Resumen Técnico: Equidad Causal para el Análisis de Supervivencia

Enunciado del Problema

En dominios de alto riesgo como la atención sanitaria, el empleo y la justicia penal, los sistemas de aprendizaje automático dependen cada vez más de conjuntos de datos a gran escala para informar decisiones. Si bien el campo del Aprendizaje Automático Justo (Fair ML) ha logrado avances significativos en la detección de sesgos y la predicción justa, estos esfuerzos se centran principalmente en entornos estáticos (instantáneas de un solo punto temporal). Por el contrario, la equidad en contextos temporales, específicamente en el Análisis de Supervivencia o el análisis de Tiempo-Hasta-Evento (TTE), sigue siendo poco explorada.

Los enfoques existentes para el análisis de supervivencia justo adoptan predominantemente definiciones estadísticas de equidad. El artículo argumenta que incluso con datos ilimitados, las definiciones estadísticas no pueden desentrañar los mecanismos causales que generan disparidades. No logran distinguir entre los efectos directos de un atributo protegido, los efectos indirectos mediados a través de otras variables y los efectos espurios (confundidos). Esta limitación impide una explicación comprensible para el humano sobre por qué surgen las disparidades y cómo evolucionan con el tiempo.

Metodología

Los autores proponen un marco causal no paramétrico para la equidad en el análisis TTE. El enfoque se basa en Modelos Causales Estructurales (MCE) y procede a través de cuatro pasos distintos:

1. Formalización de Supuestos: Los autores adaptan el Modelo Estándar de Equidad (SFM) al análisis de supervivencia. Este modelo gráfico incluye:

   • $X$: Atributo protegido (por ejemplo, raza).
   • $Z$: Variables de confusión (no influenciadas causalmente por $X$).
   • $W$: Mediadores (potencialmente influenciados por $X$).
   • $T$: Tiempo de supervivencia (no observado).
   • $C$: Tiempo de censura.
   • $(M, \delta)$: Datos observados, donde $M = \min(T, C)$ y $\delta$ indica si ocurrió el evento.
     El marco considera tres regímenes de censura:
   • Censura No Informativa (NIC): $T \perp \perp C \mid X, Z, W$.
   • Riesgos Competitivos (CR): Múltiples tipos de evento ($T_1, \dots, T_K$) donde todos son de interés.
   • Censura Informativa (IC): $T$ y $C$ comparten causas comunes no observadas, lo que requiere un análisis de sensibilidad.

2. Recuperación de la Supervivencia Condicional: El método recupera primero la función de supervivencia condicional $P(T \mid X, Z, W)$ (o Funciones de Incidencia Acumulada en configuraciones CR) a partir de los datos censurados observados $(M, \delta)$.

3. Teorema de Reducción Causal: Una contribución teórica central es el Teorema de Reducción Causal (Teorema 1). Demuestra que cualquier funcional $\Phi$ de la distribución de supervivencia condicional (por ejemplo, la probabilidad de supervivencia en el tiempo $t$) es una función determinista de $(X, Z, W)$. Esto permite reformular el problema: en lugar de analizar directamente la curva de supervivencia compleja, se pueden analizar los efectos causales de $X$ sobre la variable derivada $\Phi$. Esto permite la descomposición de las disparidades en:

   • Efecto Directo (DE): $X \to T$ (o $X \to \Phi$).
   • Efecto Indirecto (IE): $X \to W \to T$.
   • Efecto Espurio (SE): $X \leftrightarrow Z \to T$.

4. Estimación Eficiente: El artículo proporciona estrategias de estimación para estos efectos:

   • Estimación Basada en Modelos: Utilizando Bosques Aleatorios de Supervivencia (RSF) para estimar riesgos y propensiones condicionales.
   • Estimación Doble-Robusta: Los autores derivan una nueva función de influencia (Teorema 2) para datos censurados, permitiendo una estimación consistente incluso si uno de los modelos de perturbación (supervivencia o censura) está mal especificado.
   • Manejo de Censura Informativa: Para configuraciones IC, el artículo emplea un Estimador Gráfico de Copula (CGE) basado en copulas arquimedianas. Dado que la distribución conjunta no es totalmente identificable sin supuestos fuertes, los autores derivan límites agudos (Teorema 3) para la función de supervivencia, los cuales colapsan a estimaciones puntuales a medida que la cuadrícula de tiempo se refine.

Contribuciones Clave

1. Formalización de la Equidad Causal en TTE: El artículo formaliza la equidad causal específicamente para el análisis de supervivencia, demostrando el Teorema de Reducción Causal para permitir la descomposición de vías de las disparidades a lo largo del tiempo.
2. Resultados de Identificación: Deriva resultados de identificación para efectos causales bajo tres regímenes distintos: censura no informativa, riesgos competitivos y censura informativa.
3. Nuevos Estimadores Técnicos:
   • Un estimador doble-robusto para efectos contrafactuales en datos censurados (Teorema 2).
   • Límites agudos para la estimación gráfica de copulas bajo incrementos no disjuntos (Teorema 3), abordando el desafío de la censura informativa sin asumir independencia.
4. Aplicación Empírica: El marco se aplica a un conjunto de datos real de admisiones a UCI para analizar disparidades raciales en la mortalidad y reingreso post-UCI.

Resultados

La metodología se aplicó a la Base de Datos de Pacientes Adultos de ANZICS (249.958 pacientes, incluidos 10.436 pacientes indígenas) para estudiar disparidades raciales en:

• Tiempo-Hasta-Muerte (Censura No Informativa):
  • El análisis estadístico estándar (medida de Variación Total) mostró una disparidad cercana a cero después de 80 días, sugiriendo ninguna diferencia.
  • La Descomposición Causal reveló que este resultado nulo enmascaraba efectos sustanciales y opuestos específicos de la vía:
    • Efecto Directo: Los pacientes minoritarios mostraron una supervivencia mejorada a lo largo de la vía directa.
    • Efecto Indirecto: Los pacientes minoritarios mostraron una supervivencia reducida debido a una mayor carga de enfermedades crónicas/agudas (mediada por $W$).
    • Efecto Espurio: Los pacientes minoritarios mostraron una supervivencia mejorada debido a una edad promedio más baja al ingreso (confundida por $Z$).
  • La descomposición demostró que las métricas estándar de equidad estadística pueden oscurecer los mecanismos causales subyacentes que impulsan las disparidades.
• Tiempo-Hasta-Reingreso (Censura Informativa):
  • Analizado bajo la suposición de que la muerte actúa como censura informativa para el reingreso.
  • Utilizando análisis de sensibilidad con parámetros de dependencia variables ($\tau$), el estudio encontró que los pacientes minoritarios enfrentaron una mayor carga de reingreso, impulsada en gran medida por efectos indirectos (diagnósticos más complejos y peor salud crónica) y efectos directos, a pesar de una menor carga espuria debido a la edad.

Significado y Afirmaciones

El artículo afirma que su enfoque proporciona una explicación principista y comprensible para el humano de las disparidades de supervivencia que pasan por alto los análisis estándar de equidad estadística. Al ir más allá de instantáneas estáticas y definiciones estadísticas, el marco permite a los investigadores:

• Desentrañar si las disparidades son causadas por el atributo protegido en sí mismo (directo), por factores sistémicos que afectan a los mediadores (indirecto) o por variables de confusión (espurio).
• Observar cómo estas disparidades evolucionan con el tiempo, en lugar de tratarlas como un único número agregado.
• Manejar escenarios complejos de datos del mundo real, incluidos riesgos competitivos y censura informativa, que son comunes en la atención sanitaria pero a menudo ignorados en la literatura de Fair ML.

Los autores enfatizan que, aunque su marco depende de supuestos causales específicos (codificados en el SFM), estos supuestos permiten la identificación de mecanismos causales que de otro modo serían no identificables con métodos estadísticos solos. Reconocen limitaciones, como la dependencia del supuesto de copula arquimediana para la censura informativa y el supuesto de covariables invariantes en el tiempo, señalándolas como direcciones para trabajos futuros.