Resumen Técnico: Un Marco de Análisis de Sensibilidad para la Inferencia Causal bajo Interferencia

1. Planteamiento del Problema

En la inferencia causal, el supuesto de no interferencia (el Supuesto de Valor de la Unidad de Tratamiento Estable, o SUTVA) postula que el resultado de una unidad depende únicamente de su propio tratamiento. Sin embargo, en muchas aplicaciones, como los estudios de enfermedades infecciosas, el tratamiento recibido por una unidad puede influir en el resultado de otra, un fenómeno conocido como interferencia o efectos de desbordamiento (spillover effects). Ignorar la interferencia conduce a un sesgo sistemático que no puede mitigarse aumentando el tamaño de la muestra.

La literatura existente sobre interferencia suele asumir que todos los confundidores relevantes son observados y que la población de estudio es representativa de la población objetivo. Sin embargo, los profesionales se enfrentan frecuentemente a tres desafíos simultáneos:

1. Interferencia Ignorada: El fallo al ajustar por efectos de desbordamiento.
2. Confusión No Medida: La presencia de variables no observadas que afectan tanto al tratamiento como al resultado.
3. Falta de Transportabilidad: La incapacidad de generalizar los hallazgos causales de una población de referencia a una población objetivo debido a diferencias en las distribuciones de las covariables o en los mecanismos de tratamiento.

Los marcos de análisis de sensibilidad actuales suelen abordar estos problemas de forma aislada. Por ejemplo, mientras que VanderWeele et al. (2015) desarrollaron un marco para la confusión no medida bajo interferencia, este no tiene en cuenta la interferencia ignorada o la transportabilidad. Del mismo modo, Forastiere et al. (2021) discuten el sesgo derivado de estos factores, pero carecen de un enfoque de análisis de sensibilidad estructurado con parámetros interpretables para los profesionales. Este artículo aborda la brecha proponiendo un marco unificado para evaluar el sesgo sistemático que surge de la combinación de estas tres complejidades.

2. Metodología

2.1 Marco y Supuestos

Los autores adoptan el marco de resultados potenciales bajo interferencia de vecindad. Introducen un Mapeo de Exposición de Resultados (Supuesto 1), donde una función escalar $g_i(\mathbf{A}_{N_i})$ resume los tratamientos de los vecinos de una unidad, reduciendo la dimensionalidad de los resultados potenciales. El resultado observado $Y$ se vincula a los resultados potenciales mediante un supuesto de consistencia (Supuesto 2).

Para manejar la confusión no medida y la transportabilidad, los autores relajan los supuestos estándar de identificación:

• Intercambiabilidad Condicional Débil (Supuesto 5): Permite la existencia de confundidores no observados ($U$) pero asume independencia condicional dados los covariables observados ($X$) y los confundidores no observados. Crucialmente, esto requiere condicionar sobre las causas comunes del tratamiento personal ($A$) y el tratamiento de la vecindad ($G$), así como las causas comunes de $A$ y el indicador de población ($S$).
• Ignorabilidad Condicional del Muestreo (Supuesto 7): Permite diferencias no observadas entre la población de referencia ($S=1$) y la población objetivo ($S=2$), siempre que, condicionado a $G$ y covariables específicas, el muestreo sea ignorable.

2.2 Descomposición del Sesgo mediante Errores de Ponderación

La metodología central consiste en comparar un estimador "ingenuo" (que ignora la interferencia, la confusión no medida y los problemas de transportabilidad) contra las fórmulas de identificación reales derivadas bajo los supuestos relajados. Los autores definen dos tipos de errores de ponderación:

1. Error Multiplicativo en los Pesos (MEW, $\varepsilon_a$): La razón entre el verdadero puntaje de propensión (condicionando sobre todos los $X$ y $U$ relevantes) y el pseudo-puntaje de propensión (condicionando solo sobre los $X_{AY}$ observados). Esto captura el sesgo de la interferencia ignorada y la confusión no medida.
2. Error de Diferencia en los Pesos (DEW, $\tilde{\varepsilon}_S$): Un término que representa la diferencia entre el peso de muestreo ingenuo (1) y el verdadero peso de muestreo requerido para la transportabilidad. Esto captura el sesgo de la falta de transportabilidad.

2.3 Parámetros de Sensibilidad

El sesgo se descompone en una suma de términos de covarianza, cada uno expresado como el producto de un coeficiente de correlación y dos desviaciones estándar. Estos componentes sirven como parámetros de sensibilidad que los profesionales pueden especificar basándose en el conocimiento del dominio:

• Para la Interferencia/Confusión (Términos T1 y T2):
  • $\sigma_{Y(a,0)}$: Desviación estándar de los resultados potenciales basales.
  • $\sigma_{\varepsilon_a}$: Variabilidad de los puntajes MEW (que refleja la fuerza de la confusión o interferencia ignorada).
  • $\rho_{Y(a,0), \varepsilon_a}$: Correlación entre los resultados basales y los errores de ponderación.
  • $\sigma_{\gamma(a)}$: Variabilidad de los efectos de desbordamiento individuales naturales.
  • $\rho_{\gamma(a), \varepsilon_a}$: Correlación entre los efectos de desbordamiento y los errores de ponderación.
• Para la Transportabilidad (Términos T3 y T4):
  • $\sigma_{\tau(0)}$: Variabilidad de los efectos directos controlados.
  • $\sigma_{\tilde{\varepsilon}_S}$: Variabilidad de los puntajes DEW.
  • $\rho_{\tau(0), \tilde{\varepsilon}_S}$: Correlación entre los efectos directos y los pesos de muestreo.
  • $\sigma_{\gamma(1)-\gamma(0)}$: Variabilidad de la diferencia en los efectos de desbordamiento.
  • $\rho_{\gamma(1)-\gamma(0), \tilde{\varepsilon}_S}$: Correlación entre las diferencias de desbordamiento y los pesos de muestreo.

Los autores proporcionan directrices para acotar estos parámetros (por ejemplo, usando la desigualdad de Popoviciu para los límites de los resultados o la desigualdad de Bhatia-Davis para los límites de los pesos) y sugieren establecer los signos de correlación para maximizar el sesgo en los escenarios de peor caso.

2.4 Extensión a Resultados Potenciales No Definidos

El artículo extiende el marco a entornos donde los resultados potenciales no están definidos para unidades con insuficientes vecinos (por ejemplo, una unidad con 0 vecinos no puede experimentar un tratamiento de vecindad de 2). Al introducir una variable $N$ para el número de vecinos y condicionar el análisis sobre $N$, los autores derivan fórmulas de identificación y descomposiciones de sesgo (Teorema 3) que siguen siendo válidas incluso cuando el dominio del mapeo de exposición varía por unidad.

3. Resultados Clave

• Teorema 1 (Descomposición del Sesgo para $\phi_1$): El sesgo de un estimador ingenuo para el efecto promedio de tratamiento natural en la población de referencia se descompone en dos partes:
  • T1: Covarianza entre los puntajes MEW y los resultados potenciales basales (impulsada por la confusión no medida y el nivel basal de interferencia).
  • T2: Covarianza entre los puntajes MEW y los efectos de desbordamiento naturales. Este término destaca que, incluso si no existen causas comunes de $A$ y $G$, la confusión no medida aún puede inducir sesgo si se correlaciona con la heterogeneidad de los efectos de desbordamiento.
• Teorema 2 (Descomposición del Sesgo para $\phi_2$): El sesgo para el efecto promedio de tratamiento natural transportado es la suma del sesgo para $\phi_1$ más dos términos adicionales:
  • T3: Covarianza entre los puntajes DEW y los efectos directos controlados.
  • T4: Covarianza entre los puntajes DEW y la diferencia en los efectos de desbordamiento entre los brazos de tratamiento.
• Corolarios: El artículo demuestra que si la distribución marginal del tratamiento de vecindad ($G$) es idéntica entre las poblaciones, el sesgo de transportabilidad desaparece. También muestra que en ausencia de interferencia, el marco se reduce a los métodos existentes de análisis de sensibilidad para la transportabilidad (por ejemplo, Huang, 2024).
• Teorema 3: Extiende la descomposición del sesgo a escenarios con resultados potenciales no definidos, mostrando que la estructura del sesgo es similar pero requiere condicionar sobre el número de vecinos.

4. Significación y Contribuciones

El artículo afirma ser el primero en desarrollar un marco integral de análisis de sensibilidad que contabiliza simultáneamente la interferencia ignorada, la confusión no medida y la falta de transportabilidad.

• Novedad: A diferencia de trabajos anteriores que tratan estos problemas por separado o requieren supuestos fuertes sobre el proceso generador de resultados o la distribución de los confundidores no observados, este marco se basa en una descomposición de sesgo basada en la ponderación que es robusta a diversas complejidades de los datos.
• Utilidad Práctica: Al parametrizar el sesgo a través de parámetros de sensibilidad fácilmente interpretables (correlaciones y desviaciones estándar), el marco permite a los profesionales evaluar qué tan robustos son sus hallazgos ante violaciones de los supuestos estándar. Permite a los investigadores calibrar la fuerza de la interferencia o la confusión necesaria para alterar sus conclusiones.
• Generalización: La metodología generaliza resultados previos basados en la ponderación (por ejemplo, Shen et al., 2011; Hong et al., 2021) y los extiende al complejo entorno de la interferencia y la transportabilidad.
• Manejo de Resultados No Definidos: La extensión a resultados potenciales no definidos aborda una brecha teórica crítica en la literatura de interferencia, reconociendo que no todos los resultados potenciales están bien definidos para cada unidad.

En resumen, el artículo proporciona un enfoque estructurado, flexible y teóricamente fundamentado para que los profesionales evalúen el sesgo sistemático en las estimaciones causales cuando la interferencia, la confusión no medida y los problemas de transportabilidad están presentes pero no son observados o ajustados en los datos.