[論文レビュー] Multivariate one-sided testing in matched observational studies as an adversarial game

Peter Cohen, Matt A. Olson+1 more|arXiv (Cornell University)|Dec 18, 2018

Statistical Methods and Inference参考文献 50被引用数 3

ひとこと要約

本稿では、研究者と自然の敵対的ゲームとしてモデル化された隠れバイアスに対処するため、マッチドオーバーサービングスタディにおける多次元片側感度分析を導入する。凸最適化を用いて、最も保守的な結果統計の線形結合を特定し、最適なデザイン感度を達成するとともに、帰無仮説の下でカイ二乗分布に収束し、閉合検定手順における家族誤差を制御しながら、パワーを著しく向上させる。

ABSTRACT

We present a multivariate one-sided sensitivity analysis for matched observational studies, appropriate when the researcher has specified that a given causal mechanism should manifest itself in effects on multiple outcome variables in a known direction. The test statistic can be thought of as the solution to an adversarial game, where the researcher determines the best linear combination of test statistics to combat nature's presentation of the worst-case pattern of hidden bias. The corresponding optimization problem is convex, and can be solved efficiently even for reasonably sized observational studies. Asymptotically the test statistic converges to a chi-bar-squared distribution under the null, a common distribution in order restricted statistical inference. The test attains the largest possible design sensitivity over a class of coherent test statistics, and facilitates one-sided sensitivity analyses for individual outcome variables while maintaining familywise error control through is incorporation into closed testing procedures.

研究の動機と目的

• オーバーサービングスタディにおける隠れバイアス下での多次元片側検定における多重比較の課題に対処すること。
• 事前に指定された方向効果を持つ複数の結果変数を検定する際、家族誤差を維持する感度分析を開発すること。
• 整合的で方向性のある因果仮説に従い、結果別検定統計を適応的に組み合わせることでパワーを最適化すること。
• 整合的多次元検定の中で最高の設計感度を達成する手法を確立すること。
• 敵対的最適化による整合性の形式的定式化を通じて、オーバーサービングスタディにおける頑健な因果推論を可能にすること。

提案手法

• 検定統計は、隠れバイアス下での最悪ケースp値を最大化する凸最適化問題の解として定式化され、研究者と自然の敵対的ゲームとしてモデル化される。
• 方法は、結果別検定統計の線形結合を用い、重みは最悪バイアスパターン下でのパワーを最大化するように凸計画法で決定される。
• 検定統計の漸近的帰無分布は、順序制限付き推論から導かれるカイバー二乗分布であり、重みは結果の相関構造に依存する。
• 複数の結果変数にわたる家族誤差を維持するため、アプローチは閉合検定手順に統合される。
• 未測定交絡要因の許容領域は感度パラメータΓが増加するにつれて拡大し、保守的な臨界値はΓとともに増加する。
• 2次元結果の場合、相関行列の非対角成分の下限で最も保守的な臨界値が得られることを、幾何的および確率的議論により導出する。

実験結果

リサーチクエスチョン

• RQ1 マッチドオーバーサービングスタディにおける多次元片側検定は、どのように隠れバイアスに対して頑健に保ちつつ統計的パワーを維持できるか？
• RQ2 方向性のある因果仮説の下で、複数の結果統計を最適に組み合わせることで、治療効果への感受性を最大にする方法は何か？
• RQ3 整合的検定の中で最高の設計感度を達成する多次元検定を構築できるか？
• RQ4 この文脈でカイバー二乗分布はどのように生じるのか？また、順序制限下での有効な推論にどのように利用できるか？
• RQ5 多重結果を方向性予測とともに検定する際、閉合検定手順はどの程度家族誤差を維持できるか？

主な発見

• 提案手法は、すべての整合的多次元検定統計の中で最大の設計感度を達成しており、隠れバイアス下での治療効果への感受性という観点から最適である。
• 帰無仮説の下で、検定統計は漸近的にカイバー二乗分布に従い、既知の分布理論を用いて有効なp値を計算可能である。
• 2次元結果の場合、幾何的および確率的議論により、結果間の相関が最小可能な値にあるときに最も保守的な臨界値が得られることを示した。
• 整合的因果仮説の下で結果を適応的に組み合わせることで、多重性制御に伴うパワー損失を著しく低減できる。
• 臨界値は感度パラメータΓとともに増加し、未測定交絡要因の許容領域が拡大することを反映しており、真の交絡が不明な状況下でも保守的である。
• 1,638人の被験者を含む実際のマッチドオーバーサービングスタディ（喫煙と多環芳香族炭化水素暴露）への応用により、本手法の実用性と頑健性が示された。