[논문 리뷰] On the Relationship between Treatment Effect Heterogeneity and the Variability Ratio Effect Size Statistic

Alexander Volkmann|arXiv (Cornell University)|2020. 06. 21.

Advanced Causal Inference Techniques참고 문헌 15인용 수 6

한 줄 요약

이 논문은 치료 효과 이질성(Treatment Effect Heterogeneity, TEH)과 변동비율(Variability Ratio, VR) 효과 크기 통계량 사이의 정확한 수학적 관계를 규명하며, VR ≠ 1일 경우 TEH가 존재함을 보여주지만, VR = 1이더라도 상당한 TEH가 존재할 수 있음을 밝힌다. 이 논문은 VR과 반응 표준편차를 바탕으로 TEH의 범위를 유도하며, 시뮬레이션을 통해 VR이 1일 때조차 TEH가 존재할 수 있음을 입증한다.

ABSTRACT

Recently, the variability ratio (VR) effect size statistic has been used with increasing frequency in the study of differences in variation of a measured variable between two study populations. More specifically, the VR effect size statistic allows for the detection of treatment effect heterogeneity (TEH) of medical interventions. While a VR that is different from 1 is widely acknowledged to implicate a treatment effect heterogeneity (TEH) the exact relationship between those two quantities has not been discussed in detail thus far. In this note we derive a precise connection between TEH and VR. In particular, we derive precise upper and lower bounds on the TEH in terms of VR. Moreover, we provide an exemplary simulation for which VR is equal to 1 and there exist TEH. Our result has implications for the interpretation of VR effect size estimates regarding its connection to treatment effect heterogeneity of (medical) interventions.

연구 동기 및 목표

• 치료 효과 이질성(Treatment Effect Heterogeneity, TEH)과 변동비율(Variability Ratio, VR) 효과 크기 통계량 사이의 정확한 수학적 관계를 규명하는 것.
• 제어 조건 하에서 결과의 표준편차를 기반으로 TEH의 크기의 분석적 경계를 유도하는 것.
• VR = 1이면 치료 효과 이질성이 없다는 일반적인 가정을 도전하는 것.
• 시뮬레이션을 통해 VR = 1이지만 상당한 TEH가 공존할 수 있음을 입증하는 것.
• 관측되지 않은 치료 효과와 결과 간 상관관계를 고려한 VR 추정치의 해석 프레임워크를 제공하는 것.

제안 방법

• 논문은 개인적 치료 효과 δi를 분포 σδ²를 가진 랜덤 변수 δ의 실현값으로 모델링하기 위해 슈퍼-모집단 관점( super-population perspective)을 사용한다.
• σₐ²가 치료 a ∈ {0,1} 하에서 결과의 슈퍼-모집단 분산일 때, 변동비율 ν = σ₁ / σ₀로 정의된다.
• 잠재 결과의 분산과 치료 효과 사이의 관계를 사용하여 핵심 식을 유도한다: σδ² = στ²(ν² - 1 - 2ρν), 여기서 ρ는 치료 효과와 제어 조건 결과 간 관측되지 않은 상관관계이다.
• VR과 στ를 기반으로 σδ의 상한과 하한을 유도하며, |1 - ν| ≤ σδ / στ ≤ 1 + ν 라는 식을 도출한다.
• 다변량 정규분포를 사용한 시뮬레이션 연구를 통해 특정 평균과 공분산을 가진 잠재 결과를 생성하고, 무작위 치료 배정을 시뮬레이션하며, 경험적 VR과 치료 효과의 표준편차를 계산한다.
• 시뮬레이션은 N = 10,000명의 단위를 사용하며, (Y⁰, Y¹ - Y⁰) ~ N(0, Σ), Σ = [[1, -0.5], [-0.5, 1]]로 설정하고, 1,000회의 반복을 통해 표본 간 VR과 σδ를 평가한다.

실험 결과

연구 질문

• RQ1 변동비율(VR)이 정확히 1일 때조차 치료 효과 이질성(Treatment Effect Heterogeneity, TEH)이 존재할 수 있는가?
• RQ2 TEH(σδ)와 VR(ν), 제어 조건 결과의 표준편차(στ) 사이의 정확한 수학적 경계는 무엇인가?
• RQ3 개별 치료 효과와 제어 조건 결과 간 관측되지 않은 상관관계 ρ가 VR과 TEH의 관계에 어떤 영향을 미치는가?
• RQ4 ρ에 대한 지식이 없을 경우 VR이 TEH를 신뢰할 수 있는 지표로 사용될 수 있는 정도는 어느 정도인가?
• RQ5 VR = 1이지만 TEH(σδ)가 여전히 상당한 수준일 수 있음을 시뮬레이션으로 입증할 수 있는가?

주요 결과

• VR이 1이지만 σδ = 1인 시뮬레이션 결과를 통해 VR = 1이면 치료 효과 이질성이 없음을 의미하지는 않음을 입증하였다.
• 논문은 |1 - ν| ≤ σδ / στ ≤ 1 + ν 라는 경계를 유도하였으며, 이는 VR과 στ를 기반으로 TEH의 정확한 상한과 하한을 제공한다.
• 치료 효과와 제어 결과 간 상관관계 ρ가 0일 경우, σδ = στ√(ν² - 1)로 표현되며, 이는 VR로부터 TEH를 단순화된 방식으로 해석할 수 있음을 시사한다.
• VR과 TEH의 관계는 관측되지 않은 상관관계 ρ에 의해 결정되며, 이는 VR 추정치의 해석에 불확실성을 초래한다.
• 시뮬레이션 결과는 VR = 1이 상당한 TEH와 공존할 수 있음을 확인하였으며, 이는 VR = 1이면 치료 효과가 동일하다는 가정을 도전한다.
• 결과적으로 VR만으로는 TEH를 배제할 수 없으며, TEH의 크기를 VR에서 유추하기 위해서는 추가적인 가정이나 데이터가 필요하다는 점을 시사한다.