Resumen Técnico: Inferencia de Aleatorización Selectiva para Experimentos Adaptativos

Enunciado del Problema

Los experimentos adaptativos, que utilizan análisis preliminares de datos para informar las etapas posteriores de reclutamiento y asignación de tratamiento, son cada vez más comunes en las ciencias médicas y sociales. Sin embargo, los métodos estándar de inferencia estadística a menudo fallan en estos contextos porque la hipótesis nula y el diseño experimental se vuelven dependientes de los datos. Esta "selección" introduce sesgo, invalidando las pruebas de aleatorización ingenuas al ignorar el hecho de que las decisiones de diseño futuras se condicionaron a resultados pasados. Aunque existen soluciones existentes, a menudo se limitan a diseños adaptativos específicos (por ejemplo, ensayos de múltiples brazos y múltiples etapas) o dependen de fuertes supuestos paramétricos y aproximaciones asintóticas que pueden no cumplirse en poblaciones finitas. Además, los enfoques simples de división de datos, aunque válidos, son ineficientes ya que descartan la información contenida en la etapa inicial utilizada para la selección.

Metodología

Los autores proponen la Inferencia de Aleatorización Selectiva (SRI), un marco general y libre de modelos para analizar experimentos adaptativos. La metodología central integra la inferencia condicional post-selección con los principios de la inferencia de aleatorización.

1. Marco Causal y Supuestos

Los autores modelan los experimentos adaptativos con $K$ etapas utilizando Grafos Acíclicos Dirigidos (DAG). Definen una configuración general que involucra:

• Reclutamiento ($R_k$): Modelado como un evento aleatorio donde el conjunto de unidades reclutadas puede depender de datos previos.
• Asignación de Tratamiento ($Z_k$): Aleatorizada por el experimentador pero potencialmente dependiente de covariables y resultados pasados.
• Estadísticas de Selección ($S_k$): Funciones deterministas de los datos observados que dictan el diseño de las etapas posteriores (por ejemplo, qué subgrupos reclutar).

Se requieren tres supuestos mínimos para la validez:

• (A1) Asignación Secuencial Conocida: La distribución de las asignaciones de tratamiento $q(z | r, x, y)$ es conocida.
• (A2) Independencia Condicional: La asignación de tratamiento en la etapa $k$ es condicionalmente independiente de los resultados potenciales dados los datos observados pasados y las covariables actuales.
• (A3) Suficiencia de Selección: La estadística de selección $S_{k-1}$ captura toda la información de las etapas anteriores que influye en el reclutamiento y la asignación de tratamiento de la etapa $k$.

2. El valor p de Aleatorización Selectiva

La contribución central es la definición de un valor p de aleatorización selectiva ($P_{sel}$). A diferencia de un valor p ingenuo que compara la asignación de tratamiento observada $Z$ contra todas las asignaciones aleatorias posibles, $P_{sel}$ se condiciona al evento de selección específico que ocurrió.

Formalmente, sea $Z^*$ una asignación de tratamiento contrafactual extraída de la distribución de asignación secuencial. El valor p se define como:
$$P_{sel} = P\left( T(Z^*, \dots) \leq T(Z, \dots) \mid R, X_R, Y_R(\cdot), Z, S(Z^*) = S(Z), G(Z^*) = G(Z) \right)$$
donde:

• $T$ es la estadística de prueba.
• $S(Z^*) = S(Z)$ asegura que la asignación contrafactual conduzca a la misma selección de diseño que los datos observados.
• $G(Z^*) = G(Z)$ es una estadística de condicionamiento adicional requerida para hipótesis nulas "parcialmente precisas" para asegurar que los resultados potenciales no observados puedan ser imputados.

Los autores demuestran que este valor p domina estocásticamente la distribución uniforme, controlando así el error tipo-I selectivo (la tasa de error condicionada al evento de selección).

3. Enfoques Computacionales

Dado que el soporte de la distribución condicional (asignaciones que satisfacen $S(Z^*)=S(Z)$) a menudo es intratable de enumerar, los autores proponen aproximaciones de Monte Carlo:

• Muestreo de Rechazo: Simple pero potencialmente ineficiente si la probabilidad de satisfacer la restricción de selección es baja.
• Metropolis-Hastings de Caminata Aleatoria (RWM): Un algoritmo de Cadena de Markov Monte Carlo (MCMC) que construye una cadena en el espacio de asignaciones factibles. Los autores proporcionan garantías teóricas de que la cadena converge a la distribución estacionaria correcta y que el valor p resultante controla el error tipo-I selectivo, incluso si la cadena está restringida a una clase de comunicación específica.

4. Estimación e Intervalos de Confianza

El marco se extiende a la construcción de intervalos de confianza para efectos de tratamiento homogéneos invirtiendo las pruebas de hipótesis selectivas. Los autores señalan que el condicionamiento a la selección puede conducir a curvas de valor p no monótonas, complicando la construcción de intervalos. Para mitigar esto, sugieren utilizar unidades de retención (datos no utilizados para la selección) para suavizar la curva del valor p y asegurar conjuntos de confianza bien comportados.

Resultados Clave

El artículo valida el método mediante estudios de simulación y un análisis hipotético de datos del mundo real (ensayo SPRINT):

1. Validez: En simulaciones donde la hipótesis nula es verdadera, la prueba de aleatorización ingenua (RT) exhibe tasas de error tipo-I infladas (subcobertura de intervalos de confianza), mientras que la SRT propuesta y el enfoque de división de datos (RT 2ª) controlan correctamente el error tipo-I selectivo.
2. Potencia: La SRT generalmente demuestra mayor potencia estadística que el enfoque de división de datos (RT 2ª). Al condicionarse al evento de selección en lugar de descartar la primera etapa, la SRT utiliza información "dejada fuera" de la etapa inicial, resultando en intervalos de confianza más estrechos y mayores probabilidades de rechazo para nulas falsas.
3. Cálculo: Aunque el muestreo de rechazo es directo, puede ser computacionalmente costoso cuando la restricción de selección es rara. El muestreador RWM ofrece una alternativa más eficiente, con un rendimiento en gran medida insensible a las elecciones del tamaño de ventana en los escenarios probados.
4. Aplicación a Datos Reales: En un ensayo de enriquecimiento de dos etapas hipotético derivado del ensayo SPRINT, la SRT arrojó un valor p más pequeño (0.048) en comparación con el enfoque de división de datos (0.314) para el subgrupo seleccionado, demostrando su capacidad para detectar efectos que la división de datos podría pasar por alto debido a la reducción del tamaño de la muestra.

Significado y Afirmaciones

El artículo afirma proporcionar un marco general y libre de modelos para la inferencia en experimentos adaptativos. Su significado radica en varios aspectos clave:

• Generalidad: A diferencia de los métodos anteriores restringidos a diseños específicos (por ejemplo, aleatorización adaptativa a la respuesta o ensayos de múltiples brazos), este enfoque se aplica a una amplia clase de diseños adaptativos, incluidos diseños de enriquecimiento y reglas complejas de reclutamiento.
• Naturaleza Libre de Modelos: El método se basa únicamente en la aleatoriedad de la asignación del tratamiento, sin requerir suposiciones sobre la distribución de los resultados, la independencia de los puntos de datos o modelos paramétricos. Esto lo convierte en una prueba "predeterminada" robusta para experimentos aleatorizados.
• Eficiencia: Supera la ineficiencia de la división de datos al utilizar todos los datos disponibles mientras corrige rigurosamente el sesgo de selección.
• Relevancia Regulatoria: Los autores argumentan que controlar el error tipo-I condicional es crucial desde perspectivas regulatorias, ya que trata la hipótesis seleccionada como dada, permitiendo una evaluación objetiva de la evidencia en un experimento aleatorizado.

Los autores posicionan este trabajo como un complemento a los marcos existentes de superpoblación, ofreciendo una alternativa de población finita que minimiza los supuestos de modelado. Reconocen que, aunque el marco teórico está establecido, las extensiones prácticas relacionadas con la selección óptima de estadísticas de prueba y el manejo de abandonos siguen siendo áreas para futuras investigaciones.