[論文レビュー] Survivor average causal effects for continuous time: a principal stratification approach to causal inference with semicompeting risks

Leah A. Comment, Fabrizia Mealli+2 more|arXiv (Cornell University)|Feb 15, 2019

Advanced Causal Inference Techniques参考文献 22被引用数 16

ひとこと要約

本稿では、連続時間の結果を伴う半競合リスク設定において、治療に関わらず生存する者たちの群における因果効果を定義するために、主な戦略的層別化を用い、2つの新しい因果推定統計量—時変動生存者平均因果効果（TV-SACE）および制限平均生存者平均因果効果（RM-SACE）—を導入する。この手法は、死亡による打ち切りと、個人内イベント間の相関を考慮しながら因果効果を推定するため、フレイルティを含むベイジアン病気-死モデルを採用する。

ABSTRACT

In semicompeting risks problems, nonterminal time-to-event outcomes such as time to hospital readmission are subject to truncation by death. These settings are often modeled with illness-death models for the hazards of the terminal and nonterminal events, but evaluating causal treatment effects with hazard models is problematic due to conditioning on survival (a post-treatment outcome) that is embedded in the definition of a hazard. Extending an existing survivor average causal effect (SACE) estimand, we frame the evaluation of treatment effects in the context of semicompeting risks with principal stratification and introduce two new causal estimands: the time-varying survivor average causal effect (TV-SACE) and the restricted mean survivor average causal effect (RM-SACE). These principal causal effects are defined among units that would survive regardless of assigned treatment. We adopt a Bayesian estimation procedure that parameterizes illness-death models for both treatment arms. We outline a frailty specification that can accommodate within-person correlation between nonterminal and terminal event times, and we discuss potential avenues for adding model flexibility. The method is demonstrated in the context of hospital readmission among late-stage pancreatic cancer patients.

研究の動機と目的

• 死亡が非終末の時間-イベント結果（例：再入院）を打ち切る状況において、治療効果を評価する課題に対処すること。
• 治療後生存を条件とするハザードベースのモデルの限界を克服し、因果的解釈を損なうもの。
• 非終末結果の時間-イベント性とイベント発生時刻を明示的に反映する因果推定統計量の開発。
• 高死亡率集団における生活の質のトレードオフを反映する、より情報量の多い時間依存型因果効果を意思決定者に提供すること。
• 不完全同定性を扱い、不確実性の定量化を可能にするベイジアン推定フレームワークの提供。

提案手法

• 治療群と対照群の両方において生存する可能性がある個体の群に限定して定義される2つの新しい因果推定統計量—TV-SACE（時変動SACE）およびRM-SACE（制限平均SACE）—を提案する。
• 潜在的生存時間（治療群および対照群におけるもの）に基づき、常に生存する群（always-survivor stratum）を主な戦略的層別化によって定義する。
• 治療群の両方の側面における病気-死プロセスをパrameter化するベイジアン階層モデルを採用し、終末的および非終末的イベントのハザードを同時に推定可能にする。
• 非終末的および終末的イベント時間の個人内相関をモデル化するため、共有フレイルティ仕様を組み込む。
• MCMCサンプリングの効率を高めるために、ガンマ分布に従う潜在的フレイルティを用い、イベントタイプ間の依存性を誘導し、周辺尤度の計算を可能にする。
• 既存の半競合リスクモデルと接続する新しい密度分解を適用し、潜在的結果の表記法を用いて因果推定統計量を統合する。

実験結果

リサーチクエスチョン

• RQ1 死亡が非終末の時間-イベント結果を打ち切る状況において、因果効果をどのように定義・推定できるか。
• RQ2 常に生存者を定義するための単一の時刻（スナップショット）の使用がもたらす影響は何か。また、時変動効果を用いることで解釈性はどのように向上するか。
• RQ3 主な戦略的層別化を連続時間の生存群に拡張することで、生活の質の結果に関する時間的枠組みをよりよく反映できるか。
• RQ4 不確実性の定量化と個人内相関を適切に扱うモデルフレームワークは、半競合リスク設定における有効な因果的推論を可能にするか。
• RQ5 誤ったフレイルティ分布やベースラインハザードの誤りといったモデルの誤り指定が、常に生存する集団の推定および因果効果の推定に与える影響は何か。

主な発見

• 提案されたTV-SACEおよびRM-SACE推定統計量は、治療に関係なく生存する者たちにおける非終末的結果の時間依存型因果効果を定義可能である。
• 共有フレイルティモデルを用いたベイジアン推定手順により、非終末的および終末的イベント時間の個人内相関が適切に考慮された。
• 事後予測チェックの結果、モデルの適合度は適切であったが、観察データに通常よりも高い割合の常に生存者（always-survivors）が存在したため、モデルの感度に注意が必要であると示唆された。
• フレイルティ分布の誤指定は、特に$T_{AA,t}$の値が0.9に近い場合、常に生存する集団の推定サイズに中程度の影響を及ぼした。
• モデル推定と因果推定統計量の定義を分離することで、半競合リスク設定における因果的推論が可能となり、解釈性と意思決定の関連性が向上した。
• 本手法は、高死亡率集団における生存と生活の質のバランスの取れた評価を支援するため、ユーティリティ関数や意思決定理論的分析を統合するフレームワークを提供する。