Assumption-Lean Differential Variance Inference for Heterogeneous Treatment Effect Detection

Resumen Técnico: Inferencia de Varianza Diferencial Basada en la Reducción de Supuestos para la Detección de Efectos de Tratamiento Heterogéneos

Planteamiento del Problema
En los estudios clínicos, el Efecto de Tratamiento Promedio Condicional (CATE, por sus siglas en inglés) es la herramienta estándar para detectar la heterogeneidad de los efectos de tratamiento (HTE). Sin embargo, la inferencia basada en CATE depende críticamente de la inclusión de todos los modificadores de efecto reales en el conjunto de covariables base. Cuando los modificadores de efecto se omiten debido a restricciones de recursos, error de medición o un conocimiento mecánico incompleto, los métodos basados en CATE fallan al detectar violaciones de la hipótesis de efecto de tratamiento homogéneo. Esto puede inducir a error a los responsables de la toma de decisiones, haciéndoles suponer que los efectos del tratamiento son uniformes cuando no lo son. Además, la inferencia de alta dimensión para CATE a menudo requiere supuestos de dispersión (sparsity) no verificables y se ha demostrado que produce tasas elevadas de falsos positivos y falsos negativos. Los enfoques existentes de Parámetro de Importancia de la Variable (VIP) para modificadores del efecto de tratamiento (TEM-VIPs) enfrentan limitaciones similares, ya que también requieren que los modificadores de efecto estén presentes en los datos. Adicionalmente, la inferencia estándar de CATE ignora la heterogeneidad residual donde la media del efecto del tratamiento es constante, pero la varianza de los resultados potenciales difiere, un escenario relevante para la toma de decisiones sensible al riesgo.

Metodología
Los autores proponen un marco para la inferencia "con reducción de supuestos" que detecta HTE sin requerir el acceso a los modificadores de efecto. El núcleo de este enfoque es la estimación de estimandos de varianza diferencial, que contrastan las varianzas de los resultados potenciales bajo tratamiento y control.

1. Estimandos:

   • Varianza Diferencial Absoluta ($\Psi$): Definida como la diferencia entre las desviaciones estándar de los resultados potenciales: $\Psi(P_0) = \sigma(P_0; 1) - \sigma(P_0; 0)$.
   • Varianza Diferencial Relativa ($\Lambda$): Definida como la razón de las varianzas: $\Lambda(P_0) = \sigma^2(P_0; 1) / \sigma^2(P_0; 0)$.
   • El artículo establece que si $\Psi(P_0) \neq 0$ (o $\Lambda(P_0) \neq 1$), se viola la "hipótesis de efecto de tratamiento homogéneo de segundo momento". Esta hipótesis es una versión relajada de la hipótesis de efecto homogéneo estricta (sharp), permitiendo diferentes términos de ruido residual siempre que sus segundos momentos condicionales sean iguales. Crucialmente, estos estimandos pueden detectar la heterogeneidad incluso cuando los modificadores de efecto ($V$) están ausentes de los datos ($V = \emptyset$), siempre que se cumpla la intercambiabilidad condicional.

2. Identificabilidad:
   Bajo los supuestos causales estándar (intercambiabilidad condicional, consistencia y positividad), las varianzas de los resultados potenciales son identificables a partir de los datos observados. Los autores demuestran que estos estimandos siguen siendo válidos para detectar la heterogeneidad en Ensayos Controlados Aleatorizados (RCT) sin condicionar por covariables, aunque condicionar por variables pronósticas mejora la eficiencia.

3. Estimadores:
   Los autores derivan estimadores de aprendizaje automático causal basados en Funciones de Influencia Eficiente (EIF) dentro de un modelo no paramétrico:

   • Estimadores de un solo paso (One-Step Estimators): Construidos utilizando la EIF de las varianzas de los resultados potenciales.
   • Estimadores de Máxima Verosimilitud Dirigida (TMLE): Desarrollados mediante la inclinación (tilting) de los estimadores de parámetros de molestia (regresión de resultados y puntaje de propensión) para resolver la ecuación de la EIF.
   • Versiones con Validación Cruzada (Cross-Fitted): Variantes de los estimadores anteriores utilizando división de muestras para evitar las condiciones de la clase de Donsker.
     Los estimadores utilizan algoritmos flexibles de aprendizaje automático (por ejemplo, Super Learner, Random Forests) para la estimación de los parámetros de molestia.

4. Propiedades Asintóticas:
   El artículo demuestra que estos estimadores son doblemente robustos (consistentes si tanto el puntaje de propensión como la regresión de resultados están correctamente especificados) y asintóticamente lineales bajo condiciones leves. Específicamente, logran tasas de convergencia de $n^{-1/2}$ si el producto de los errores de estimación de los parámetros de molestia converge a una tasa más rápida que $n^{-1/2}$. Esto permite la construcción de intervalos de confianza de tipo Wald y pruebas de hipótesis válidas en entornos no paramétricos.

Resultados Clave

• Estudio de Simulación 1 (Robustez Doble): Demostró que los estimadores propuestos exhiben un sesgo empírico insignificante cuando el puntaje de propensión o la regresión de resultados está correctamente especificado, confirmando la robustez doble.
• Estudio de Simulación 2 (Linealidad Asintótica): Mostró que los estimadores logran la linealidad asintótica en muestras finitas, con probabilidades de cobertura que convergen a niveles nominales a medida que aumenta el tamaño de la muestra. Los estimadores con validación cruzada mostraron un desempeño superior en muestras grandes, mitigando los compromisos entre sesgo y varianza asociados con el aprendizaje automático flexible.
• Estudio de Simulación 3 (Detección bajo Error de Medición): En un entorno de RCT con un modificador de efecto mal medido, los estimadores de varianza diferencial mantuvieron una alta potencia estadística para detectar HTE. En contraste, una prueba ómnibus estándar basada en bosques causales (causal forests) para la heterogeneidad de CATE perdió potencia a medida que aumentaba el error de medición, fallando en detectar la heterogeneidad cuando el modificador de efecto estaba completamente mal medido.
• Aplicación (Ensayos TTM y TTM2): La metodología se aplicó para reanalizar los ensayos de Manejo de la Temperatura Objetivo (TTM) y TTM2. Mientras que el ensayo TTM no mostró una varianza diferencial significativa (probablemente debido al tamaño pequeño de la muestra), el ensayo TTM2 rechazó la hipótesis de efecto de tratamiento homogéneo de segundo momento ($p < 0.01$). Sin embargo, la diferencia estimada en las desviaciones estándar fue de menos de un día, lo que sugiere que, aunque existe heterogeneidad estadística, esta puede no ser clínicamente accionable.

Significancia y Reivindicaciones
El artículo afirma ofrecer una alternativa práctica para la inferencia de CATE para la detección de la heterogeneidad de los efectos de tratamiento en entornos donde los modificadores de efecto faltan o están mal medidos. Al centrarse en la varianza de los resultados potenciales, los autores proporcionan un método que:

• No requiere la identificación o medición de modificadores de efecto específicos.
• Ofrece métricas interpretables (contrastes de varianza absoluta o relativa) para la toma de decisiones sensible al riesgo.
• Proporciona pruebas de hipótesis formales con garantías asintóticas tanto en estudios aleatorizados como observacionales.
• Sirve como un análisis de sensibilidad complementario para los flujos de trabajo de CATE y TEM-VIP; un resultado significativo en la inferencia de varianza diferencial tras un resultado nulo en CATE puede indicar que la heterogeneidad existe pero está impulsada por factores no medidos.

Los autores enfatizan que, si bien su método detecta la presencia de la heterogeneidad, no identifica la fuente o la direccionalidad del efecto, una limitación inherente a los contrastes de varianza marginal. No obstante, argumentan que detectar desviaciones accionables de la homogeneidad es valioso incluso cuando el mecanismo subyacente permanece desconocido.