Bridging Binarization: Causal Inference with Dichotomized Continuous Exposures

Résumé Technique : Combler le fossé de la binarisation : l'inférence causale avec des expositions continues dichotomisées

Énoncé du problème
Dans l'inférence causale, l'Effet de Traitement Moyen (ATE - Average Treatment Effect) est un paramètre standard défini pour les expositions binaires. Cependant, de nombreuses disciplines scientifiques cherchent à quantifier les effets causaux d'expositions continues (par exemple, l'inégalité des revenus, la consommation d'alcool, les niveaux de pesticides). Une pratique courante pour y remédier est la « binarisation » (ou dichotomisation), où une variable d'exposition continue $A$ est convertie en une variable binaire fictive $T$ basée sur un seuil spécifique (par exemple, $T=1$ si $A \geq c$, sinon $T=0$). Les chercheurs évaluent ensuite l'ATE en utilisant $T$, terme désigné sous le nom d'ATE binarisé (BATE).

Malgré sa prévalence, la binarisation fait l'objet de critiques méthodologiques importantes. Les critiques soutiennent qu'elle viole l'hypothèse de l'unité de traitement stable (SUTVA - Stable Unit Treatment Value Assumption) en impliquant que plusieurs versions du traitement existent au sein d'une même catégorie binaire. De plus, elle est souvent critiquée pour supposer l'homogénéité du risque au sein des catégories et pour occulter le mécanisme spécifique de l'intervention. Par conséquent, de nombreux chercheurs sont dissuadés d'utiliser cette approche, bien qu'elle reste largement employée en santé publique et en sciences sociales.

Méthodologie
Les auteurs proposent un cadre qui valide la binarisation en réinterprétant le BATE à travers le prisme des Politiques de Traitement Modifiées (MTPs - Modified Treatment Policies).

1. Équivalence aux Politiques de Traitement Modifiées :
   L'article démontre que le BATE est mathématiquement équivalent à la différence entre les moyennes des résultats sous deux MTP spécifiques. Ces politiques ne se contentent pas d'assigner une valeur fixe ; elles modifient la distribution sous-jacente de l'exposition continue $A$ conditionnellement aux facteurs de confusion $W$.

   • Politique 1 ($\tilde{A}_1$) : Restreint l'exposition à la région où $T=1$ (par exemple, $A \geq c$).
   • Politique 0 ($\tilde{A}_0$) : Restreint l'exposition à la région où $T=0$ (par exemple, $A < c$).
   • Hypothèse clé : Les deux politiques supposent la préservation de l'auto-sélection relative. Cela signifie que, dans la région autorisée, le rapport de la densité de probabilité de toute valeur d'exposition donnée par rapport à une autre demeure inchangé par rapport au monde observé. Formellement, pour tout $a, a'$ dans la région autorisée, $\frac{p(\tilde{A}|W=a)}{p(\tilde{A}|W=a')} = \frac{p(A|W=a)}{p(A|W=a')}$. Ceci est analogue à l'indépendance des alternatives irrélevantes (IIA) de Luce.

2. Identification :
   Sous les hypothèses causales standards (positivité et indépendance conditionnelle/absence de confusion non mesurée), le BATE est identifié comme la différence entre les résultats attendus sous ces deux MTP : $\Psi_{BATE} = E[Y^{\tilde{A}_1}] - E[Y^{\tilde{A}_0}]$. Cette formulation fournit un mécanisme causal transparent, annulant les violations de la SUTVA en définissant explicitement comment la distribution de l'exposition change.

3. Nouvel estimand : Effet Attribuable Causal de la Binarisation (CAB) :
   Les auteurs introduisent un nouveau paramètre, le CAB ($\Psi_{CAB}$), défini comme la différence entre l'effet attendu sous une MTP (par exemple, la politique « traitée ») et l'effet attendu dans le monde observé (statu quo) : $\Psi_{CAB} = E[Y^{\tilde{A}_t}] - E[Y]$.

   • Les auteurs soutiennent que le CAB est souvent plus pertinent que le BATE car il compare une intervention de politique spécifique à la réalité actuelle, plutôt que de comparer deux mondes contrefactuels hypothétiques.
   • L'identification du CAB nécessite des hypothèses plus faibles (positivité unidirectionnelle) que le BATE (positivité bidirectionnelle).

4. Estimation :
   L'article détaille quatre estimateurs pour le BATE et le CAB : l'ajustement par régression, la pondération par l'inverse de la probabilité (IPW), l'ajustement par l'inverse de la probabilité augmentée (AIPW) et l'estimation de la probabilité ciblée par la maximum de vraisemblance (TMLE).

   • Une conclusion technique critique est que l'estimation de ces paramètres ne nécessite pas l'estimation de la densité complète de l'exposition continue $A$. En raison de l'équivalence avec l'ATE binarisé, les chercheurs n'ont besoin d'estimer que le score de propension de la variable binaire $T$ (soit $P(T=1|W)$) et la régression de l'effet sur les variables de confusion $E[Y|T, W]$. Cela simplifie considérablement la mise en œuvre par rapport à d'autres MTP qui nécessitent l'estimation de la densité.

Résultats

• Étude de simulation : Les auteurs ont mené une étude de simulation avec 5 000 réplicats avec des tailles d'échantillon de 150, 300 et 500. Les résultats ont montré que les estimateurs de régression, d'IPW et d'AIPW pour le BATE et le CAB étaient cohérents avec un biais négligeable. Les erreurs types étaient comparables entre les méthodes, et les estimateurs ont bien performé même avec de petits échantillons. Crucialement, la simulation a confirmé qu'une estimation cohérente est possible en utilisant uniquement la variable binaire $T$ et les covariables $W$, sans avoir besoin de la distribution complète de $A$.
• Application (Puits de pétrole/gaz en Californie) : La méthode a été appliquée pour évaluer une proposition de loi en Californie créant des zones de protection de la santé de 1 km autour des puits de pétrole et de gaz. L'exposition était la distance au puits le plus proche, binarisée à 1 km.
  • L'ATE BATE estimé suggérait une augmentation de 0,205 % de la probabilité de faible poids à la naissance si tous les puits étaient déplacés en dehors de 1 km par rapport à un monde où tous seraient à l'intérieur de 1 km.
  • Le CAB estimé suggérait une augmentation de seulement 0,0080 % de la probabilité de faible poids à la naissance si la politique était mise en œuvre par rapport au statu quo actuel.
  • Les auteurs notent que le BATE peut surestimer l'effet de la politique car il compare deux mondes hypothétiques extrêmes, tandis que le CAB compare la politique à la réalité observée. Ils discutent également du fait que l'hypothèse de « préservation de l'auto-sélection relative » peut ne pas tenir parfaitement si le retrait des puits modifie la configuration spatiale du prochain puits le plus proche, mais la méthode offre un cadre structuré pour évaluer de telles politiques.

Signification et Revendications
L'article affirme fournir une justification théorique rigoureuse à la pratique répandue de la binarisation des expositions continues. En établissant l'équivalence entre le BATE et les MTP qui préservent la sélection relative, les auteurs soutiennent que la binarisation est une méthode statistiquement valide pour répondre à des questions causales spécifiques, à condition que les hypothèses sous-jacentes soient plausibles pour le contexte de la politique concernée.

Les principales contributions incluent :

1. Validation Théorique : Résoudre le débat sur la binarisation en définissant le mécanisme causal précis (MTPs) qu'elle représente.
2. Nouvel Estimand (CAB) : Proposer le CAB comme un paramètre plus pertinent pour les politiques, car il compare l'intervention au statu quo, avec des exigences d'identification plus faibles.
3. Estimation Pratique : Démontrer que ces MTP complexes peuvent être estimés à l'aide de techniques d'ATE standards (régression, IPW, AIPW, TMLE) sans avoir besoin de l'estimation non paramétrique de la densité de l'exposition continue, rendant l'approche accessible aux praticiens.
4. Orientation Contextuelle : Souligner que la validité de la binarisation dépend de la connaissance du domaine concernant la manière dont les individus se comporteraient sous la politique (par exemple, s'ils se relocaliseraient ou ajusteraient leur comportement pour maintenir des préférences relatives). Le papier ne prétend pas que la binarisation est universellement correcte, mais qu'elle est un outil valide lorsque l'hypothèse de « préservation de l'auto-sélection relative » s'aligne avec le mécanisme de politique réelle.