Resumen Técnico: Mejora de la Precisión de la Estimación de CATE Basada en RCT mediante el Préstamo de Datos con Doble Calibración

1. Planteamiento del Problema

Los Ensayos Controlados Aleatorizados (RCT, por sus siglas en inglés) son el estándar de oro para la inferencia causal, pero suelen carecer de la potencia necesaria para detectar Efectos de Tratamiento Heterogéneos (HTE) en diversos subgrupos de pacientes debido a restricciones de costo, tiempo y tamaño de la muestra. Por el contrario, los Estudios Observacionales (OS) a gran escala ofrecen datos más ricos y una cobertura poblacional más amplia, pero sufren de confusión no medida y posibles cambios en la distribución de los resultados (cambio de concepto o concept shift) en relación con la población del RCT.

Los métodos existentes para integrar datos de RCT y OS se centran principalmente en generalizar los hallazgos del RCT a poblaciones de OS más amplias ($R \to O$) o en el préstamo de brazos de control históricos para reducir la varianza en la estimación del Efecto de Tratamiento Promedio (ATE). Sin embargo, existe una falta de marcos robustos para mejorar la precisión de la estimación del Efecto de Tratamiento Promedio Condicional (CATE) dentro de la población del RCT ($O \to R$) aprovechando ambos brazos de tratamiento de los datos de OS sin asumir que los CATEs o las medias de los resultados son intercambiables entre poblaciones. El desafío radica en utilizar el gran tamaño de la muestra de los datos de OS para reducir la varianza mientras se corrigen la confusión y los cambios de resultados para preservar las garantías de imparcialidad del RCT.

2. Metodología

Los autores proponen un marco que plantea la estimación de CATE como un problema de aprendizaje supervisado, utilizando una Media de Resultado Contrafactual (CMO) como función de aumentación. La idea central es que la varianza de la estimación se minimiza cuando la función de aumentación es igual a la verdadera CMO.

2.1 Fundamentos Teóricos

• Formulación de Aprendizaje Supervisado: El CATE $\tau(x)$ se estima minimizando la pérdida al cuadrado de un pseudo-resultado $\tau_m(X, A, Y) = \frac{A(Y - m(X))}{\pi_A(X)}$.
• Aumentación Óptima: La elección de la función de aumentación que minimiza el riesgo es la CMO, definida como $\mu(x) = \sum_a \pi_{-a}(x)\mu_a(x)$, donde $\mu_a(x)$ es la media del resultado potencial para el tratamiento $a$.
• Límites de Error: Los autores derivan límites de error de muestra finita que muestran que el Error Cuadrático Medio (MSE) del estimador de CATE depende del MSE entre la función de aumentación estimada y la verdadera CMO. Específicamente, mejorar la estimación de la CMO reduce directamente tanto el riesgo de predicción como el error de estimación.

2.2 El Marco R-OSCAR

Para aprovechar los datos de OS para la estimación de la CMO sin introducir sesgo, los autores introducen R-OSCAR (Robust Observational Studies for CMO-Augmented RCT), un estimador de dos etapas que relaja la suposición de intercambiabilidad de la media de los resultados.

Pasos Clave:

1. Modelado de Resultados de OS: Estimar modelos de resultados $\hat{\mu}_o(x, a)$ utilizando el gran conjunto de datos de OS.
2. Calibración de Resultados (Etapa 1): Estimar la discrepancia $\hat{\delta}_a(x)$ entre el modelo de resultados de OS y el modelo de resultados del RCT utilizando datos del RCT. Este paso trata la discrepancia como una función estructurada (por ejemplo, dispersa o de baja dimensión) para ser aprendida mediante regresión regularizada (por ejemplo, LASSO). La media de resultado calibrada es $\hat{\mu}_o(x, a) + \hat{\delta}_a(x)$.
3. Construcción de la CMO: Construir la CMO $m(x)$ utilizando las medias de resultados de OS calibradas y las puntuaciones de propensión del RCT.
4. Calibración de CATE (Etapa 2): Para abordar el sesgo de regularización y la posible especificación errónea en la primera etapa, un segundo paso de calibración estima una función de discrepancia de CATE $\hat{\delta}(x)$. Esto corrige los sesgos residuales en la estimación preliminar del CATE derivada de la CMO calibrada.

Implementación Algorítmica:

• El método emplea división de muestras (cross-fitting) para asegurar la validez teórica, utilizando pliegues independientes de los datos del RCT para la calibración de resultados y la calibración de CATE.
• Soporta el préstamo de un solo brazo (por ejemplo, prestando solo datos de control de OS cuando la intervención es única para el RCT) adaptando la construcción de la CMO.

2.3 Diagnóstico para el Préstamo

Se propone un diagnóstico de RCT con cross-fitting para determinar a priori si el préstamo de un OS específico está respaldado. Este diagnóstico realiza una prueba de hipótesis pareada en los datos del RCT mantenidos fuera para comparar la precisión predictiva de los modelos de resultados de solo RCT frente a los modelos de resultados calibrados por OS. Si los modelos calibrados por OS no superan significativamente a los modelos de solo RCT, el marco vuelve al estimador de solo RCT (RACER), asegurando la robustez contra la especificación errónea severa del modelo o la confusión no medida.

3. Contribuciones Clave

1. Marco $O \to R$: Desarrollaron un marco que toma prestados ambos brazos de tratamiento de los datos de OS para mejorar la estimación de CATE dentro de la población del RCT, yendo más allá del simple préstamo del brazo de control.
2. Suposiciones Relajadas: Relajaron la fuerte suposición de intercambiabilidad de CATE o de la media de los resultados entre poblaciones. En su lugar, el método modela la discrepancia entre poblaciones como una función estructurada y aprendible (por ejemplo, desplazamientos dispersos).
3. Límites de la Teoría del Aprendizaje: Derivaron límites de error no asintóticos que demuestran que la eficiencia de la estimación de CATE depende de la precisión de la función de aumentación CMO.
4. Estimador R-OSCAR: Introdujeron un estimador de doble calibración que separa la estimación de la CMO de la estimación de CATE, proporcionando garantías de consistencia incluso si los modelos de resultados de OS están mal especificados, siempre que la función de discrepancia de CATE esté correctamente especificada.
5. Herramienta de Diagnóstico: Proporcionaron un diagnóstico basado en datos para certificar cuándo el préstamo es beneficioso, evitando la pérdida de eficiencia en escenarios donde los datos de OS son demasiado sesgados o estructuralmente diferentes.
6. Validación Empírica: Validaron el método mediante extensos estudios de simulación y dos estudios de caso del mundo real.

4. Resultados

4.1 Estudios de Simulación

• Reducción del Tamaño de la Muestra: En entornos lineales con discrepancias dispersas, R-OSCAR logró un rendimiento comparable o mejor que los métodos de solo RCT (Naive y RACER) usando solo 250 muestras de RCT, mientras que los métodos de solo RCT requerían 1,000 muestras. Esto representa una reducción potencial del 75% en el tamaño de muestra requerido del RCT para la detección de HTE.
• Robustez a la Especificación Errónea: R-OSCAR mantuvo un rendimiento superior sobre las líneas base incluso cuando los modelos de resultados estaban mal especificados (por ejemplo, conteniendo términos cuadráticos o sinusoidales) y cuando las líneas base utilizaron métodos flexibles como Random Forests.
• Confusión No Medida: El método se mantuvo robusto a la confusión no medida. A medida que aumentaba la fuerza de la confusión no medida, el diagnóstico reducía correctamente la probabilidad de seleccionar R-OSCAR, volviendo al estimador imparcial de solo RCT cuando el sesgo era demasiado severo.
• Dimensionalidad: La ventaja de R-OSCAR aumentó con la dimensionalidad de las covariables ($p$), alineándose con las predicciones teóricas respecto a las discrepancias dispersas.

4.2 Estudios de Caso del Mundo Real

• Estudio Tennessee STAR (Semi-sintético): Utilizando una cohorte observacional construida del ensayo STAR con confusión inducida, R-OSCAR y OSCAR superaron significativamente a la línea base de solo RCT (RACER) en la recuperación del CATE real, demostrando ganancias en imparcialidad y eficiencia.
• Ensayo Greenlight Plus (EHR Externo): En un ensayo pediátrico de obesidad vinculado con datos externos de Registros de Salud Electrónicos (EHR) (solo controles), la adaptación de un solo brazo (R-OSCAR-1arm) mejoró la estimación del brazo de control. El diagnóstico certificó con éxito el préstamo solo cuando los datos de EHR cubrían la población del ensayo, fallando en recomendar el préstamo cuando la cobertura era insuficiente.

5. Significado y Reivindicaciones

El artículo afirma ofrecer un enfoque fundamentado para integrar datos observacionales y experimentales utilizando herramientas de aprendizaje estadístico y aprendizaje por transferencia. Su importancia radica en:

• Preservar la Imparcialidad: A diferencia de los métodos que combinan directamente los conjuntos de datos o asumen transportabilidad, R-OSCAR preserva la imparcialidad de las estimaciones de RCT al anclar la estimación final de CATE en los datos del RCT mediante la calibración y la corrección de la discrepancia.
• Ganancias de Eficiencia: Demuestra que los grandes conjuntos de datos observacionales pueden aprovecharse para reducir drásticamente los requisitos de tamaño de muestra para detectar efectos de tratamiento heterogéneos, un factor crítico para la medicina personalizada.
• Robustez: Al modelar explícitamente los cambios de resultados y emplear un diagnóstico para detectar cuándo el préstamo es inapropiado, el marco evita las trampas de la integración de datos ingenua, como la inflación del sesgo debido a la confusión no medida.
• Rigor Teórico: El trabajo conecta la teoría del aprendizaje por transferencia con la inferencia causal, proporcionando límites de error de muestra finita que justifican el uso de datos de OS para la aumentación de la CMO bajo suposiciones estructurales específicas (por ejemplo, discrepancias dispersas).

Los autores concluyen que su marco permite un uso más eficiente de los datos disponibles para estrategias de tratamiento personalizado, manteniendo al mismo tiempo las rigurosas garantías causales inherentes a los RCT.