[논문 리뷰] Randomization for the direct effect of an infectious disease intervention in a clustered study population

Daniel J. Eck, Olga Morozova외 1명|arXiv (Cornell University)|2018. 08. 16.

COVID-19 epidemiological studies인용 수 6

한 줄 요약

이 논문은 군집화되고 전파 가능한 질병 연구에서 무작위화 설계 기반과 모델 기반의 인과적 직접효과 정의가 특정 무작위화 설계 하에서 상호 배타적임을 보여준다. 이는 일반적으로 사용되는 무작위화 설계가 전파 의존성을 고려하지 않음으로써, 큰 표본에서도 진정한 개인 수준의 간섭 효과를 잘못 추정할 수 있음을 시사한다.

ABSTRACT

Randomized trials of infectious disease interventions often focus on populations of connected or potentially interacting individuals. When the pathogen of interest is contagious (transmissible) between study subjects, infection outcomes may exhibit dependence, and it can be challenging to define and estimate the causal of the intervention on individuals who receive it. Two very different paradigms guide researchers in conceptualizing this effect: a randomization design-based perspective defines the direct effect as a contrast between the infection risk of a given individual under treatment versus no treatment, averaged over the conditional distribution of randomized assignments to other individuals in the cluster; a structural model-based perspective defines the direct effect as a contrast between the infection risk of a given individual under treatment versus no treatment, with exposure to infectiousness held constant. In this paper, we show that the design- and model-based definitions of the causal direct effect are incompatible under some randomization designs when the outcome is contagious. In particular, design-based average risk differences may not recover the sign of the true individualistic effect of the intervention, even in large samples. The results suggest that widely recommended randomization designs and estimators may provide misleading inferences about the direct effect of an intervention - such as a vaccine - when outcomes are contagious.

연구 동기 및 목표

• 군집화되고 전파 가능한 질병 연구에서 설계 기반과 모델 기반의 인과적 직접효과 정의의 호환성 여부를 조사하는 것.
• 일반적으로 사용되는 무작위화 설계가 개인 수준의 치료 효과에 대한 오해를 초래할 수 있는 조건을 규명하는 것.
• 감염이 전파 가능한 경우 설계 기반 추정량이 진정한 직접효과의 부호를 회복하지 못할 수 있는 위험을 부각하는 것.
• 설계 기반 접근법과 구조적 모델 기반 접근법 간의 개념적·방법론적 차이를 인플루엔자 감염 시험의 인과 추론에서 명확히 하는 것.

제안 방법

• 무작위화 설계 기반과 구조적 모델 기반 정의의 두 개념적 프레임워크 하에서 인과적 직접효과의 이론적 분석.
• 설계 기반 평균 위험차이가 진정한 개인 중심 효과를 반영하지 못하는 조건을 도출하는 것.
• 대체 가능한 잠재적 결과를 사용하여 두 인과 정의 간의 차이를 형식화하는 것.
• 군집 내 전파로 인한 감염 결과의 종속성이 다양한 무작위화 설계 하에서 추정에 미치는 영향을 검토하는 것.
• 전파 수준과 군집 규모의 변화에 따라 설계 기반 추정량의 부호 일관성과 진정한 개인 수준 효과 간의 비교.
• 감염성 수준을 일정하게 유지하는 구조적 인과 모델을 적용하여 직접효과를 정의하고, 다른 개인의 할당을 평균화한 설계 기반 평균과 대비하는 것.

실험 결과

연구 질문

• RQ1 군집화되고 전파 가능한 질병 연구에서 설계 기반과 모델 기반의 인과적 직접효과 정의가 서로 다를 조건은 무엇인가?
• RQ2 감염 결과가 전파 가능한 경우 설계 기반 추정량이 진정한 개인 수준의 치료 효과의 부호를 신뢰성 있게 회복할 수 있는가?
• RQ3 군집 내 전파로 인해 유도되는 종속성 구조가 표준 무작위화 기반 추정량의 타당성에 어떻게 영향을 미치는가?
• RQ4 이 불일치가 군집화된 인구에서의 백신 시험 결과 해석에 어떤 함의를 갖는가?
• RQ5 어떤 상황에서 설계 기반 평균 위험차이가 비록 점점 커지는 표본 크기에서도 진정한 인과 효과를 반영하지 못하는가?

주요 결과

• 감염 결과가 전파 가능한 경우 특정 무작위화 설계 하에서 설계 기반과 모델 기반의 인과적 직접효과 정의는 상호 배타적이다.
• 설계 기반 평균 위험차이는 큰 표본에서도 진정한 개인 중심 치료 효과의 부호를 회복하지 못할 수 있다.
• 일반적으로 사용되는 무작위화 설계는 개인 간 전파가 존재할 경우 간섭의 직접 효과에 대한 오해를 초래할 수 있다.
• 감염성을 일정하게 유지하는 구조적 모델 기반 정의는 전파가 존재하는 상황에서 직접효과에 대해 더 일관된 정의를 제공한다.
• 설계 기반 추정량이 진정한 효과를 반영하지 못하는 이유는 전파로 인해 결과에 종속성을 유도하는 무작위 할당을 평균화하기 때문이다.
• 이러한 발견은 전파 가능한 결과를 가진 군집화된 인구에서 널리 권장되는 무작위화 및 추정 전략의 타당성을 도전한다.