Everything all at once: On choosing an estimand for multi-component environmental exposures

A continuación se presenta un resumen técnico detallado del artículo "Todo a la vez: Sobre la elección de un estimando para exposiciones ambientales multi-componente" de Rudolph et al.

1. Planteamiento del Problema

La epidemiología ambiental enfrenta cada vez más el desafío de estimar los efectos en la salud de mezclas de exposición (por ejemplo, múltiples pesticidas, contaminantes) en lugar de exposiciones binarias únicas. Estas mezclas presentan cuatro complejidades específicas:

1. Multivariadas y Continuas: Los componentes suelen ser continuos e interdependientes, no discretos.
2. Naturaleza Longitudinal: Las exposiciones ocurren en múltiples puntos temporales, creando confusión que varía en el tiempo y bucles de retroalimentación.
3. Interacción: Los componentes pueden interactuar (por ejemplo, efectos supra-aditivos), lo que requiere métodos que capturen los efectos conjuntos en lugar de solo los marginales.
4. Soporte de Datos y Extrapolación: Una brecha crítica en la literatura existente es la falta de evaluación sobre si una intervención hipotética propuesta (por ejemplo, "reducir todos los pesticidas en un 20%") está respaldada por los datos observados. Muchos desplazamientos propuestos dependen de la extrapolación (predecir resultados en regiones del espacio de covariables donde no existen datos), lo que conduce a estimaciones sesgadas si el modelo paramétrico está mal especificado en esas regiones.

Los métodos actuales a menudo dependen de regresiones paramétricas (por ejemplo, modelos de Cox con LASSO) o índices de resumen, que pueden no capturar interacciones no lineales complejas o requerir supuestos fuertes e incontrastables en configuraciones de alta dimensión.

2. Metodología

Los autores proponen un marco para definir, evaluar y estimar efectos causales de Políticas de Tratamiento Modificadas (MTP) aplicadas a mezclas de exposición longitudinales.

A. Formulación del Estimando

En lugar de fijar las exposiciones a valores constantes (lo que a menudo conduce a parámetros no diferenciables en modelos no paramétricos), los autores se centran en intervenciones de desplazamiento:

• Definición: Una intervención hipotética $d(A_t)$ que desplaza el valor natural de la exposición $A_t$ en una cantidad específica (aditiva o multiplicativa).
• Aplicación Longitudinal: El desplazamiento se aplica secuencialmente. Para un desplazamiento multiplicativo de $\delta$ (por ejemplo, una reducción del 20%), la exposición en el tiempo $t$ se define como $A^d_t = \delta \times A_t(A^d_{t-1})$, donde $A_t$ es el valor natural condicionado a la historia de exposiciones desplazadas.
• Parámetro Objetivo: El estimando causal es la diferencia esperada en los resultados: $E[Y(\bar{A}^d) - Y]$, donde $Y(\bar{A}^d)$ es el resultado contrafactual bajo la política de desplazamiento.

B. Evaluación del Soporte de Datos (Positividad y Extrapolación)

Una contribución central es la evaluación rigurosa de si un desplazamiento propuesto está respaldado por los datos para evitar la extrapolación.

• Enfoque de la Cápsula Convexa (Convex Hull): Los autores utilizan la cápsula convexa de los datos observados de la mezcla de exposición. La cápsula convexa representa el conjunto convexo más pequeño que contiene todos los puntos de datos observados.
• Métricas de Extrapolación: Definen métricas para cuantificar qué tan lejos se encuentra un punto de datos desplazado fuera de la cápsula convexa:
  • Medida Relativa ($R$): La proporción de la distancia de desplazamiento que se encuentra fuera de la cápsula.
  • Medida Absoluta: La distancia euclidiana del desplazamiento fuera de la cápsula (en unidades estandarizadas).
• Refinamiento Iterativo: Si un desplazamiento propuesto (por ejemplo, una reducción del 20%) resulta en que demasiados puntos caigan fuera de la cápsula convexa (lo que indica extrapolación), el desplazamiento se redefine. La política se modifica para aplicar el desplazamiento solo si el punto resultante permanece dentro de la cápsula (o dentro de una pequeña tolerancia, por ejemplo, $\le 0.05$ unidades estandarizadas); de lo contrario, la exposición se deja en su valor observado.

C. Estrategia de Estimación

Para estimar el estimando refinado sin depender de supuestos paramétricos:

• Estimadores No Paramétricos: Los autores utilizan la Estimación Basada en Pérdida Mínima Dirigida (TMLE) y la estimación Doblemente Robusta Secuencialmente (SDR).
• Integración de Aprendizaje Automático: Estos estimadores utilizan el Super Learner (un conjunto de algoritmos de aprendizaje automático como Bosques Aleatorios, LASSO y Boosting de Gradiente) para ajustar parámetros de confusión (modelos de resultado, exposición y censura). Esto garantiza la "robustez de tasa doble", permitiendo inferencias válidas incluso si las relaciones subyacentes son complejas y no lineales, siempre que los algoritmos de aprendizaje automático converjan a tasas suficientes.
• Software: Los autores proporcionan herramientas de código abierto en R (paquete lmtp) y Julia (MTPConvexHull.jl) para facilitar el cálculo de cápsulas convexas y la estimación de estos efectos.

D. Prueba de Interacción

El marco permite pruebas no paramétricas de interacciones entre componentes específicos de la mezcla (por ejemplo, glifosato y paraquat) comparando el efecto del desplazamiento conjunto contra la suma de los efectos de los desplazamientos individuales.

3. Contribuciones Clave

1. Estimandos Basados en Desplazamiento para Mezclas: Propone un estimando flexible e interpretable (intervenciones de desplazamiento) adecuado para mezclas continuas, multi-componente y longitudinales, evitando las trampas de fijar las exposiciones a valores constantes.
2. Diagnósticos de Extrapolación: Introduce un método práctico y escalable computacionalmente que utiliza cápsulas convexas para visualizar y cuantificar el riesgo de extrapolación en configuraciones de mezclas de alta dimensión, un paso que a menudo se omite en la investigación aplicada.
3. Definición Iterativa de Desplazamientos: Proporciona un protocolo para modificar iterativamente los desplazamientos hipotéticos hasta que estén bien respaldados por los datos observados, asegurando que la pregunta causal sea respondible con los datos disponibles.
4. Estimación Longitudinal No Paramétrica: Demuestra la aplicación de TMLE/SDR con aprendizaje automático para datos de mezclas longitudinales, eliminando la dependencia de una especificación correcta del modelo paramétrico.
5. Reproducibilidad de Código Abierto: Proporciona código paso a paso y módulos de software para reducir la barrera para que los investigadores aplicados implementen estas técnicas avanzadas de inferencia causal.

4. Resultados (Ejemplo Motivador: Cohorte CHAMACOS)

Los autores aplicaron el marco al Estudio de Cognión Materna CHAMACOS, analizando la relación entre la exposición longitudinal a siete clases de pesticidas agrícolas y el riesgo de hipertensión en madres.

• Análisis de Soporte de Datos:
  • Se encontró que una reducción ingenua del 20% en todos los pesticidas y puntos temporales tenía una extrapolación mínima (0% de puntos fuera de la cápsula convexa más allá del umbral).
  • Sin embargo, desplazamientos específicos (por ejemplo, reducir solo los neonicotinoides) resultaron en una extrapolación significativa (>36% de puntos fuera de la cápsula) debido a las correlaciones con otros pesticidas.
• Estimaciones Causales:
  • Reducción Longitudinal del 20% (Todos los Pesticidas): Se estimó que reduce el riesgo de hipertensión crónica en 4.4 puntos porcentuales (IC 95%: -0.2, 11.0) para el seguimiento final (aproximadamente a los 48 años).
  • Reducciones de Subconjuntos: Reducir solo las primeras cinco clases de pesticidas (insecticidas) produjo una reducción de riesgo similar (4.9 pp), mientras que reducir solo las últimas dos (herbicidas) o el paraquat por sí solo produjo reducciones más pequeñas y no significativas.
  • Interpretación: Los resultados sugieren que los insecticidas (organofosforados, piretroides, etc.) pueden impulsar el riesgo de hipertensión más que los herbicidas en esta cohorte.
• Punto Único vs. Longitudinal: Los análisis de un solo punto temporal mostraron efectos más pequeños y no significativos, destacando la importancia de capturar la dinámica acumulativa y longitudinal de la exposición.

5. Significado

Este artículo aborda una brecha crítica en la epidemiología ambiental al proporcionar un marco robusto y basado en datos para estudiar mezclas de exposición complejas.

• Robustez: Al priorizar el soporte de datos (mediante cápsulas convexas) y utilizar aprendizaje automático no paramétrico, el método minimiza el sesgo derivado de la mala especificación del modelo y la extrapolación.
• Relevancia para Políticas: El estimando de "desplazamiento" se alinea bien con las intervenciones de salud pública (por ejemplo, "reducir el uso de pesticidas en un 20%") en lugar de contrafactuales abstractos.
• Escalabilidad: El uso de cápsulas convexas y aprendizaje automático de conjuntos hace que el enfoque sea computacionalmente viable para grandes conjuntos de datos y mezclas de alta dimensión.
• Reproducibilidad: El lanzamiento de herramientas de software dedicadas democratiza el acceso a estos métodos avanzados de inferencia causal, fomentando un análisis más riguroso de los datos de salud ambiental.

En resumen, el artículo mueve el campo de "estimar lo que el modelo permite" a "elegir un estimando que los datos puedan realmente respaldar", aumentando así la credibilidad y aplicabilidad de los hallazgos causales en la salud ambiental.