[논문 리뷰] Identification and Estimation of Causal Effects with Outcomes Truncated by Death

Linbo Wang, Xiao‐Hua Zhou외 1명|arXiv (Cornell University)|2016. 05. 17.

Advanced Causal Inference Techniques인용 수 8

한 줄 요약

이 논문은 사망으로 인해 결과가 잘린 연구에서 생존자 평균인과효과(SACE)의 새로운 식별 및 추정 방법을 제안한다. 조건부 산술변수를 도입함으로써 기존 연구보다 더 약한 가정 하에 SACE를 식별할 수 있으며, 이는 무작위화 및 관찰 연구 모두에서 타당한 인과적 추론을 가능하게 하며, 생존과 결과의 공통 원인을 고려할 수 있다.

ABSTRACT

It is common in medical studies that the outcome of interest is truncated by death, meaning that a subject has died before the outcome could be measured. In this case, restricted analysis among survivors may be subject to selection bias. Hence, it is of interest to estimate the survivor average causal effect, defined as the average causal effect among the subgroup consisting of subjects who would survive under either exposure. In this paper, we consider the identification and estimation problems of the survivor average causal effect. We propose to use a substitution variable in place of the latent membership in the always-survivor group. The identification conditions required for a substitution variable are conceptually similar to conditions for a conditional instrumental variable, and may apply to both randomized and observational studies. We show that the survivor average causal effect is identifiable with use of such a substitution variable, and propose novel model parameterizations for estimation of the survivor average causal effect under our identification assumptions. Our approaches are illustrated via simulation studies and a data analysis.

연구 동기 및 목표

• 사망으로 인해 측정 전에 결과가 정의되지 않는 경우 발생하는 선택편향을 다루기 위해.
• 표준 가정이 실패할 경우, 특히 생존과 결과의 공통 원인이 존재하는 상황에서 생존자 평균인과효과(SACE)를 식별하기 위해.
• 무작위화 시험과 관찰 연구 모두에 적용 가능한 방법을 개발하여, 단조성과 배제제약 조건과 같은 엄격한 가정을 완화하기 위해.
• 식별 조건과 분포 가정 간의 호환성을 보장하는 모형 파arameterization을 제공하기 위해.
• 기본 공변수를 잠재적인 항상생존자 집단 소속의 대체변수로 사용하여 SACE를 추정할 수 있도록 하기 위해.

제안 방법

• 잠재적인 항상생존자 집단 소속을 대체하는 프록시 역할을 하는 대체변수를 도입하며, 이는 조건부 산술변수와 유사하다.
• 측정된 공통 원인이 존재할 수 있는 조건부 산술변수와 유사한 개념적 가정 하에 SACE의 식별성을 확립한다.
• 잠재적 결과와 생존 확률을 위한 새로운 파라미터 모형을 제안하여, 식별 조건과의 호환성을 보장한다.
• 기본 공변수를 사용하여 대조군에서의 생존 확률과 잠재적 결과의 조건부 기대값을 모형화한다.
• 잠재적 결과와 생존을 위한 파라미터 모형을 사용하여, 기본 공변수의 고유한 역할으로 인해 표준 성향스코어 방법에 의존하지 않는다.
• 단조성과 배제제약 조건의 완화를 포함한 다양한 가정 하에 추정 프레임워크를 제공하며, 민감도 분석 고려사항을 포함한다.

실험 결과

연구 질문

• RQ1 생존과 결과의 공통 원인이 존재하는 상황에서, 배제제약 조건이나 단조성 가정 없이도 생존자 평균인과효과를 식별할 수 있는가?
• RQ2 항상생존자 집단이 관측되지 않을 경우, 대체변수를 어떻게 사용하여 SACE를 식별할 수 있는가?
• RQ3 식별 조건과 호환되는 모형 파arameterization은 무엇이며, 이를 통해 SACE 추정이 가능해지는가?
• RQ4 주요 가정 위반 상황에서 제안된 방법의 성능은 어떻게 되며, 어떤 민감도 분석 프레임워크가 필요한가?
• RQ5 다중 노출 수준 또는 순서형 노출이 존재하는 설정으로 방법을 확장할 수 있는가?

주요 결과

• 공통 원인이 존재하는 상황에서도 제안된 대체변수 프레임워크 하에서 생존자 평균인과효과는 식별 가능하다.
• 이 방법은 무작위화 시험과 관찰 연구 모두에서 타당한 인과적 추론을 가능하게 하며, 이전 방법이 강력한 배제제약 또는 단조성 가정을 요구했던 한계를 극복한다.
• 잠재적 결과와 생존에 대한 파라미터 모형을 통해 추정이 이루어지며, 식별 조건과의 호환성을 보장하는 특별한 파arameterization이 포함되어 있다.
• 시뮬레이션 연구와 데이터 분석을 통해 다양한 식별 가정 하에서 제안된 추정 방법의 실현 가능성과 성능이 입증되었다.
• 단조성과 배제제약 조건을 완화하기 위해 대체 모형 가정을 도입할 수 있으며, 형식적 추론을 위해서는 비정규성과 표본 변동성을 고려한 민감도 분 析가 필요하다.