An average-case sensitivity analysis for unmeasured confounding

Resumen Técnico: Un Análisis de Sensibilidad de Caso Promedio para el Confundimiento No Medido

Planteamiento del Problema
En los estudios observacionales, la inferencia causal depende del supuesto de no confundimiento (ignorabilidad), el cual postula que la asignación del tratamiento es independiente de los resultados potenciales condicionado a las covariables observadas. Dado que este supuesto es no testeable, se requiere un análisis de sensibilidad para evaluar cómo podrían cambiar las conclusiones ante violaciones del no confundimiento. Los enfoques existentes, particularmente el modelo de sensibilidad marginal (Tan, 2006; Zhao et al., 2019), emplean típicamente un parámetro de "peor caso" ($\Gamma$) que acota la norma $L_\infty$ de la diferencia de logit entre los puntajes de propensión observados y de los datos completos. Aunque es matemáticamente tratable, este enfoque de peor caso puede ser excesivamente pesimista, ya que el límite está determinado por los valores más extremos (y potencialmente raros) de las covariables, fallando en capturar la fuerza promedio del confundimiento no medido.

Metodología
Los autores proponen un nuevo modelo de sensibilidad de caso promedio parametrizado por el segundo momento de la razón de los puntajes de propensión, $\Sigma$. En lugar de acotar la desviación máxima, este modelo restringe el valor esperado del cuadrado de la razón de los puntajes de propensión:
$$E \{ \nu_{1,h}(X) \} \le \Sigma,$$
donde $\nu_{1,h}(X) = E\{h^2(X, Y) \mid X, Z=1\}$ y $h(X, Y) = e(X)/e(X, Y)$ es la razón del puntaje de propensión. Esta formulación requiere únicamente que la fuerza promedio del confundimiento no medido esté acotada.

El artículo aborda el análisis de sensibilidad asociado como un problema de optimización para derivar límites ajustados sobre los resultados potenciales promedio, $E\{Y(1)\}$ y $E\{Y(0)\}$.

1. Soluciones de la Población: Los autores resuelven analíticamente el problema de optimización utilizando formulaciones de Lagrangiano.
   • Reformulan el problema para minimizar un compromiso entre el "riesgo" (segundo momento) y el "rendimiento" (primer momento) de la razón del puntaje de propensión, trazando una analogía con el problema de cartera de Markowitz.
   • Derivan soluciones en forma cerrada para la función de razón del puntaje de propensión óptima $h^*(X, Y)$. A diferencia del modelo de peor caso, donde la solución óptima es una función constante a trozos (función escalón), la solución de caso promedio es una función lineal a trozos de la variable de resultado $Y$.
   • Establecen que estas soluciones producen límites ajustados (sharp bounds), lo que significa que cualquier valor dentro del intervalo derivado es alcanzable por una distribución de generación de datos válida que satisfaga las restricciones.
2. Estimación e Inferencia:
   • Los autores derivan las Funciones de Influencia Eficientes (EIFs) para los límites y los valores de sensibilidad bajo tanto el modelo de caso promedio como el de peor caso.
   • Proponen estimadores de un solo paso (one-step estimators) basados en estas EIFs, utilizando el método de cross-fitting para manejar los parámetros de molestia (como el puntaje de propensión y la densidad condicional del resultado). Este enfoque permite la consistencia $\sqrt{n}$ y la normalidad asintótica incluso cuando los parámetros de molestia se estiman a tasas más lentas (por ejemplo, $o_P(n^{-1/4})$).
   • Para facilitar la inferencia sobre un rango de parámetros de sensibilidad, aplican el bootstrap de multiplicador para construir bandas de confianza simultáneas para las curvas de sensibilidad.

Resultados Clave

• Límites más Ajustados: A través de un ejemplo numérico que involucra una estructura de "confundimiento de compuerta" (gated confounding), los autores demuestran que el modelo de caso promedio produce límites significativamente más ajustados sobre el Efecto de Tratamiento Promedio (ATE) en comparación con el modelo de peor caso. Se muestra que el parámetro de peor caso $\Gamma$ es impulsado por valores atípicos extremos, mientras que el parámetro de caso promedio $\Sigma$ refleja mejor la fuerza del confundimiento para la mayoría de la población.
• Eficiencia: Los estudios de simulación confirman que los estimadores de un solo paso propuestos basados en EIFs convergen más rápido y tienen un error cuadrático medio (RMSE) más bajo en comparación con los estimadores directos de tipo plug-in, particularmente cuando los parámetros de molestia se estiman mediante métodos no paramétricos.
• Aplicación a Datos Reales: En un estudio que estima el efecto del consumo de pescado sobre los niveles de mercurio en sangre (NHANES 2013-2014), los autores calibran los parámetros de sensibilidad frente a las covariables observadas (educación, ingresos, edad). El modelo de caso promedio sugiere que la conclusión (que el consumo de pescado aumenta el mercurio) es robusta al confundimiento no medido de una magnitud comparable a estas covariables observadas, mientras que el modelo de peor caso sugiere que la conclusión es frágil. Los límites del caso promedio son notablemente más optimistas y ajustados.

Significancia y Reivindicaciones
El artículo afirma proporcionar un marco de análisis de sensibilidad más realista y menos pesimista al cambiar de restricciones de peor caso a de caso promedio. Las contribuciones clave incluyen:

1. Tractabilidad Analítica: A diferencia de las generalizaciones previas de los modelos de sensibilidad marginal que relajan las restricciones para hacer la optimización tratable (resultando en límites no ajustados), este trabajo proporciona soluciones en forma cerrada y ajustadas (sharp) para el problema de caso promedio.
2. Visión Unificada: Las soluciones derivadas ofrecen una perspectiva unificadora de los modelos de peor caso y de caso promedio, destacando la diferencia estructural entre los pesos óptimos constantes a trozos (peor caso) y lineales a trozos (caso promedio).
3. Utilidad Práctica: Al permitir la construcción de bandas de confianza simultáneas y proporcionar un método para calibrar los parámetros de sensibilidad utilizando covariables observadas, el enfoque facilita interpretaciones más matizadas y optimistas de los resultados de estudios observacionales sin sacrificar el rigor matemático.

Los autores sostienen que, si bien el modelo de caso promedio es más optimista, sigue siendo una herramienta válida de análisis de sensibilidad que captura la fuerza "promedio" del confundimiento no medido, lo cual suele ser más relevante para la política y la inferencia científica que el escenario teórico de peor caso.