📊 statistics

Causal Inference Using Augmented Epidemic Models

Cet article distingue les interprétations de génération de données et causales des modèles épidémiques afin d'établir un cadre pour l'estimation des effets d'intervention par l'inférence causale qui tient compte des facteurs de confusion et des mesures variant dans le temps.

Auteurs originaux : Heejong Bong, Valérie Ventura, Larry Wasserman

Publié 2026-01-27

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Heejong Bong, Valérie Ventura, Larry Wasserman

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de déterminer si une action spécifique, comme le port du masque ou le confinement, arrête réellement la propagation d'un virus. Vous avez un historique de la façon dont le virus s'est comporté (les données) et une liste des actions entreprises par les gens au fil du temps. Pour comprendre la « cause et l'effet », les scientifiques construisent des modèles mathématiques.

Cet article traite d'un piège courant dans la construction de ces modèles et propose une meilleure façon de le résoudre.

Les deux façons d'envisager le modèle

Les auteurs affirment que lorsque nous ajoutons des « interventions » (comme des vaccins ou des confinements) à un modèle épidémique, nous traitons généralement le modèle de deux manières différentes, mais nous les confondons souvent :

Le « Conteur » (Modèle générateur de données) : Ce modèle tente de raconter ce qui s'est réellement passé. Il dit : « Étant donné ce qui s'est passé hier et les actions que nous avons entreprises, voici comment le virus s'est propagé aujourd'hui. »
La « Machine à Et si » (Modèle causal) : Ce modèle tente de répondre à une question hypothétique. Il demande : « Si nous avions modifié nos actions hier, que se serait-il passé aujourd'hui ? »

Le Problème : L'article soutient que si vous utilisez le modèle du « Conteur » pour prédire le scénario du « Et si », vous obtenez la mauvaise réponse. C'est comme essayer de prédire la météo de la semaine prochaine en regardant une carte des embouteillages d'aujourd'hui. Les outils sont conçnés pour des tâches différentes.

Le problème du « Fantôme » (Biais fantôme)

L'article introduit un problème sournois appelé le « paradoxe g-nul » causé par des « Variables Fantômes ».

L'analogie : Imaginez que vous étudiez la cause d'un accident de voiture. Vous regardez la vitesse du conducteur (Intervention) et l'accident (Résultat). Mais il y a un « Fantôme » (une Variable Fantôme) que vous ne voyez pas, comme une rafale de vent soudaine.
- Le vent provoque un écart de la voiture (affectant le résultat).
- Le vent fait aussi que le conducteur freine plus fort (affectant l'intervention).
- Le vent ne cause pas directement l'accident d'une manière qui relie les deux de façon linéaire simple.

Si vous utilisez les mathématiques standards (Maximum de Vraisemblance) pour analyser cela, les mathématiques s'embrouillent. Elles voient que le « freinage » et le « crash » arrivent ensemble et concluent que le freinage cause les accidents, même si ce n'est pas le cas. Le « Fantôme » (le vent) crée une fausse connexion. Dans les termes de l'article, le modèle croit qu'il existe un effet causal alors qu'il n'y en a pas, ou il exagère l'effet qui existe réellement.

Les quatre méthodes : Un menu de solutions

Les auteurs proposent quatre façons de gérer cela. Ils recommandent une méthode spécifique comme étant le meilleur équilibre entre simplicité et précision.

Méthode 1 : La voie « Standard » (Ne faites pas cela)

Comment elle fonctionne : Vous construisez le modèle du « Conteur », vous l'ajustez aux données en utilisant les mathématiques standards, puis vous prétendez qu'il répond aux questions de type « Et si ».
Le Résultat : C'est le piège. Cela mène au problème du « Fantôme », donnant des résultats faux ou exagérés. L'article dit : Évitez cela.

Méthode 2 : Le « Colosse aux pieds d'argile » (Heavy Lifter)

Comment elle fonctionne : Vous construisez le modèle du « Conteur », mais vous utilisez ensuite une recette mathématique complexe (appelée formule g) pour extraire manuellement la réponse au « Et si ».
Le Résultat : Cela fonctionne et évite le problème du Fantôme, mais c'est très difficile à réaliser. La réponse au « Et si » est enfouie dans une boîte noire et est difficile à expliquer aux gens.

Méthode 3 : La voie « Recommandée » (Le juste milieu)

Comment elle fonctionne : Au lieu d'essayer de raconter toute l'histoire du passé, vous traitez votre modèle strictement comme une machine de « Et si » dès le départ. Vous reconnaissez que les données passées contiennent du « bruit » (confondeurs) et vous utilisez un outil statistique spécial (appelé équations d'estimation) pour filtrer ce bruit.
Le Résultat : C'est l'approche la plus simple et la plus naturelle. Elle donne une réponse claire et interprétable sur l'effet de l'intervention sans être piégée par les « Fantômes ». C'est comme utiliser un filtre spécialisé pour voir la vérité, plutôt que d'essayer de reconstruire tout l'univers.

Méthode 4 : L'« Architecte »

Comment elle fonctionne : Vous construisez d'abord un modèle de « Et si », puis vous construisez un nouveau modèle de « Conteur » très complexe qui est parfaitement cohérent avec lui.
Le Résultat : Cela évite le problème du Fantôme et ne nécessite pas la complexité mathématique de la Méthode 2. Cependant, c'est extrêmement difficile à construire et nécessite de faire de nombreuses hypothèses sur le fonctionnement du monde.

Le test en conditions réelles

Les auteurs ont testé ces idées en utilisant deux choses :

Données fictives : Ils ont créé des simulations informatiques d'une épidémie de virus avec des « Fantômes » cachés en arrière-plan.
- Résultat : La méthode standard (Méthode 1) a échoué, voyant des effets là où il n'y en avait pas. La Méthode 3 a parfaitement fonctionné, ignorant les fantômes.
Données réelles : Ils ont examiné des données réelles de décès liés à la COVID-19 dans 30 États américains et l'effet de la « mobilité » (à quel point les gens se déplaçaient).
- Résultat : La méthode standard suggérait que rester chez soi avait un effet énorme sur la réduction des décès. La Méthode 3 suggérait que l'effet était plus faible (ou parfois inexistant). Les auteurs soutiennent que la méthode standard était probablement en train d'« halluciner » un effet plus fort à cause des « Fantômes » cachés (comme des modèles météorologiques non mesurés ou la capacité de soins de santé) qui influençaient à la fois les mouvements et les taux de mortalité.

L'essentiel à retenir

Si vous voulez savoir si une intervention (comme un vaccin ou un confinement) fonctionne réellement sur la base de données de séries temporelles :

Ne vous contentez pas d'ajuster un modèle standard en espérant que tout ira bien ; il vous mentira probablement sur la relation de cause à effet.
Utilisez plutôt la Méthode 3. Traitez votre modèle comme un outil pour répondre directement à des questions de type « Et si », et utilisez des techniques statistiques spécifiques pour nettoyer les variables cachées qui troublent l'image.

L'article conclut que bien que tous les modèles soient imparfaits, la Méthode 3 est la façon la plus pratique d'obtenir une réponse véridique sur les effets causaux des interventions de santé publique sans tomber dans le piège des biais « fantômes ».

Résumé technique : Inférence causale à l'aide de modèles épidémiques augmentés

Énoncé du problème

L'article traite du défi que représente l'inférence des effets causaux d'interventions variables dans le temps ( $A_t$ ) sur les résultats épidémiques ( $Y_t$ ) à partir d'une série temporelle observée unique. Bien que les modèles épidémiques soient fréquemment modifiés pour inclure des variables d'intervention afin de prédire des scénarios ou d'estimer des effets, la littérature confond souvent deux interprétations distinctes de ces modèles « augmentés » :

Modèles de génération de données (DGM - Data Generating Models) : Modèles décrivant la densité conditionnelle des variables aléatoires observées.
Modèles structurels marginaux (MSM - Marginal Structural Models) : Modèles causaux décrivant la distribution des variables aléatoires contrefactuelles $Y_t(a_1, \dots, a_t)$ .

Le problème central est que traiter un modèle épidémique augmenté comme un DGM pour estimer les paramètres via l'estimation par maximum de vraisemblance (MLE) ou des méthodes bayésiennes, puis utiliser ces mêmes paramètres pour faire des inférences causales (comme s'il s'agissait d'un MSM), conduit à des estimateurs inconsistants. Cette inconsistance se manifeste par le paradoxe du g-null : même lorsqu'il n'existe aucun effet causal réel ( $\beta_A = 0$ ), l'effet causal estimé est non nul. Ce biais provient de variables fantômes — des variables non observées qui affectent le résultat mais pas l'intervention — qui induisent une dépendance conditionnelle entre le traitement et le résultat dans les modèles paramétriques non linéaires, provoquant ainsi des estimations par vraisemblance qui confondent corrélation et causalité.

Méthodologie

Les auteurs proposent et analysent quatre approches distinctes pour traiter les modèles épidémiques augmentés, en distinguant celles qui traitent le modèle comme un DGM de celles qui le traitent comme un MSM.

Méthode 1 : Estimation par maximum de vraisemblance/bayésienne (L'approche défectueuse)

Procédure : Le modèle augmenté est traité comme un DGM. Les paramètres sont estimés via MLE ou l'inférence bayésienne. Le modèle ajusté est ensuite utilisé pour calculer des effets causaux (par exemple, via la formule-g) ou des prédictions de scénarios.
Problème : Cette approche souffre du paradoxe du g-null. En présence de variables fantômes, la fonction de vraisemblance ne peut pas séparer les effets causaux de la dépendance conditionnelle. Par conséquent, les estimations des paramètres causaux sont inconsistantes, produisant des effets non nuls même lorsque le véritable effet est nul.

Méthode 2 : Extraction de l'effet causal via des équations d'estimation

Procédure :
1. Traiter le modèle augmenté comme un DGM et inclure les facteurs de confusion ( $X_t$ ).
2. Extraire l'effet causal $\psi(a_t)$ du DGM en utilisant la formule-g (Éq. 9).
3. Estimer les paramètres du modèle causal résultant en utilisant des équations d'estimation (Éq. 14) plutôt que la vraisemblance.
Mécanisme : Cette méthode utilise le score de propension (dérivé du DGM) pour pondérer les équations d'estimation, permettant ainsi d'ajuster les facteurs de confusion.
Limitation : Elle nécessite de spécifier la distribution jointe complète des observables, ce qui est exigeant en termes de calcul et souvent intraitable. Le modèle causal résultant peut manquer d'interprétabilité.

Méthode 3 : Modèles augmentés en tant que modèles structurels marginaux (Approche recommandée)

Procédure :
1. Interpréter directement le modèle épidémique augmenté comme un MSM pour le contrefactuel $Y_t(a_t)$ .
2. Spécifier un modèle distinct pour le score de propension (la probabilité de l'intervention étant donné l'historique passé).
3. Estimer les paramètres en utilisant des équations d'estimation (Éq. 14).
Mécanisme : En traitant le modèle épidémique comme un modèle causal pour les contrefactuels, les auteurs évitent la dépendance de variation entre les paramètres de causalité et de dépendance qui fragilise les méthodes basées sur la vraisemblance. L'effet causal $\psi(a_t; \theta)$ est souvent approximé via une simulation de Monte Carlo (Éq. 15) si une forme fermée n'est pas disponible.
Avantage : C'est l'approche la plus simple, elle s'aligne sur les pratiques standards de l'inférence causale et gère facilement les facteurs de confusion via le score de propension. Elle évite le paradoxe du g-null.

Méthode 4 : Modèles de génération de données préservant la causalité

Procédure :
1. Utiliser le modèle augmenté comme un MSM.
2. Construire un DGM complet pour les observables $(X_t, A_t, Y_t)$ qui est cohérent avec le MSM spécifié en utilisant des copules (spécifiquement la « paramétrisation frugale » décrite par Evans et Didelez, 2024).
3. Estimer tous les paramètres via le maximum de vraisemblance.
Mécanisme : En séparant explicitement la paramétrisation de la causalité (via le MSM) et celle de la dépendance (via la copule), le modèle devient variationnellement indépendant, évitant ainsi le paradoxe du g-null sans avoir à diviser par le score de propension.
Limitation : C'est l'approche la plus complexe techniquement, nécessissant une modélisation complexe des distributions jointes et des copules, particulièrement pour une série temporelle unique.

Contributions clés et résultats

Contributions théoriques

Identification du biais de fantôme : L'article démontre rigoureusement que les variables fantômes (facteurs non observés affectant les résultats mais pas les interventions) rendent les estimations basées sur la vraisemblance inconsistantes dans les modèles épidémiques non linéaires, même en l'absence de confusion non mesurée.
Distinction des interprétations : Il clarifie que les DGM et les MSM ne sont généralement pas interchangeables dans les contextes de séries temporelles, et que leur confusion mène au paradoxe du g-null.
Cadre méthodologique : Les auteurs fournissent une comparaison structurée de quatre méthodes, soulignant que les méthodes 2, 3 et 4 sont valides pour l'inférence causale, tandis que la méthode 1 ne l'est pas.

Résultats empiriques

Les auteurs valident leurs affirmations théoriques par des simulations de données et une étude observationnelle :

Simulation de modèle semi-mécaniste :
- Méthode 1 (MLE) : A montré un biais de fantôme significatif. Lorsque le véritable effet causal $\beta_A = 0$ , le MLE estimait un effet non nul.
- Méthode 3 (Équations d'estimation) : A produit des estimations sans biais, récupérant correctement $\beta_A = 0$ lorsque le véritable effet était nul.
Simulation de modèle SEIR :
- A répliqué les conclusions : les estimations MLE étaient biaisées par les variables fantômes, tandis que les estimations par équations d'estimation (Méthode 3) étaient consistantes.
Étude observationnelle (Données COVID-19 aux États-Unis) :
- A analysé l'effet de la mobilité (proportion de travail à plein temps) sur les décès liés à la COVID-19 dans 30 États américains.
- Comparaison : Les estimations de la Méthode 3 étaient nettement inférieures à celles de la Méthode 1 (MLE) dans 24 des 30 États ( $p < 0,001$ ).
- Interprétation : Les auteurs suggèrent que les estimations plus élevées du MLE ont probablement surestimé l'effet causal de la mobilité sur les décès en raison du biais de fantôme, tandis que l'approche par équation d'estimation a fourni une estimation plus conservatrice et probablement plus exacte.

Signification et revendications

L'article affirme que les pratiques standards en modélisation épidémique — spécifiquement l'ajustement de modèles augmentés via la vraisemblance et leur interprétation causale — sont fondamentalement erronées en raison du paradoxe du g-null. Les auteurs soutiennent que :

Les estimations MLE et bayésiennes ne devraient pas être utilisées pour l'inférence causale dans ces contextes car elles produisent des estimateurs inconsistants.
La Méthode 3 est la solution la plus pratique et la plus naturelle. Elle nécessite moins d'hypothèses de modélisation que la Méthode 4 et évite l'intraitabilité de la Méthode 2, tout en éliminant avec succès le biais de fantôme.
Erreur de spécification vs Biais de fantôme : Bien que toutes les méthodes soient sujettes à une potentielle erreur de spécification de modèle, seules les méthodes 2, 3 et 4 éliminent le biais structurel spécifique introduit par les variables fantômes dans les modèles non linéaires.

Les auteurs concluent que si la Méthode 4 offre une alternative plus rigoureuse et entièrement spécifiée qui évite de diviser par les scores de propension, la Méthode 3 reste l'approche recommandée pour sa simplicité et son interprétabilité. Ils soulignent la nécessité critique de distinguer les modèles de génération de données des modèles causaux dans la recherche épidémiologique.