[论文解读] A Bayesian Gaussian Process for Estimating a Causal Exposure Response Curve in Environmental Epidemiology

Boyu Ren, Xiao Wu+3 more|arXiv (Cornell University)|May 7, 2021

Air Quality and Health Impacts参考文献 35被引用 4

一句话总结

本文提出了一种贝叶斯高斯过程模型，通过设计用于模拟广义倾向得分（GPS）协变量平衡的核函数，非参数化地估计连续暴露（如空气污染物）的因果暴露-反应函数（CERF）。该方法实现了自动不确定性量化、通过导数推断实现的变点检测，并在GPS模型误设情况下仍表现出稳健性能，应用于Medicare死亡率数据中的PM₂.₅、臭氧和NO₂。

ABSTRACT

Motivated by environmental policy questions, we address the challenges of estimation, change point detection, and uncertainty quantification of a causal exposure-response function (CERF). Under a potential outcome framework, the CERF describes the relationship between a continuously varying exposure (or treatment) and its causal effect on an outcome. We propose a new Bayesian approach that relies on a Gaussian process (GP) model to estimate the CERF nonparametrically. To achieve the desired separation of design and analysis phases, we parametrize the covariance (kernel) function of the GP to mimic matching via a Generalized Propensity Score (GPS). The hyper-parameters as well as the form of the kernel function of the GP are chosen to optimize covariate balance. Our approach achieves automatic uncertainty evaluation of the CERF with high computational efficiency, and enables change point detection through inference on derivatives of the CERF. We provide theoretical results showing the correspondence between our Bayesian GP framework and traditional approaches in causal inference for estimating causal effects of a continuous exposure. We apply the methods to 520,711 ZIP-code-level observations to estimate the causal effect of long-term exposures to PM2.5, ozone, and NO2 on all-cause mortality among Medicare enrollees in the US. A computationally efficient implementation of the proposed GP models is provided in the GPCERF R package, which is available on CRAN.

研究动机与目标

• 开发一种稳健的非参数方法，用于在环境流行病学中对连续暴露估计因果暴露-反应函数（CERF）。
• 解决在连续处理的因果推断中不确定性量化、变点检测和协变量平衡的挑战。
• 创建一种可扩展、计算高效的贝叶斯框架，通过受GPS匹配启发的核函数参数化，整合设计与分析阶段。
• 实现对CERF导数的合理推断，以检测健康效应中的阈值或相变点。
• 为政策相关的环境健康研究提供一种灵活、具备不确定性感知的工具，尤其适用于制定空气质量标准。

提出的方法

• 该方法采用高斯过程（GP），其核函数被特别参数化以诱导协变量平衡，模拟设计阶段的GPS匹配。
• 通过优化GP核函数的超参数以最小化观测协变量的不平衡，确保对GPS模型误设的鲁棒性。
• 利用高斯过程导数本身也是高斯过程的性质，实现对导数的完整贝叶斯推断，以检测变点。
• 采用计算高效的最近邻高斯过程（nnGP）近似实现大规模数据集的可扩展性，如520,711个邮政编码级别的观测值。
• 该框架嵌入贝叶斯分层模型中，允许从GPS估计到最终CERF的不确定性传播。
• 该方法已通过CRAN上的GPCERF R包实现，支持可重复性和广泛应用。

实验结果

研究问题

• RQ1 贝叶斯高斯过程模型能否在确保协变量平衡的前提下非参数化估计因果暴露-反应函数？
• RQ2 在贝叶斯框架中，如何自动且高效地量化CERF的不确定性？
• RQ3 CERF的导数能否用于检测连续暴露因果效应中统计显著的变点？
• RQ4 与现有方法相比，该方法在GPS模型误设情况下的表现如何？
• RQ5 在空气污染物对死亡率因果效应中检测到非线性阈值，其政策相关启示是什么？

主要发现

• 所提出的贝叶斯GP模型在估计CERF方面与Wu等人（2022）的GPS匹配方法性能相当，均方误差略有上升，但对GPS模型误设的鲁棒性更优。
• 基于导数推断的变点检测算法在模拟中表现优异，能准确识别暴露-反应关系中的相变点。
• 在美国家庭医疗保险数据中的应用揭示了PM₂.₅对全因死亡率因果效应在低至中等暴露范围可能存在变点，提示存在非线性阈值效应。
• 通过nnGP近似，该模型成功扩展至大规模数据集（520,711个观测值），保持了计算效率和准确的不确定性量化。
• 结果与既有文献一致，强化了在低暴露水平下应制定更严格PM₂.₅标准的必要性，因为此时死亡率风险急剧上升。
• 当忽略结果不确定性时，后验可信区间被发现过于乐观；未来工作应纳入计数数据的恰当似然模型。