Causal Sufficient Dimension Reduction for Multiple Continuous Exposures with an Application to Environmental Mixtures

Planteamiento del Problema
Estimar efectos causales con exposiciones continuas multivariadas es un desafío debido a la alta dimensionalidad de las superficies de exposición-respuesta (ERS) causales, lo que complica tanto la estimación como la interpretación de los efectos conjuntos de la exposición. Este problema es particularmente agudo en la epidemiología ambiental, donde los investigadores estudtan los impactos en la salud de mezclas de productos químicos y contaminantes. En estos entornos, la regresión no paramétrica flexible sufre de la maldición de la dimensionalidad, y las superficies de alta dimensión son difíciles de interpretar. Si bien los métodos existentes de análisis de mezclas (por ejemplo, BKMR, BART) estiman relaciones complejas, a menudo carecen de resúmenes de baja dimensión o son computacionalmente costosos. Por el contrario, los métodos clásicos de reducción de dimensión suficiente (SDR) —que identifican resúmenes lineales de baja dimensión que preservan la media condicional $E(Y|X)$— fallan en estudios observacionales con confusión, porque la media condicional difiere de la media causal $E(Y^x)$. En consecuencia, la SDR clásica puede recuperar resúmenes que no preservan la relación causal de exposición-respuesta.

Metodología
Los autores proponen la Reducción de Dimensión Suficiente Causal (CSDR), un marco semiparamétrico diseñado para identificar un resumen lineal de baja dimensión del vector de exposición $X$ que preserve la ERS causal, $\mu(x) = E(Y^x)$.

1. Estimando Objetivo: Los autores formalizan el Subespacio de la Media Central Causal (CCMS), denotado como $S_{E(Y^x)}$, como el subespacio mínimo generado por una matriz $\beta$ tal que $\mu(x) = g(\beta^\top x)$. Esto difiere del CCMS clásico que apunta a la media condicional observacional.
2. Estimación Modular de Dos Etapas: Para superar la carga computacional y de estimación de los parámetros de molestia (nuisance) de los enfoques de modelos estructurales marginales (MSM) existentes, los autores desarrollan un marco modular:
   • Etapa 1 (Transformación): Construir variables transformadas $(\tilde{Y}, \tilde{X})$ tales que la media condicional de $\tilde{Y}$ dado $\tilde{X}$ sea igual a la ERS causal. El artículo propone tres construcciones:
     • Objetivos de la Superficie de Exposición-Respuesta (ERS): Usando estimaciones directas de $\mu(X)$ mediante estimadores de Ajuste por Regresión (RA) o Doblemente Robustos (DR).
     • Objetivos de Pseudo-resultados (PO): Usando pseudo-resultados estocásticos cuya media condicional es $\mu(X)$.
     • Pares Residualizados (RP): Bajo un modelo de confusión aditivo, usando los residuales de $Y$ y $X$ tras la regresión de los confundidores $C$.
   • Etapa 2 (Reducción de Dimensión): Aplicar un estimador estándar de SDR (específicamente el Estimador de Varianza Media Mínima, MAVE) a los datos transformados $(\tilde{Y}, \tilde{X})$ para estimar el subespacio generado por $\beta$. Los autores se refieren a esto como MAVE causalmente suficiente (csMAVE).
3. Marco Teórico: El artículo establece que el CCMS es identificable bajo supuestos causales estándar (consistencia, positividad fuerte, ignorabilidad condicional) y condiciones de suavidad. Demuestran que el error de estimación de la molestia de la primera etapa se propaga a la segunda etapa, derivando tasas de convergencia para la recuperación del subespacio y mostrando la consistencia para el estimador de la dimensión estructural.
4. Interpretación: Para abordar la no unicidad de la matriz de base $\beta$, los autores introducen puntuaciones de importancia del subespacio ($\lambda_j$), definidas como los elementos diagonales de la matriz de proyección ortogonal sobre el CCMS. Estas puntuaciones cuantifican la contribución de cada exposición original a la representación causal reducida y son invariantes a la elección de la base.

Contribuciones Clave

• Formalización del CCMS: El artículo define el CCMS como el estimando objetivo para la reducción de dimensión causal, distinguiéndolo de los objetivos de la SDR clásica.
• Marco Modular: Propone una estrategia de estimación de dos etapas que desacopla la estimación de la función de molestia de la estimación del subespacio. Esto simplifica la implementación en comparación con los enfoques de MSM basados en puntuaciones existentes, que requieren la optimización iterativa de múltiples funciones de molestia dependientes de la reducción desconocida.
• Garantías Teóricas: Los autores establecen tasas de convergencia para la recuperación del subespacio causal teniendo en cuenta los errores de estimación de la primera etapa y demuestran la consistencia del estimador de la dimensión estructural.
• Herramienta de Interpretación: La introducción de las puntuaciones de importancia del subespacio proporciona un método invariante a la base para interpretar la contribución de cada exposición individual a la reducción causal.
• Validación Empírica: A través de simulaciones y una aplicación con datos reales, el artículo demuestra que la CSDR produce una estimación y una cuantificación de la incertidumbre de la ERS más precisas en comparación con los métodos que utilizan la reducción de dimensión no causal o las exposiciones originales de alta dimensión.

Resultados

• Simulaciones: En simulaciones de Monte Carlo con $p=10$ exposiciones y $q=5$ confundidores, los métodos de SDR causal (particularmente las variantes RA y DR) superaron significativamente a los métodos de referencia (PCA, pCCA y MAVE basado en asociación) en la recuperación del verdadero CCMS. El error en la recuperación del subespacio disminuyó con el tamaño de la muestra, mientras que los métodos de referencia mostraron una convergencia más lenta o fallaron en identificar el subespacio correcto debido a la confusión.
• Selección de Dimensión: Los métodos CSDR recuperaron consistentemente la verdadera dimensión estructural ($d_0=2$), mientras que el MAVE basado en asociaciones tendió a sobreestimar la dimensión.
• Estimación de la ERS: Utilizando la exposición reducida $\hat{Z} = \hat{\beta}^\top X$, los métodos CSDR lograron un error cuadrático medio (RMSE) más bajo y una mejor cobertura del 95% puntual para la ERS en comparación con los métodos que utilizan el vector de exposición completo o reducciones no causales.
• Aplicación de Datos Reales: Aplicado a la Cohorte Materno-Infantil Afroamericana de Atlanta ($n=305$), la CSDR estimó un resumen unidimensional ($d=1$) de la exposición materna a PFAS (PFOS, PFOA, PFNA, PFHxS) que afecta el peso al nacer del lactante. El resumen de exposición resultante reveló una relación no lineal y decreciente monótonamente. Las puntuaciones de importancia del subespacio indicaron que el PFOS era el principal contribuyente, contrastando con el MAVE estándar, que enfatizó incorrectamente el PFOA.

Significancia y Reivindicaciones
El artículo afirma que la CSDR proporciona un enfoque con principios y eficiente computacionalmente para estudiar los efectos causales conjuntos de las mezclas ambientales. Al preservar la superficie de exposición-respuesta causal mientras se reduce la dimensionalidad, el método facilita la estimación posterior más eficiente y resúmenes interpretables. Los autores enfatizan que su marco modular reduce sustancialmente la carga de estimación de la molestia en relación con los enfoques de modelos estructurales marginales existentes, haciendo que la reducción de dimensión causal sea más accesible. El trabajo cierra la brecha entre la inferencia causal para tratamientos continuos y la reducción de dimensión suficiente, ofreciendo una herramienta diseñada específicamente para manejar la confusión en entornos de exposición de alta dimensión. Los autores señalan modestamente que, si bien su marco simplifica la implementación, depende de la precisión de los estimadores de molestia de la primera etapa y que el trabajo futuro podría explorar la relajación de las suposiciones de suavidad o la extensión del marco a estructuras de confusión más generales.