 성능을 평가한다.
• 실제 의료 환경에서의 적용 가능성을 보여주기 위해 관상동맥 우혈 수술 연구(Coronary Artery Surgery Study, CASS)의 데이터를 활용하여 방법을 실증한다.

실험 결과

연구 질문

• RQ1 모든 비랜덤화된 개인의 비용이 많이 드는 공변량을 수집하는 것이 비현실적일 때, 어떻게 효율적으로 랜덤화 시험 결과를 더 넓은 목표 인구로 일반화할 수 있는가?
• RQ2 초기 기초 공변량에 의해 안내되는 비랜덤화된 개인의 부분 표본 추출이, 잠재 결과 평균 추정기의 분산에 어떤 영향을 미치는가?
• RQ3 제안된 추정기법이 이중 강건성이 되는 조건은 무엇이며, 유한 표본에서의 성능은 다른 추정기법과 비교해 어떻게 되는가?
• RQ4 기본 인과 모델 또는 참가 확률 모델 둘 중 하나가 잘못 지정되어도, 제안된 방법이 유효한 추론을 유지할 수 있는가?
• RQ5 샘플링 확률 선택($X_1$에 의존)이 실무에서 추정기의 정밀도에 어떤 영향을 미치는가?

주요 결과

• 잠재 결과 평균을 위한 제안된 추정기법은 이중 강건성 특성을 가지며, 랜덤화된 개인 내 조건부 결과 평균 모델 또는 시험 참가 확률 모델 둘 중 하나만 정확히 특정될 경우에도 일관성을 유지한다.
• 초기 기초 공변량에 기반한 비랜덤화된 개인의 부분 표본 추출은 전체 데이터 추정과 비교해 추정기의 渐近 분산을 감소시켜 효율성을 향상시킨다.
• 시뮬레이션 결과는 다양한 샘플링 확률 및 데이터 생성 메커니즘(연속형 및 이진형 보조 공변량 포함)에서 추정기법이 낮은 편향과 양호한 커버리지 성능을 유지함을 보여준다.
• 유한 표본 성능은 안정적이고 효율적이며, 코hort 크기가 증가하고 샘플링 확률이 향상될수록 표준 오차가 감소한다.
• CASS 적용 사례에서, 샘플링 확률가 충분히 높을 경우 부분 표본 추출에 의한 표준 오차 추정치가 전체 데이터 추정기와 매우 유사하게 나타나 실용적 유용성을 입증하였다.
• 샘플링 확률가 보조 공변량($X_1$)에 의해 안내될 경우 추정기의 분산이 최소화되며, 이는 정보 기반 부분 표본 추출의 가치를 강조한다.