Omitted-Variable Sensitivity Analysis for Generalizing Randomized Trials

Resumen Técnico: Análisis de Sensibilidad por Variable Omisa para la Generalización de Ensayos Aleatorizados

1. El Problema: Brecha entre Validez Interna y Externa

Los ensayos controlados aleatorizados (RCT) proporcionan estimaciones causales internamente válidas (efectos promedio en la muestra del ensayo, SATE). Sin embargo, generalizar estos resultados a una población objetivo con características diferentes (obteniendo el Efecto Promedio en la Población Objetivo, TATE) enfrenta un desafío fundamental: la brecha de validez externa.

• Desafío Principal: Los métodos estándar de generalización (como ponderación por probabilidad inversa o modelado de resultados) dependen de la suposición de ignorabilidad de selección: condicionalmente a las covariables observadas ($X$), la participación en el ensayo debe ser independiente de los resultados potenciales.
• Fallo del Supuesto: Esta suposición se rompe si existen moderadores de efecto no observados ($U$) que:
  1. Modifican la respuesta al tratamiento (heterogeneidad del efecto).
  2. Tienen distribuciones diferentes entre la población del ensayo y la población objetivo.
• Consecuencia: Si $U$ no se mide, los estimadores de transporte pueden estar sesgados, llevando a decisiones de política o clínicas erróneas.

2. Metodología y Marco Teórico

Los autores desarrollan un marco de análisis de sensibilidad basado en el sesgo de variable omitida (OVB), adaptando conceptos de estudios observacionales al contexto de generalización de ensayos.

A. Descomposición del Sesgo de Validez Externa
Bajo un modelo de moderación de efectos lineal, los autores derivan una identidad exacta que descompone el error de estimación del TATE en dos componentes multiplicativos:
$$\text{Sesgo} = \text{Fuerza de Moderación} \times \text{Desequilibrio del Moderador}$$

• Fuerza de Moderación ($\beta$): Qué tan fuerte es el efecto de la variable no observada $U$ sobre el efecto del tratamiento.
• Desequilibrio del Moderador ($\Delta_U$): Qué tan diferente es la distribución de $U$ entre las poblaciones (ensayo vs. objetivo) después de ajustar por las covariables observadas $X$.

B. Parametrización sin Escala ($R^2$ Parcial)
Para superar la dificultad de interpretar parámetros escalados (como magnitudes absolutas de $\beta$), el método introduce parámetros de sensibilidad basados en $R^2$ parciales:

• $R^2_{\tau \sim U|X}$: Proporción de la varianza residual del efecto del tratamiento explicada por $U$.
• $R^2_{S \sim U|X}$: Proporción de la varianza residual de la selección (participación en el ensayo) explicada por $U$.

Esto permite derivar límites cerrados para el sesgo y realizar comparaciones directas con covariables observadas.

C. Valores de Robustez y Benchmarking
El marco define Valores de Robustez (RV): la fuerza mínima de confusión necesaria para cambiar la conclusión sustantiva (por ejemplo, invertir el signo del efecto estimado).

• Benchmarking: Permite a los investigadores comparar la fuerza necesaria de un moderador no observado contra la fuerza de moderadores observados reales (ej. "¿Necesitaríamos un factor no medido que sea el doble de fuerte que la edad para invalidar nuestros resultados?").

3. Contribuciones Clave

1. Descomposición OVB para Validez Externa: Derivación teórica de una identidad exacta que separa el sesgo en "fuerza de moderación" y "desequilibrio", proporcionando una interpretación causal clara.
2. Parámetros de Sensibilidad Escalables: Introducción de parámetros basados en $R^2$ parciales que permiten límites en forma cerrada y son independientes de la escala de la variable de resultado.
3. Resúmenes de Robustez: Definición de métricas cuantitativas (RV) para evaluar la plausibilidad de violaciones de los supuestos, facilitando la comunicación de la incertidumbre a tomadores de decisiones.
4. Flujo de Trabajo Práctico: Propuesta de un algoritmo completo (Algoritmo 1) que integra la estimación de transporte estándar con el análisis de sensibilidad, incluyendo la comparación con covariables observadas.

4. Resultados Experimentales

Los autores evaluaron el método mediante simulaciones en datos sintéticos y semisintéticos:

• Cobertura Nominal: Los límites de sensibilidad derivados alcanzaron una cobertura del 100% cuando los parámetros de sensibilidad ($\Gamma$, $\Lambda$) cubrían la verdadera fuerza de moderación y desequilibrio.
• Conservadurismo: El método se comportó de manera conservadora incluso bajo especificación de modelo incorrecta (desviaciones moderadas de la linealidad).
• Utilidad del Benchmarking: Las simulaciones demostraron que comparar los parámetros de sensibilidad con covariables observadas (como la edad o el género) proporciona un contexto tangible para evaluar la plausibilidad de los supuestos de sensibilidad.
• Intervención de la Incertidumbre: Se mostró que los intervalos de confianza completos (combinando incertidumbre de muestreo y límites de sensibilidad) mantienen la validez, destacando que el análisis de sensibilidad complementa, no reemplaza, la inferencia estadística estándar.

5. Significado e Impacto

Este trabajo es significativo porque transforma la generalización de ensayos aleatorizados de un problema puramente de estimación a uno de evaluación de incertidumbre estructurada.

• Para la Toma de Decisiones: Proporciona a investigadores y policymakers herramientas para cuantificar cuánto podrían cambiar sus conclusiones si existieran factores no medidos, basándose en evidencia empírica (comparación con variables observadas) en lugar de suposiciones abstractas.
• Avance Metodológico: Conecta la literatura de generalización de ensayos con el marco de sensibilidad de variable omitida de estudios observacionales (Cinelli & Hazlett, 2020), ofreciendo una solución interpretable y computacionalmente eficiente.
• Aplicabilidad: Es relevante para medicina (ensayos clínicos generalizados a poblaciones nacionales), políticas públicas y ciencias sociales, donde la validez externa es crítica pero a menudo incierta.

En resumen, el artículo ofrece un marco riguroso y práctico para auditar la validez externa de los resultados de ensayos aleatorizados, permitiendo a los investigadores declarar explícitamente qué tan fuertes deberían ser los factores no medidos para invalidar sus hallazgos.