📊 statistics

Cumulative Natural Direct and Indirect Effects for Causal Mediation Analysis

Dieses Paper führt kumulative natürliche direkte und indirekte Effekte (CNDE und CNIE) als ein neues Framework für die kausale Mediationsanalyse ein, das die Interpretationsparadoxien traditioneller Maße löst, indem es sicherstellt, dass die Zerlegung der Gesamteffekte sowohl für kontinuierliche als auch für ordinale Behandlungen die Bedingungen der Schiefsymmetrie und Additivität erfüllt.

Ursprüngliche Autoren: Yuta Kawakami, Jin Tian

Veröffentlicht 2026-06-23

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Yuta Kawakami, Jin Tian

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen herauszufinden, warum ein Auto beschleunigt. Sie wissen, dass der Fahrer das Gaspedal gedrückt hat (die Behandlung), und das Auto wurde schneller (das Ergebnis). Aber es gibt einen Vermittler: Der Motor heult zuerst auf (der Mediator), und dieser treibt dann das Auto an.

Wissenschaftler nutzen seit langem eine Methode, um diesen Geschwindigkeitszuwachs in zwei Teile zu zerlegen, die sogenannte „Kausale Mediationsanalyse“:

Direkter Effekt: Wie sehr das Gaspedal das Auto schneller gemacht hat, ohne dass der Motor hochdrehte (vielleicht durch eine direkte mechanische Verbindung).
Indirekter Effekt: Wie sehr das Auto schneller wurde, weil das Gaspedal zuerst den Motor hochgedreht hat.

Lange Zeit verwendeten Forscher ein Standardwerkzeug, um diese beiden Teile zu messen, genannt NDE (Natural Direct Effect) und NIE (Natural Indirect Effect).

Das Problem: Das „paradoxe“ Lineal

Die Autoren dieser Arbeit entdeckten, dass das Standardwerkzeug (NDE/NIE) wie ein kaputtes Lineal ist. Es hat zwei große Mängel, die die Ergebnisse verwirrend und manchmal widersprüchlich machen:

Das „Flip-Flop“-Problem (Mangelnde Skewsymmetrie):
Stellen Sie sich vor, Sie messen die Entfernung von Ihrem Haus zum Park. Wenn Sie von Haus $\to$ Park gehen, ist die Entfernung 5 Meilen. Wenn Sie vom Park $\to$ Haus gehen, sollte die Entfernung -5 Meilen betragen (die gleiche Magnitude, nur die entgegengesetzte Richtung).
Mit dem alten Werkzeug, wenn Sie fragten: „Wie sehr hat das Rauchen einer zusätzlichen Zigarette das Risiko für Herzkrankheiten erhöht?“, könnten Sie als Antwort erhalten: „Es wurde zu 100 % durch Bluthochdruck verursacht.“
Aber wenn Sie die Frage umgekehrt gestellt hätten: „Wie sehr hat die Reduzierung des Rauchens um eine Zigarette das Risiko für Herzkrankheiten gesenkt?“, könnte das gleiche Werkzeug sagen: „Es wurde zu 0 % durch Bluthochdruck verursacht; es war alles direkt!“
Das Paradoxon: Der Mechanismus der Krankheit sollte sich nicht ändern, nur weil man die Frage umgekehrt stellt. Das alte Werkzeug liefert zwei völlig unterschiedliche Geschichten für dieselbe Realität.
Das „Broken Sum“-Problem (Mangelnde Additivität):
Stellen Sie sich vor, Sie gehen von Ihrem Haus zum Park (5 Meilen) und dann vom Park zur Bibliothek (3 Meilen). Die Gesamtstrecke sollte 8 Meilen sein.
Mit dem alten Werkzeug, wenn Sie die Reise von Haus $\to$ Park und dann von Park $\to$ Bibliothek separat messen würden, könnten die Zahlen etwas Seltsames ergeben, wie etwa 6 Meilen oder 10 Meilen, anstatt der wahren 8 Meilen.
Das Paradoxon: Man kann den Teilen nicht vertrauen, um das Ganze zu erklären. Wenn man eine lange Reise in kleine Schritte unterteilt, sagt das alte Werkzeug, dass die „indirekte“ Ursache davon abhängt, wie man die Reise zerlegt.

Die Lösung: Ein neues „kumulatives“ Lineal

Um dies zu beheben, haben die Autoren neue Werkzeuge erfunden, die CNDE (Cumulative Natural Direct Effect) und CNIE (Cumulative Natural Indirect Effect) genannt werden.

Betrachten Sie die alte Methode als eine Methode, die eine Momentaufnahme der Reise am Anfang und am Ende macht und die Mitte ignoriert.
Die neue Methode ist wie das Schritt-für-Schritt-Abgehen des gesamten Pfades.

Wie es funktioniert: Anstatt den großen Sprung von „0 Zigaretten“ zu „40 Zigaretten“ auf einmal zu betrachten, betrachtet das neue Werkzeug die winzigen, infinitesimalen Schritte: „Was passiert, wenn man von 0 auf 0,1 geht? Dann von 0,1 auf 0,2?“
Es berechnet die direkten und indirekten Effekte für jeden einzelnen winzigen Schritt entlang des Weges und addiert sie dann alle auf (kumuliert).

Warum dieses neue Lineal besser ist

Es ist konsistent (Skewsymmetrie): Wenn Sie von Haus $\to$ Park gehen, erhalten Sie +5. Wenn Sie von Park $\to$ Haus gehen, erhalten Sie -5. Die Geschichte bleibt dieselbe; nur die Richtung ändert sich. Das neue Werkzeug stellt sicher, dass der Anteil des Effekts, der durch den Motor (Mediator) verursacht wird, gleich bleibt, egal aus welcher Richtung man schaut.
Es addiert sich auf (Additivität): Wenn Sie von Haus $\to$ Park und dann von Park $\to$ Bibliothek gehen, garantiert das neue Werkzeug, dass die Summe der beiden kleinen Reisen der großen Reise entspricht. Sie können darauf vertrauen, dass die „indirekte“ Ursache der gesamten Reise einfach die Summe der „indirekten“ Ursachen der kleinen Schritte ist.

Realwelt-Test: Die Rauch-Studie

Die Autoren testeten dieses neue Werkzeug mit echten Daten über das Rauchen, das Körpergewicht (BMI) und die Herzfrequenz.

Ergebnisse des alten Werkzeugs: Als sie die Zunahme des Rauchens von 20 auf 40 Zigaretten untersuchten, sagte das Werkzeug, dass der Effekt hauptsächlich direkt sei. Aber als sie die Reduzierung von 40 auf 20 Zigaretten untersuchten, sagte es, dass der Effekt hauptsächlich indirekt sei. Es war ein verwirrendes Durcheinander.
Ergebnisse des neuen Werkzeugs: Das neue Werkzeug lieferte eine konsistente Geschichte. Egal, ob das Rauchen zunahm oder abnahm, es zeigte, dass etwa zwei Drittel des Effekts direkt und ein Drittel indirekt (mediiert durch den BMI) war. Die Zahlen gingen perfekt auf: Der Effekt des Übergangs von 20 auf 40 war exakt die Summe von 20 auf 30 und 30 auf 40.

Zusammenfassung

Das Paper argumentiert, dass die alte Art, „direkte“ und „indirekte“ Ursachen zu messen, mathematisch fehlerhaft ist, weil sie widersprüchliche Ergebnisse liefert, je nachdem, wie man die Frage stellt. Die Autoren schlagen eine neue „kumulative“ Methode vor, die die Behandlung (wie Rauchen oder Dosierung) als kontinuierlichen Pfad behandelt. Indem sie alle winzigen Schritte entlang dieses Pfades aufsummieren, bietet die neue Methode eine stabile, logische und nicht widersprüchliche Weise zu verstehen, wie Behandlungen durch Mediatoren Auswirkungen auf Ergebnisse haben.

Technisches Resümee: Kumulative natürliche direkte und indirekte Effekte für die kausale Mediationsanalyse

Problemstellung
Die kausale Mediationsanalyse zielt darauf ab, den Gesamteffekt (Total Effect, TE) einer Behandlung $X$ auf ein Ergebnis $Y$ in direkte und indirekte Pfade durch einen Mediator $M$ zu zerlegen. Das Standardframework stützt sich auf Natürliche Direkte Effekte (Natural Direct Effects, NDE) und Natürliche Indirekte Effekte (Natural Indirect Effects, NIE). Während der TE zwei fundamentale algebraische Eigenschaften erfüllt, die für interpretierbare kausale Effekte wünschenswert sind – nämlich Skewsymmetrie (die Umkehrung des Behandlungs-Kontrasts kehrt das Vorzeichen des Effekts um) und Additivität (Effekte über benachbarte Intervalle summieren sich konsistent auf) – erfüllen die Standard-NDE und NIE im Allgemeinen nicht diese Eigenschaften.

Die Autoren zeigen, dass dieses Versagen zu „paradoxen Interpretationen“ führt. Konkret:

Mangelnde Skewsymmetrie: Die relativen Beiträge direkter und indirekter Effekte ändern sich je nach Richtung des Behandlungs-Kontrasts (z. B. $X=x''$ vs. $X=x'$ versus $X=x'$ vs. $X=x''$ ). Dies kann zu widersprüchlichen Schlussfolgerungen darüber führen, ob ein Effekt mediiert oder direkt ist, allein durch das Ändern der Referenzpunkte.
Mangelnde Additivität: Die Zerlegung eines Gesamteffekts über ein großes Intervall entspricht nicht notwendigerweise der Summe der Zerlegungen über Teilintervalle. Dies erschwert es, Mediationsmechanismen über verschiedene Behandlungsstufen hinweg kohärent zu interpretieren.

Diese Probleme treten besonders deutlich in Modellen mit Behandlungs-Mediator-Interaktionen (z. B. lineare Modelle mit Interaktionstermen) auf, in denen die Standardzerlegung nicht mit intuitiven pfadbasierten Interpretationen übereinstimmt.

Methodik
Um diese strukturellen Einschränkungen zu adressieren, schlägt die Arbeit neue Maße für direkte und indirekte Effekte vor, welche die Skewsymmetrie und Additivität bewahren. Die Methodik unterteilt sich in zwei Settings: kontinuierliche Behandlungen und ordinale Behandlungen.

Kontinuierliche Behandlungen (CNDE und CNIE):
- Lokale Zerlegung: Anstatt globale Kontraste direkt zu zerlegen, führen die Autoren eine lokale Zerlegung des Lokalen Gesamteffekts (Local Total Effect, LTE) ein, definiert als die Ableitung $E[\partial_x Y_x]$ . Unter Annahmen der Differenzierbarkeit und Stetigkeit lässt sich der LTE additiv in einen Lokalen Natürlichen Direkten Effekt (LNDE) und einen Lokalen Natürlichen Indirekten Effekt (LNIE) zerlegen.
- Kumulative Integration: Die neuen Maße, der Kumulative Natürliche Direkte Effekt (CNDE) und der Kumulative Natürliche Indirekte Effekt (CNIE), sind definiert als die Integrale von LNDE und LNIE entlang des Behandlungspfades von $x'$ nach $x''$ .
- Wesentlicher Unterschied: Im Gegensatz zu NDE/NIE integrieren CNDE/CNIE infinitesimale lokale Effekte, bei denen sich sowohl das Behandlungsniveau als auch der Referenzwert des Mediators entlang des Pfades entwickeln, während bei NDE/NIE ein Argument an einem Endpunkt fixiert wird.
- Identifikation: Unter den Standardbedingungen der sequentiellen Ignorierbarkeit und Regularität sind CNDE und CNIE über Integrale von bedingten Erwartungswerten und Dichten identifizierbar, die aus Beobachtungsdaten abgeleitet werden.
Ordinale Behandlungen (Diskrete Analoga):
- Da Ableitungen für diskrete Variablen nicht definiert sind, definieren die Autoren diskrete Analoga durch die Summation endlicher Schritt-Kontraste entlang geordneter Behandlungsstufen.
- CNDE-O und CNIE-O: Diese werden durch die Summation von Standard-NDE und NIE über benachbarte Stufen konstruiert. Während sie über monotone Sequenzen Additivität erfüllen, erfüllen sie keine Skewsymmetrie, da die zugrunde liegenden NDE/NIE dies nicht tun.
- Skewsymmetrische Versionen (S-NDE, S-NIE, S-CNDE-O, S-CNIE-O): Um Skewsymmetrie für ordinale Behandlungen wiederherzustellen, schlagen die Autoren vor, die Vorwärts- und Rückwärts-Endpunkt-Evaluierungen von NDE und NIE zu mitteln. Die resultierenden S-CNDE-O und S-CNIE-O erfüllen sowohl die Skewsymmetrie als auch die eingeschränkte Additivität (gültig für monotone Tripletts).

Wesentliche Beiträge

Identifikation struktureller Mängel: Die Arbeit identifiziert formal, dass das Versagen von NDE und NIE hinsichtlich der Skewsymmetrie und Additivität zu paradoxen Interpretationen in der Mediationsanalyse führt, insbesondere bei Vorhandensein von Interaktionen.
Neue Effektmaße:
- Für kontinuierliche Behandlungen führt die Einführung von CNDE und CNIE an, die eine pfadweise Zerlegung des TE bereitstellen, welche für jedes nichtparametrische Modell sowohl die Skewsymmetrie als auch die Additivität erfüllt.
- Für ordinale Behandlungen die Entwicklung von S-CNDE-O und S-CNIE-O, die skewsymmetrische Versionen von NDE und NIE nutzen, um beide strukturelle Eigenschaften zu bewahren.
Theoretische Garantien: Die Arbeit etabliert Zerlegungssätze, die zeigen, dass der TE als Summe der vorgeschlagenen direkten und indirekten Effekte ausgedrückt werden kann ($TE = CNDE + CNIE$), und liefert Identifikationsergebnisse unter Standard-Kausalannahmen (sequenzielle Ignorierbarkeit).
Empirische Illustration: Unter Verwendung eines realen Datensatzes aus der Framingham Heart Study, der den Effekt des Rauchens auf die Herzfrequenz vermittelt durch den BMI untersucht, demonstrieren die Autoren, dass Standard-NDE/NIE-Schätzungen die vorhergesagten Paradoxien aufweisen (z. B. drastisch unterschiedliche Effektgrößen und Proportionen beim Umkehren der Behandlungs-Kontraste). Im Gegensatz dazu liefern die vorgeschlagenen CNDE- und S-CNDE-O-Maße kohärente, additive und richtungsinvariante Zerlegungen.

Ergebnisse
In der empirischen Anwendung zeigten die Standard-NDE- und NIE-Schätzungen eine signifikante Asymmetrie; so führte beispielsweise die Umkehrung des Behandlungs-Kontrasts von (20 auf 40 Zigaretten) zu (40 auf 20 Zigaretten) zu NDE-Schätzungen von 0,955 und -0,363 bzw. NIE-Schätzungen von 0,161 und 0,431. Dies verletzte die intuitive Erwartung, dass der Anteil des mediierten Effekts unabhängig von der Richtung konsistent bleiben sollte. Zudem entsprach die Summe der indirekten Effekte über Teilintervalle (20 $\rightarrow$ 30 und 30 $\rightarrow$ 40) nicht dem indirekten Effekt über das volle Intervall (20 $\rightarrow$ 40), was die Additivität verletzte.

Die vorgeschlagenen Maße (CNDE, CNIE, S-CNDE-O, S-CNIE-O) lösten diese Probleme. Die Schätzungen für die kumulativen Maße waren in der Größenordnung nahezu identisch, aber entgegengesetzt im Vorzeichen, wenn der Kontrast umgekehrt wurde (was die Skewsymmetrie erfüllt), und die Effekte über Teilintervalle summierten sich exakt zum Effekt über das volle Intervall (was die Additivität erfüllt). Dies lieferte eine konsistente Interpretation: Für den 20–40 Kontrast wurde der Effekt in eine moderate positive direkte Komponente und eine kleine negative indirekte Komponente zerlegt – ein Muster, das über die Teilintervalle hinweg stabil blieb.

Bedeutung
Die Arbeit argumentiert, dass NDE und NIE zwar valide kausale Größen sind, ihr Mangel an fundamentalen algebraischen Eigenschaften jedoch die Interpretation erschwert und in der Praxis zu irreführenden Schlussfolgerungen führen kann. Das vorgeschlagene Framework bietet eine fundierte Alternative, die strukturelle Kohärenz gewährleistet. Durch die Bewahrung von Skewsymmetrie und Additivität bieten die neuen Maße (CNDE/CNIE und deren ordinale Gegenstücke) eine intuitivere und stabilere Basis für das Verständnis von Mediationsmechanismen, insbesondere in Settings mit kontinuierlichen oder ordinalen Behandlungen und Interaktionseffekten. Die Autoren merken an, dass diese Arbeit die Bedeutung struktureller Eigenschaften in der Effektzerlegung betont und nahelegt, dass diese Maße bevorzugt werden sollten, wenn pfadbasierte Interpretationen gewünscht sind. Die Arbeit schließt mit der Identifikation zukünftiger Forschungsrichtungen, einschließlich der Erweiterung dieser Maße auf Settings mit nicht gemessenen Confoundern (unter Verwendung von Instrumentalvariablen oder Sensitivitätsanalysen) und der Handhabung multipler Mediatoren.