On the PM2.5 -- Mortality Association: A Bayesian Model for Spatio-Temporal Confounding

Resumen Técnico: Un Modelo Bayesiano para la Confusión Espacio-Temporal en la Asociación entre PM2.5 y Mortalidad

Planteamiento del Problema
En los estudios epidemiológicos que vinculan la contaminación del aire con la salud pública, la estimación de la asociación entre exposición y desenlace se ve frecuentemente obstaculizada por dos desafíos primarios: la forma funcional desconocida de la relación y la presencia de factores de confusión no medidos que están correlacionados espacial y temporalmente tanto con la exposición como con el desenlace. Estos problemas son particularmente agudos en los análisis espacio-temporales donde la exposición (PM2.5) y el riesgo de salud (mortalidad) varían conjuntamente en el espacio y el tiempo. Los enfoques tradicionales suelen depender de supuestos simplificadores, como relaciones lineales constantes o efectos estacionales periódicos, que no logran dar cuenta de dinámicas complejas como la pandemia de SARS-CoV-2, cambios abruptos en el comportamiento humano o interacciones entre contaminantes y variables meteorológicas. Además, la "confusión espacio-temporal" —definida aquí como el sesgo por confusión omitida derivado de factores no medidos con estructura espacio-temporal— puede conducir a inferencias incorrectas si no se controla adecuadamente.

Metodología
Los autores proponen el Modelo Lineal Generalizado Dinámico Espacial para la Confusión (SDGLMC, por sus siglas en inglés), un marco bayesiano diseñado para abordar simultáneamente la especificación errónea del modelo y la confusión no medida.

1. Descomposición del Efecto de la Exposición:
   El núcleo de la metodología se basa en una expansión de Taylor de primer orden para descomponer el efecto de la exposición en dos componentes ortogonales:

   • Componente de gran escala: $f(\hat{X}_{it})$, que representa la tendencia espacio-temporal general de la exposición.
   • Componente de pequeña escala (local): $f'(\hat{X}_{it})(X_{it} - \hat{X}_{it})$, que representa las desviaciones de la tendencia.
     El modelo asume que los confundidores no medidos ($Z_{it}$) son suaves en el espacio y el tiempo y, por lo tanto, están altamente correlacionados con la tendencia de gran escala $\hat{X}_{it}$, pero no correlacionados con la exposición local desestacionalizada $(X_{it} - \hat{X}_{it})$. Al realizar una regresión del desenlace sobre la exposición desestacionalizada, el modelo busca aislar la asociación local menos susceptible al sesgo de confusión.

2. Estructura del Modelo Lineal Generalizado Dinámico (DGLM):
   El predictor lineal $\vartheta_{it} = \ln(\mu_{it})$ se modela como:
   $$\vartheta_{it} = o_{it} + \beta_{0it} + \beta_{1it}(X_{it} - \hat{X}_{it}) + M'_{it}\alpha + \tilde{u}_{it}$$
   donde $o_{it}$ es el offset, $M_{it}$ representa los confundidores medidos, y $\tilde{u}_{it}$ es el ruido gaussiano.

   • $\beta_{1it}$ (Pendiente Local): Un coeficiente variable espacio-temporal que representa la asociación local entre la exposición y la mortalidad. Se descompone en una base ($\delta_1$), un efecto específico del tiempo ($\delta_{1t}$) y un efecto espacial ($\tilde{\delta}_{1i}$). El efecto temporal sigue un proceso de paseo aleatorio (random walk).
   • $\beta_{0it}$ (Intercepto): Un intercepto variable espacio-temporal que captura el efecto de la exposición a gran escala y el confundidor no medido. Incluye una base, componentes específicos del tiempo, del espacio y una interacción espacio-temporal. El término de interacción ($\delta^*_{0it}$) se modela utilizando diversas estructuras (por ejemplo, Paseos Aleatorios Independientes con varianzas específicas por área) para capturar la heterogeneidad, como la observada durante la pandemia en distritos específicos.

3. Inferencia:
   El modelo se ajusta mediante un enfoque bayesiano con simulaciones de Monte Carlo por Cadenas de Markov (MCMC). Los priors se especifican para los parámetros de varianza y los estados iniciales, con un análisis de sensibilidad cuidadoso para asegurar que el modelo capture cambios graduales sin sobreajuste. La estructura espacial para los efectos específicos de cada área se modela utilizando procesos de Autorregresión Condicional Intrínseca (ICAR).

Contribuciones Clave

• Especificación de Modelo Novedosa: La introducción del SDGLMC, que integra los DGLM con una descomposición del efecto de la exposición para manejar explícitamente la confusión espacio-temporal mediante la reducción del "sesgo por confusión omitida".
• Manejo de la No Linealidad y la Dinámica: A diferencia de los modelos que asumen efectos constantes o periódicos, el SDGLMC permite que la asociación exposición-desenlace evolucione suavemente en el tiempo y el espacio, acomodando eventos excepcionales (p. ej., pandemias) sin cambios abruptos e irreales.
• Estrategia de Descomposición: La separación explícita del efecto de la exposición en componentes de gran escala (confundidos) y pequeña escala (menos confundidos) proporciona un mecanismo para recuperar la verdadera forma de la asociación local.
• Modelado de Interacción Flexible: El marco permite la descomposición del intercepto en efectos de base, temporales, espaciales y de interacción, ofreciendo interpretabilidad sobre dónde y cuándo cambia la vulnerabilidad a la contaminación.

Resultados

• Estudios de Simulación:
  • Mitigación del Sesgo de Confusión: En el Estudio de Simulación 1, el SDGLMC redujo significamente el sesgo en comparación con los modelos Nulo y GLM estándar (con splines temporales) a través de tres escenarios que involucraban diferentes estructuras de autocorrelación espacial y temporal de los confundidores no medidos. Aunque persistió cierto sesgo en escenarios con alta variación temporal de frecuencia, el SDGLMC superó consistentemente a sus competidores en el Error Cuadrático Medio (MSE) y el Sesgo Absoluto Máximo (MAB).
  • Recuperación de la Forma Funcional: El Estudio de Simulación 2 demostró que el SDGLMC podía recuperar la primera derivada de una función de respuesta a la exposición no lineal y que la eliminación de la tendencia de gran escala fue crucial para reducir el sesgo de confusión en comparación con un modelo que no desestacionalizaba la exposición.
• Aplicación de Datos Reales (Italia, 2018–2022):
  • Al analizar la mortalidad por todas las causas en personas de más de 65 años en Piemonte y Lombardía, el modelo reveló un patrón temporal claro en el efecto de la exposición local, con picos durante los meses de verano (p. ej., junio de 2019, julio de 2022) donde el aumento del riesgo por un incremento de 10 $\mu g/m^3$ en PM2.5 alcanzó hasta un 5.50%.
  • Durante la pandemia (2020–2021), el efecto de la exposición generalmente no estuvo alejado de cero, probablemente debido a las medidas de confinamiento, el uso de mascarillas y la reducción de la actividad al aire libre.
  • El modelo con la interacción de Tipo T5 (Paseos Aleatorios Independientes con varianzas específicas por área) proporcionó el mejor ajuste (menor DIC), capturando con éxito la oleada única de mortalidad en Bérgamo durante la pandemia.
  • Se encontró que la variación espacial en el efecto de la exposición local fue insignificante, probablemente debido a las similitudes socioeconómicas y ambientales entre las dos regiones.

Significancia y Reivindicaciones
El artículo sostiene que el SDGLMC es una herramienta flexible y efectiva para estimar las asociaciones entre exposición y desenlace en presencia de confusión espacio-temporal y dinámicas no lineales. Los autores argumentan que:

1. Superioridad sobre Modelos Estáticos: Asumir una asociación constante es probablemente inadecuado dada la compleja interacción de las condiciones meteorológicas, el comportamiento humano y los factores no medidos. El SDGLMC captura estas dinámicas mejor que los modelos que asumen funciones de paso constantes o estacionales.
2. Mecanismo de la Estacionalidad: Los picos de verano observados en el efecto de la exposición, a pesar de las concentraciones de PM2.5 generalmente más bajas en verano, sugieren una potencial interacción entre PM2.5 y la temperatura del aire (u otros confundidores no medidos) en lugar de un simple efecto de umbral.
3. Robustez: El modelo proporciona estimaciones precisas incluso cuando se excluyen los confundidores medidos, aunque la inclusión de estos (temperatura, humedad) refina las estimaciones, particularmente durante las olas de calor.
4. Limitaciones: Los autores señalan modestamente que, si bien el modelo recupera la forma de la asociación, la forma funcional exacta de las interacciones sigue siendo desconocida. También aclaran que el estudio se centra en la mortalidad por todas las causas en adultos mayores, lo que dificulta las afirmaciones causales directas sobre resultados específicos de COVID-19, aunque los hallazgos se alinean con la hipótesis de que los confinamientos alteraron los patrones de exposición.

El trabajo posiciona al SDGLMC como un avance valioso para los investigadores que estudian los efectos de salud de la contaminación del aire a pequeña escala en el espacio y el tiempo, ofreciendo un método para desentrañar los verdaderos efectos de la exposición de las complejas estructuras de confusión.