Robust Causal Inference for EHR-based Studies of Point Exposures with Missingness in Eligibility Criteria

ملخص تقني: الاستدلال السببي المتين للدراسات القائمة على السجلات الصحية الإلكترونية للتعرضات النقطية مع وجود بيانات مفقودة في معايير الأهلية

بيان المشكلة
تقدم قواعد بيانات السجلات الصحية الإلكترونية (EHR) بديلاً قيماً للتجارب السريرية العشوائية في البحوث الرصدية. ومع ذلك، وعلى عكس الدراسات الاستشرافية حيث يتم فحص الأهلية بدقة، غالباً ما تحتوي بيانات السجلات الصحية الإلكترونية على قيم مفقودة للمتغيرات التي تحدد أهلية الدراسة (مثل مؤشر كتلة الجسم، مستويات الهيموجلوبين السكري (A1c)، أو التاريخ الدوائي). وتتمثل الممارسة القياسية في استبعاد المرضى الذين لديهم بيانات أهلية غير مكتملة، مما يؤدي إلى حدوث تحيز في الاختيار إذا لم تكن البيانات المفقودة عشوائية تماماً (MCAR). ومن ناحية أخرى، يحاول الباحثون غالباً التخفيف من حدة ذلك عبر تمديد "نوافذ النظر إلى الوراء" (lookback windows) للعثور على بيانات أقدم، وهي استراتيجية تنطوي على مخاطر إدراج مرضى غير مؤهلين بشكل غير لائق عند خط الأساس للدراسة (على سبيل المثال، المرضى الذين كانت حالة السكري لديهم غير معروفة وقت الجراحة ولكن تم استنتاجها من سجلات قديمة).

تتطلب الطرق الحالية للتعامل مع الأهلية المفقودة، مثل التعدد الإسنادي (multiple imputation) أو ترجيح الاحتمال العكسي (IPW)، تحديداً صحيحاً لجميع نماذج المكونات (النتيجة، العلاج، الفقدان، والإسناد) لتقديم تقديرات متسقة. علاوة على ذلك، غالباً ما تواجه هذه الطرق صعوبة عند دمجها مع تقنيات التعلم الآلي (ML) المرنة، والتي تعاني عادةً من معدلات تقارب بطيئة تبطل الاستدلال التقاربي.

المنهجية
يقترح المؤلفون إطاراً لتقدير متوسط أثر العلاج على المعالجين ضمن الفئة المؤهلة للدراسة (ATTE)، ويرمز له بـ $\theta_{ATT}^{elig} = E[Y(1) - Y(0) \mid A=1, E=1]$. يعتمد هذا النهج على النظرية شبه المعلمية لتطوير مقدرات متينة تجاه الخطأ في تحديد النماذج ومتوافقة مع التعلم الآلي الحديث.

1. الافتراضات والتعريف:

   • يفترض المنهج الاتساق (Consistency)، والإيجابية (Positivity)، وعدم وجود عوامل مربكة غير مقاسة (No Unmeasured Confounding) ضمن المجتمع المؤهل.
   • وبشكل حاسم، يفترض المنهج أن البيانات مفقودة بشكل عشوائي (MAR) بالنسبة للمتغيرات المحددة للأهلية ($L_m$)، بشرط المتغيرات المرصودة بالكامل ($L^*$) والعلاج ($A$). وتحديداً، يكون مؤشر البيانات الكاملة للأهلية ($R$) مستقلاً عن النتيجة ($Y$) والمتغيرات المفقودة ($L_m$) بوجود $L^*$ و$A$.
   • اشتق المؤلفون تحليل عامل جديد للاحتمالية (likelihood factorization) للبيانات المرصودة يفصل بين آلية العلاج، وآلية التقصي ($\eta$)، وتوزيع المتغيرات المفقودة ($\lambda$)، ونموذج النتيجة ($\mu$).

2. المقدرات:
   يقدم البحث مقدرين أساسيين بناءً على دوال التأثير الفعالة (EIF):

   • $\hat{\theta}_{EIF}$ (مقدر دالة التأثير الفعالة): يستهدف هذا المقدر الحد الكفء شبه المعلمي. وهو يستخدم مجموعة معقدة من الدوال المزعجة "المتداخلة" (مثل $\xi, \gamma, \chi$) التي تأخذ في الاعتبار عدم اليقين في حالة الأهلية من خلال الهامشية فوق المتغيرات المفقودة. ويتطلب تقدير عدة دالات مكونة ($\mu, u, \eta, \varepsilon$ إلخ) باستخدام طرق تعلم آلي مرنة (مثل SuperLearner). وتظهر النتائج النظرية أنه إذا تقارب خطأ التقدير لهذه الدوال المزعجة بمعدل $o_P(n^{-1/2})$، فإن المقدر يكون متسقاً بمعدل $\sqrt{n}$ وطبيعياً تقاربياً.
   • $\hat{\theta}_{IF}$ (مقدر دالة التأثير): وهو بديل أبسط حسابياً يتجنب بعض الدوال المزعجة العميقة التداخل المطلوبة لـ $\hat{\theta}_{EIF}$. ورغم أنه قد لا يصل إلى الحد الكفء شبه المعلمي، إلا أنه يقدم مقايضة بين التعقيد الحسابي وتقليل التحيز.
   • المقارنات المرجعية: قيم المؤلفون أيضاً مقدر الحالة الكاملة (CC) ومقدر انحدار النتيجة المرجح عكسياً (IWOR) لإظهار ضرورة النهج المقترح.

3. التنفيذ:
   تستخدم إجراءات التقدير تقنية تقسيم العينات (cross-fitting) لضمان الاستدلال الصحيح عند استخدام خوارزميات التعلم الآلي غير المعلمية. وهذا يمنع الإفراط في التخصيص (overfitting) ويسمح للمقدرات بتحقيق معدلات التقارب المطلوبة حتى عندما يتم تقدير الدوال المزعجة عبر خوارزميات معقدة مثل الغابات العشوائية (random forests) أو النماذج الجمعية المعممة (GAMs).

المساهمات الرئيسية

• إطار رسمي للأهلية المفقودة: يوفر البحث أول إطار استدلال سببي صارم يعالج تحديداً تحيز الاختيار الناجم عن معايير الأهلية المفقودة في دراسات السجلات الصحية الإلكترونية، مع تمييز ذلك عن مشكلات البيانات المفقودة القياسية.
• المتانة والكفاءة: تتميز المقدرات المقترحة بأنها "متينة متعدد المرات" (multiply robust)، مما يعني أنها تظل متسقة إذا تم تحديد مجموعات مختلفة من النماذج المزعجة بشكل صحيح. كما أنها تحافظ على استدلال تقاربي صحيح عند استخدام طرق التعلم الآلي المرنة، متجاوزة بذلك مشكلات التقارب البطيء التي تعيق هذه المنهجيات عادةً.
• تحليل العامل الجديد: اشتقاق تحليل عامل محدد للاحتمالية يسهل تحديد الـ ATTE دون اشتراط التقييد على طبقات الأهلية غير المرصودة.

التطبيق والنتائج
طُبق المنهج على مجموعة مكونة من 14,809 مريضاً من دراسة Kaiser Permanente DURABLE الذين خضعوا لجراحة السمنة (تحويل مسار المعدة - RYGB مقابل جراحة التكميم - SG) بين عامي 2008 و2011. وتقيم الدراسة تغير الوزن طويل الأمد والتعافي من داء السكري من النوع الثاني (T2DM).

• الحساسية للتشغيل الإجرائي: حلل المؤلفون 40 تشغيلاً مختلفاً لمعايير الأهلية (بتغيير نوافذ النظر إلى الوراء لمؤشر كتلة الجسم والسكري).
• التحيز في المناهج القياسية: أظهر مقدر الحالة الكاملة (CC) تحيزاً كبيراً (تراوح بين -7.1% إلى -6.2% لتغير الوزن و3.7% إلى 8.2% للتعافي من السكري)، مما يشير إلى أن استبعاد المرضى الذين لديهم بيانات أهلية ناقصة يؤدي بشكل منهجي إلى المبالغة في تقدير أثر العلاج.
• أداء المقدرات المقترحة: قللت مقدرات الدوال التأثيرية المقترحة ($\hat{\theta}_{EIF}$ و $\hat{\theta}_{IF}$) من هذه الآثار نحو الصفر.
  • بالنسبة لـ تغير الوزن، ظل $\hat{\theta}_{EIF}$ يشير إلى فائدة لعملية RYGB مقارنة بـ SG، وإن كان حجم التأثير قد انخفض بمعدل 19.5% مقارنة بمقدر CC.
  • بالنسبة لـ التعافي من السكري (T2DM)، كانت النتائج أكثر دقة؛ فبينما أشار مقدر CC إلى ميزة كبيرة لـ RYGB، أظهرت المقدرات المتينة تأثيراً أصغر بكثير (يتراوح بين 0.1% إلى 7.4%)، مع فترات ثقة غالباً ما تشمل الصفر. وهذا يشير إلى أن الميزة الظاهرية لـ RYGB في التعافي من السكري في الدراسات السابقة قد تكون مدفوعة بتحيز الاختيار.
• تحليل الحساسية: أظهر تحليل نقطة التحول (tipping point analysis) أن الاستنتاج المتعلق بفوائد فقدان الوزن لـ RYGB متين تجاه انتهاكات فرضية MAR، حيث يتطلب الأمر فروقاً هائلة وغير منطقية في احتمالات الفقدان لإبطال النتائج. ومع ذلك، كانت نتائج التعافي من السكري أكثر حساسية تجاه هذه الانتهاكات.

الأهمية والادعاءات
يدعي المؤلفون أن عملهم يعالج مصدراً حرجاً، وغالباً ما يتم تجاهله، للتحيز في البحوث القائمة على السجلات الصحية الإلكترونية. ومن خلال إثبات أن استراتيجيات الاستبعاد القياسية يمكن أن تؤدي إلى تقديرات متضخمة لآثار العلاج، يدعو البحث إلى اعتماد الأساليب شبه المعلمية والمتينة.

خلصت الدراسة إلى أنه بينما توفر عملية RYGB على الأرجح فقداناً أفضل للوزن على المدى الطويل مقارنة بـ SG، فإن الأدلة على تفوق معدل التعافي من السكري أقل حزماً مما اقترحته الدراسات التي استخدمت تحليلات الحالة الكاملة. ويقترح المؤلفون أن هذه الأدلة المتينة تدعم الإرشادات السريرية الحالية وتعارض الحاجة إلى تجارب عشوائية جديدة واسعة النطاق لهذه النتائج المحددة، نظراً لعدم وجود حاجة سريرية ملحة (clinical equipoise) كافية. ويوفر العمل مجموعة أدوات عملية للباحثين للتعامل مع بيانات الأهلية المفقودة دون اللجوء إلى الاستبعاد التعسفي أو استراتيجيات النظر إلى الوراء التي قد تكون متحيزة.