[논문 리뷰] Targeted Smooth Bayesian Causal Forests: An analysis of heterogeneous treatment effects for simultaneous versus interval medical abortion regimens over gestation

Jennifer E. Starling, Jared S. Murray외 4명|arXiv (Cornell University)|2019. 05. 22.

Advanced Causal Inference Techniques참고 문헌 26인용 수 9

한 줄 요약

이 논문은 관찰 데이터에서 임신 기간에 따라 이질적인 치료 효과를 부드럽게 모델링할 수 있는 비모수 베이지안 방법인 대상자적 부드러운 베이지안 인과 숲(tsBCF)을 소개한다. 초기 의료 낙태 데이터에 적용한 결과, 동시 프로토콜의 상대적 유효성은 6주에 97.2%에서 9주에 94.8%로 약간 감소하는 것으로 나타났으며, 특히 29세 이상이거나 이전에 출산한 환자군에서는 더 급격한 감소를 보였다. 이 방법은 정확한 불확실성 측정을 유지하면서도 모형 잘못 설정에 기인한 편향을 피한다.

ABSTRACT

We introduce Targeted Smooth Bayesian Causal Forests (tsBCF), a nonparametric Bayesian approach for estimating heterogeneous treatment effects which vary smoothly over a single covariate in the observational data setting. The tsBCF method induces smoothness by parameterizing terminal tree nodes with smooth functions, and allows for separate regularization of treatment effects versus prognostic effect of control covariates. Smoothing parameters for prognostic and treatment effects can be chosen to reflect prior knowledge or tuned in a data-dependent way. We use tsBCF to analyze a new clinical protocol for early medical abortion. Our aim is to assess relative effectiveness of simultaneous versus interval administration of mifepristone and misoprostol over the first nine weeks of gestation. The model reflects our expectation that the relative effectiveness varies smoothly over gestation, but not necessarily over other covariates. We demonstrate the performance of the tsBCF method on benchmarking experiments. Software for tsBCF is available at https://github.com/jestarling/tsbcf/.

연구 동기 및 목표

• 기존 연구에서 사용된 파라미터 모형과 범주형 임신 기간으로 인해 발생할 수 있는 편향과 부드러운 추세를 놓칠 수 있는 문제를 해결하기 위해.
• 임신 기간에 따라 부드럽게 변화하는 치료 효과를 고려하여 동시 대비 간격 투여 방식의 이질적 치료 효과를 추정하기 위해.
• 특히 나이가 많거나 이전에 출산한 환자와 같은 하위군에서 후기 임신기 동안 유효성 차이가 더 두드러질 수 있음을 규명하기 위해.
• 관찰적 생식 건강 데이터에서 인과 추론을 위한 강력한 비모수적 방법을 제공하고, 불확실성 측정을 향상시키기 위해.
• 기존 문헌과의 검증을 통해 다양한 환자 하위집단에서 프로토콜 유효성에 대한 더 세밀한 그림을 제시하기 위해.

제안 방법

• tsBCF는 종단 노드에 부드러운 함수를 포함한 베이지안 덧셈 회귀 트리(BART)를 사용하여, 여기서는 임신 기간이라는 단일 공변수에 따라 치료 효과가 부드럽게 변화하도록 모델링한다.
• 치료 효과와 대조군 공변수의 예측 효과를 별도로 정규화하여, 각각 다른 스무딩 파라미터를 허용한다.
• 종단 노드의 매개변수에 고정된 가우시안 프로세스 사전분포를 적용하여 부드러움을 유도하며, 초모수는 데이터 기반 또는 사전 기반 방법으로 조정된다.
• 평균 치료 효과 추정의 효율성 향상과 편향 감소를 위해 대상 추정(타겟드 추정)을 활용한다.
• 사후 추론은 마르코프 체인 몬테카를로(MCMC)를 통해 수행되어 이종 상대 위험도에 대한 신뢰구간을 제공한다.
• 모의 실험에서 BCF, BART, 표준 로지스틱 회귀 모형과의 비교를 통해 커버리지, 평균제곱오차(RMSE), 신뢰구간 길이를 평가한다.

실험 결과

연구 질문

• RQ1 특히 7~9주 범위에서, 동시 의료 낙태 프로토콜의 상대적 유효성은 임신 기간에 따라 부드럽게 감소하는가?
• RQ2 나이 29세 이상이거나 이전에 출산한 환자와 같은 하위군에서는 두 프로토콜 간 유효성 격차가 상당히 크게 나타나는가?
• RQ3 실제 시뮬레이션 상황에서, 기존 방법인 BART 및 BCF와 비교해 tsBCF는 부드럽고 이질적인 치료 효과를 얼마나 잘 복원하는가?
• RQ4 부드러움 제약 조건을 가진 비모수적 베이지안 접근법은 파라미터 모형 대비 모형 잘못 설정에 기인한 편향을 줄일 수 있는가?
• RQ5 다양한 데이터 생성 메커니즘에서 상대 위험도 추정 시 명목상의 커버리지와 합리적인 구간 길이를 유지하는 데에 얼마나 효과적인가?

주요 결과

• 동시 프로토콜의 상대적 유효성은 6주에 97.2%에서 7주에 95.5%로 약간 감소하고 9주에 94.8%로 떨어지며, 임신 기간에 따라 약간의 측정 가능한 감소가 있음을 시사한다.
• 29세 이상의 환자, 특히 이전에 출산한 환자군에서는 상대적 유효성 감소가 더 두드러지며, 7~9주 범위에서 90% 이하로 떨어진다.
• 모의 실험 전반에서 tsBCF는 명목상 95% 커버리지를 유지하며, RMSE(0.095~0.104)가 낮게 유지되어 BART보다 구간 길이에서 뛰어난 성능을 보였고, BCF와 유사한 성능 유지를 하였다.
• 이 방법은 임신 기간에 따른 치료 효과의 부드러운 추세를 성공적으로 포착하여, 이 gestational age를 이산 범주로 나누는 데서 발생하는 인위적 불연속성을 피했다.
• 모의 실험에서 tsBCF와 BCF는 RMSE, 커버리지, 구간 길이에서 유사한 성능를 보였으며, tsBCF는 부드러움 제약 조건을 통해 더 뛰어난 해석 가능성을 제공하였다.
• 기존 연구에서 확인된 평균 유효성(97%)과 유사한 수준을 유지하지만, 이전에는 모형 및 데이터 제약으로 인해 드러나지 않았던 임상적으로 의미 있는 이질성이 드러났다.