[论文解读] Randomization for the direct effect of an infectious disease intervention in a clustered study population

Daniel J. Eck, Olga Morozova+1 more|arXiv (Cornell University)|Aug 16, 2018

COVID-19 epidemiological studies被引用 6

一句话总结

本文表明，在某些随机化方案下，聚类性传染疾病研究中基于设计的因果直接效应定义与基于模型的定义存在不相容性。研究显示，由于未考虑传播依赖性，常用随机化设计即使在大样本中也可能对真实个体水平干预效应产生误导性估计。

ABSTRACT

Randomized trials of infectious disease interventions often focus on populations of connected or potentially interacting individuals. When the pathogen of interest is contagious (transmissible) between study subjects, infection outcomes may exhibit dependence, and it can be challenging to define and estimate the causal of the intervention on individuals who receive it. Two very different paradigms guide researchers in conceptualizing this effect: a randomization design-based perspective defines the direct effect as a contrast between the infection risk of a given individual under treatment versus no treatment, averaged over the conditional distribution of randomized assignments to other individuals in the cluster; a structural model-based perspective defines the direct effect as a contrast between the infection risk of a given individual under treatment versus no treatment, with exposure to infectiousness held constant. In this paper, we show that the design- and model-based definitions of the causal direct effect are incompatible under some randomization designs when the outcome is contagious. In particular, design-based average risk differences may not recover the sign of the true individualistic effect of the intervention, even in large samples. The results suggest that widely recommended randomization designs and estimators may provide misleading inferences about the direct effect of an intervention - such as a vaccine - when outcomes are contagious.

研究动机与目标

• 考察在聚类性传染疾病研究中，基于设计与基于模型的因果直接效应定义的相容性。
• 识别广泛使用的随机化设计可能对个体水平治疗效应产生误导性推论的条件。
• 强调基于设计的估计量可能在结果具有传染性时无法恢复直接效应的真实符号。
• 阐明基于随机化与基于结构模型的因果推断方法在传染疾病试验中的概念与方法论差异。

提出的方法

• 对两种范式下因果直接效应的理论分析：基于随机化设计的定义与基于结构模型的定义。
• 推导基于设计的平均风险差无法反映真实个体效应的条件。
• 使用反事实潜在结果形式化区分两种因果定义。
• 考察由于群内传播导致的感染结果依赖性对不同随机化方案下估计的影响。
• 比较在不同传播水平与群组规模下，基于设计的估计量与真实个体水平效应的一致性符号。
• 应用结构因果模型定义在传染性保持恒定时的直接效应，并与基于设计的对其他个体分配的平均进行对比。

实验结果

研究问题

• RQ1 在何种条件下，基于设计与基于模型的因果直接效应定义在聚类性传染疾病研究中出现分歧？
• RQ2 当感染结果具有传染性时，基于设计的估计量能否可靠地恢复真实个体水平治疗效应的符号？
• RQ3 由群内传播引起的依赖结构如何影响标准基于随机化的估计量的有效性？
• RQ4 这种不相容性对聚类人群中疫苗试验结果的解释有何影响？
• RQ5 在何种情况下，即使渐近条件下，基于设计的平均风险差也无法反映真实的因果效应？

主要发现

• 当结果具有传染性且在特定随机化设计下，基于设计与基于模型的因果直接效应定义不相容。
• 即使在大样本中，基于设计的平均风险差也可能无法恢复真实个体效应的符号。
• 在存在个体间传播时，常用随机化方案可能导致对干预直接效应的误导性推论。
• 基于结构模型的定义（保持传染性恒定）在存在传染性时提供了更一致的直接效应定义。
• 基于设计的估计量无法反映真实效应的原因在于，其对诱导结果依赖性的随机分配进行了平均。
• 这些发现挑战了在具有聚类性与可传播结果的传染疾病试验中，广泛推荐的随机化与估计策略的有效性。