[论文解读] Discovering Effect Modification and Randomization Inference in Air Pollution Studies

Kwonsang Lee, Dylan S. Small+1 more|arXiv (Cornell University)|Feb 19, 2018

Air Quality and Health Impacts参考文献 14被引用 4

一句话总结

本文提出一种两步法，用于在空气污染研究中发现并检验效应修饰作用：首先，在发现子样本中使用机器学习（CART 和因果树）识别出治疗效应异质性的亚组；其次，在独立的验证子样本中应用非参数随机化检验方法，评估效应修饰作用的统计显著性。该方法提高了统计功效和稳健性，识别出81–85岁低收入老年人以及85岁以上老年人，其PM2.5暴露对5年死亡率的因果效应显著高于总体平均水平。

ABSTRACT

Studies have shown that exposure to air pollution, even at low levels, significantly increases mortality. As regulatory actions are becoming prohibitively expensive, robust evidence to guide the development of targeted interventions to reduce air pollution exposure is needed. In this paper, we introduce a novel statistical method that splits the data into two subsamples: (a) Using the first subsample, we consider a data-driven search for $ extit{de novo}$ discovery of subgroups that could have exposure effects that differ from the population mean; and then (b) using the second subsample, we quantify evidence of effect modification among the subgroups with nonparametric randomization-based tests. We also develop a sensitivity analysis method to assess the robustness of the conclusions to unmeasured confounding bias. Via simulation studies and theoretical arguments, we demonstrate that since we discover the subgroups in the first subsample, hypothesis testing on the second subsample can focus on theses subgroups only, thus substantially increasing the statistical power of the test. We apply our method to the data of 1,612,414 Medicare beneficiaries in New England region in the United States for the period 2000 to 2006. We find that seniors aged between 81-85 with low income and seniors aged above 85 have statistically significant higher causal effects of exposure to PM$_{2.5}$ on 5-year mortality rate compared to the population mean.

研究动机与目标

• 解决以往研究依赖事前选定效应修饰因子且缺乏对未测量混杂因素的稳健性检验的局限性。
• 开发一种数据驱动的方法，用于从零开始发现PM2.5暴露对死亡率因果效应异质性的亚组。
• 通过在数据发现的亚组上使用非参数随机化推断方法进行假设检验，提高统计功效。
• 整合敏感性分析框架，评估结果对未测量混杂偏倚的稳健性。
• 通过识别受空气污染影响最严重的脆弱亚组，为有针对性的监管政策提供指导。

提出的方法

• 将数据集划分为两个独立的子样本：一个用于发现，一个用于验证。
• 在发现子样本中应用分类与回归树（CART）和因果树（CT），识别出潜在治疗效应不同的亚组。
• 利用发现的亚组结构，在验证子样本中定义特定的效应修饰假设。
• 在验证子样本中进行非参数随机化检验，评估效应修饰作用的显著性，无需参数假设。
• 整合敏感性分析框架，评估结果对未测量混杂偏倚的稳健性。
• 使用倾向匹配平衡可观测协变量，支持无未测量混杂的假设，以实现有效的因果推断。

实验结果

研究问题

• RQ1 哪些Medicare受益人群体在长期PM2.5暴露下表现出对死亡率影响的统计显著效应修饰作用？
• RQ2 与事前选择方法相比，使用机器学习的数据驱动方法是否能更有效地检测出易感亚组？
• RQ3 与标准回归模型相比，采用样本分割结合验证性随机化推断是否能提高统计功效并降低I类错误？
• RQ4 效应修饰的发现结果对潜在未测量混杂因素的稳健性如何？
• RQ5 特定的人口学亚组（如老年人或低收入老年人）是否表现出PM2.5对5年死亡率更高的因果效应？

主要发现

• 81–85岁低收入老年人群的PM2.5暴露对5年死亡率的因果效应显著高于总体平均水平。
• 85岁以上人群的PM2.5暴露对5年死亡率的因果效应显著高于总体平均水平。
• 所提出的两步法通过聚焦于数据发现的亚组而非预先指定的亚组，提高了统计功效。
• 在验证子样本中进行的随机化检验提供了有效且非参数的推断，无需分布假设。
• 敏感性分析表明，结果在合理水平的未测量混杂偏倚下依然保持稳健。
• 该方法成功识别出易感人群，支持更有针对性的公共卫生干预措施，促进更高效的监管行动。