[论文解读] A Confounding Bridge Approach for Double Negative Control Inference on Causal Effects (Supplement and Sample Codes are included)

Wang Miao, Eric Tchetgen Tchetgen|arXiv (Cornell University)|Aug 15, 2018

Advanced Causal Inference Techniques参考文献 37被引用 17

一句话总结

本文提出了一种使用双重负向对照（包括一个负向对照结果和一个负向对照暴露）的混淆桥梁方法，用于在因果推断中校正未测量的混淆。通过桥梁函数将潜在结果均值与负向对照结果分布联系起来，并利用负向对照暴露进行识别，该方法校正了估计因果效应时的偏差，如对PM2.5对死亡率影响的再分析所示，初始显著的效应在调整后趋近于零。

ABSTRACT

Unmeasured confounding is a key challenge for causal inference. Negative control variables are widely available in observational studies. A negative control outcome is associated with the confounder but not causally affected by the exposure in view, and a negative control exposure is correlated with the primary exposure or the confounder but does not causally affect the outcome of interest. In this paper, we establish a framework to use them for unmeasured confounding adjustment. We introduce a confounding bridge function that links the potential outcome mean and the negative control outcome distribution, and we incorporate a negative control exposure to identify the bridge function and the average causal effect. Our approach can be used to repair an invalid instrumental variable in case it is correlated with the unmeasured confounder. We also extend our approach by allowing for a causal association between the primary exposure and the control outcome. We illustrate our approach with simulations and apply it to a study about the short-term effect of air pollution. Although a standard analysis shows a significant acute effect of PM2.5 on mortality, our analysis indicates that this effect may be confounded, and after double negative control adjustment, the effect is attenuated toward zero.

研究动机与目标

• 解决观察性研究中未测量混淆这一持续存在的因果推断挑战。
• 开发一个利用负向对照结果和负向对照暴露的框架，以改进因果效应估计。
• 识别并校正当工具变量与未测量混淆因子相关时，工具变量方法中的偏差。
• 将现有方法扩展至允许主要暴露与负向对照结果之间存在潜在因果关联。
• 为存在未测量混淆的真实世界数据提供一种稳健且可实证检验的因果效应估计方法。

提出的方法

• 引入一种混淆桥梁函数，将潜在结果的均值与负向对照结果的分布联系起来。
• 利用负向对照暴露非参数地识别混淆桥梁函数和平均因果效应。
• 采用双重负向对照策略，通过两个信息源（负向对照结果和负向对照暴露）同时校正未测量混淆。
• 允许主要暴露与负向对照结果之间存在可能的因果关联，从而提高方法的灵活性。
• 应用半参数估计技术，在所提出的结构假设下识别因果效应。
• 整合样本代码和补充材料，以支持可重复性和实施。

实验结果

研究问题

• RQ1 在存在未测量混淆的情况下，能否构建一种混淆桥梁函数，将潜在结果与负向对照结果联系起来？
• RQ2 如何利用负向对照暴露来识别混淆桥梁函数并估计平均因果效应？
• RQ3 当工具变量因与未测量混淆因子相关而无效时，该方法在多大程度上能校正偏差？
• RQ4 允许主要暴露与负向对照结果之间存在因果关联，是否会提高该方法的稳健性或有效性？
• RQ5 双重负向对照调整对PM2.5对死亡率因果效应估计的影响是什么？

主要发现

• 所提出的混淆桥梁方法即使在存在未测量混淆的情况下，也能成功识别平均因果效应。
• 当工具变量与未测量混淆因子相关时，该方法能校正工具变量估计中的偏差。
• 在空气污染应用中，PM2.5对死亡率的初始显著急性效应在经过双重负向对照调整后，趋近于零。
• 即使主要暴露对负向对照结果具有因果效应，该方法仍保持有效，表明其对这一假设放松具有稳健性。
• 模拟结果支持该方法在各种混淆情景下减少偏差并提高估计精度的能力。
• 补充代码和详细模拟的引入，增强了该方法的可重复性及其对应用研究者的实际可用性。