[論文レビュー] 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. Murray+4 more|arXiv (Cornell University)|May 22, 2019

Advanced Causal Inference Techniques参考文献 26被引用数 9

ひとこと要約

本稿では、観察データにおける胎齢にわたる処置効果の滑らかな異質性をモデル化する非パラメトリックなベイズ的手法、標的的スムージングベイズ因果フォレスト（tsBCF）を提案する。早期医療中絶薬物投与のデータに適用した結果、6週で97.2%であった同時投与プロトコルの相対的有効性は9週で94.8%にわずかに低下し、特に29歳以上または既に出産歴のある患者ではより急激な低下を示した。一方、不確実性の定量的評価は正確であり、モデルの誤指定バイアスも回避された。

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/.

研究の動機と目的

• 従来の研究がパラメトリックモデルと離散的胎齢区分を用いたことによるバイアスと滑らかなトレンドの逸脱を回避するため。
• 胎齢に伴う滑らかな変化を考慮しつつ、同時投与とインターバル投与のミフェプリストン／ミソプロストール投与法の異質な処置効果を推定するため。
• 特に年長または出産歴のある患者など、後期胎齢において有効性の差が顕著に現れるサブグループを同定するため。
• 観察的避妊医療データにおける因果推論に、より高い不確実性の定量的評価を備えた頑健な非パラメトリック手法を提供するため。
• 既存の文献と一致するが、患者サブグループごとのプロトコル有効性のより洗練された理解を提供するため。

提案手法

• tsBCFは、終端ノードに滑らかな関数を組み込んだベイズ的加法的回帰木を用い、ここでは胎齢という1つの共変量に沿って処置効果が滑らかに変化することをモデル化する。
• 処置効果と制御共変量のプロノーシス効果を別々に正則化することで、それぞれ異なるスムージングパラメータを許容する。
• 終端ノードのパラメータにガウス過程事前分布を適用し、滑らかさを実現する。ハイパーパrameterはデータ依存的または事前分布に基づく方法で調整される。
• 平均処置効果推定の効率性向上とバイアス低減のため、標的推定を採用する。
• 事後推論はマルコフ連鎖モンテカルロ（MCMC）を用い、異質な相対リスクの信用区間を算出する。
• シミュレーションスタディにおいて、BCF、BART、および標準的ロジスティック回帰と比較し、カバレッジ、RMSE、区間長を評価する。

実験結果

リサーチクエスチョン

• RQ1 7〜9週の範囲において、特に胎齢に伴い、同時投与プロトコルの相対的有効性は滑らかに低下するのか？
• RQ2 29歳以上または出産歴のある患者など、有効性の差が顕著に大きいサブグループは存在するのか？
• RQ3 現実的なシミュレーション状況において、tsBCFはBART や BCF といった既存手法と比較して、滑らかで異質な処置効果をどれほど正確に回復できるか？
• RQ4 滑らかさ制約を課えた非パラメトリックベイズ的手法は、パラメトリックモデルと比較して、モデル誤指定によるバイアスを低減できるか？
• RQ5 多様なデータ生成メカニズムにおいて、相対リスク推定の名目上のカバレッジと妥当な区間長をどの程度維持できるか？

主な発見

• 同時投与プロトコルの相対的有効性は、6週で97.2%から7週で95.5%、9週で94.8%に低下し、胎齢に伴うわずかだが測定可能な低下が示された。
• 29歳以上、特に出産歴のある患者では、相対的有効性の低下が顕著で、7〜9週の範囲で90%未満にまで低下した。
• シミュレーション状況において、tsBCFは名目上の95%カバレッジを維持し、RMSE（0.095〜0.104）も低く抑えられ、区間長ではBARTを上回り、BCFと同等の性能を示した。
• 本手法は胎齢に沿った処置効果の滑らかなトレンドを的確に捉えており、胎齢を離散的範囲に分類することで生じる不自然な不連続性を回避した。
• シミュレーションでは、tsBCFとBCFはRMSE、カバレッジ、区間長において同等の性能を示したが、tsBCFは滑らかさ制約のおかげで解釈性が向上した。
• 平均有効性がほぼ同等（97%）であるという先行研究の結果を確認した一方で、従来のモデルやデータ制限により検出されなかった臨床的に重要な異質性を明らかにした。