Everything all at once: On choosing an estimand for multi-component environmental exposures

1. Énoncé du problème

L'épidémiologie environnementale est de plus en plus confrontée au défi d'estimer les effets sanitaires des mélanges d'exposition (par exemple, plusieurs pesticides, polluants) plutôt que des expositions binaires uniques. Ces mélanges présentent quatre complexités spécifiques :

1. Multivariés et continus : Les composantes sont souvent continues et interdépendantes, et non discrètes.
2. Nature longitudinale : Les expositions se produisent sur plusieurs points temporels, créant un biais de confusion temporel variable et des boucles de rétroaction.
3. Interaction : Les composantes peuvent interagir (par exemple, des effets supra-additifs), nécessitant des méthodes qui capturent les effets conjoints plutôt que seulement les effets marginaux.
4. Soutien des données et extrapolation : Une lacune critique dans la littérature existante est l'absence d'évaluation concernant la question de savoir si une intervention hypothétique proposée (par exemple, « réduire tous les pesticides de 20 % ») est soutenue par les données observées. De nombreux décalages proposés reposent sur l'extrapolation (prédire des résultats dans des régions de l'espace des covariables où aucune donnée n'existe), ce qui conduit à des estimations biaisées si le modèle paramétrique est mal spécifié dans ces régions.

Les méthodes actuelles reposent souvent sur une régression paramétrique (par exemple, des modèles de Cox avec LASSO) ou des indices de synthèse, qui peuvent échouer à capturer des interactions non linéaires complexes ou nécessiter des hypothèses fortes et non testables dans des contextes de haute dimension.

2. Méthodologie

Les auteurs proposent un cadre pour définir, évaluer et estimer les effets causaux des politiques de traitement modifiées (MTP) appliquées aux mélanges d'exposition longitudinaux.

A. Formulation de l'estimande

Au lieu de fixer les expositions à des valeurs fixes (ce qui conduit souvent à des paramètres non différentiables dans les modèles non paramétriques), les auteurs se concentrent sur les interventions de décalage :

• Définition : Une intervention hypothétique $d(A_t)$ qui déplace la valeur naturelle de l'exposition $A_t$ d'une quantité spécifique (additive ou multiplicative).
• Application longitudinale : Le décalage est appliqué de manière séquentielle. Pour un décalage multiplicatif de $\delta$ (par exemple, une réduction de 20 %), l'exposition au temps $t$ est définie comme $A^d_t = \delta \times A_t(A^d_{t-1})$, où $A_t$ est la valeur naturelle conditionnelle à l'historique des expositions décalées.
• Paramètre cible : L'estimande causale est la différence attendue dans les résultats : $E[Y(\bar{A}^d) - Y]$, où $Y(\bar{A}^d)$ est le résultat contrefactuel sous la politique de décalage.

B. Évaluation du soutien des données (Positivité et Extrapolation)

Une contribution centrale est l'évaluation rigoureuse de la question de savoir si un décalage proposé est soutenu par les données pour éviter l'extrapolation.

• Approche de l'enveloppe convexe : Les auteurs utilisent l'enveloppe convexe des données observées sur le mélange d'exposition. L'enveloppe convexe représente le plus petit ensemble convexe contenant tous les points de données observés.
• Mesures d'extrapolation : Ils définissent des métriques pour quantifier la distance d'un point de données décalé par rapport à l'extérieur de l'enveloppe convexe :
  • Mesure relative ($R$) : La proportion de la distance de décalage qui se trouve à l'extérieur de l'enveloppe.
  • Mesure absolue : La distance euclidienne du décalage à l'extérieur de l'enveloppe (en unités standardisées).
• Raffinement itératif : Si un décalage proposé (par exemple, une réduction de 20 %) entraîne qu'un trop grand nombre de points tombent à l'extérieur de l'enveloppe convexe (indiquant une extrapolation), le décalage est redéfini. La politique est modifiée pour n'appliquer le décalage que si le point résultant reste à l'intérieur de l'enveloppe (ou dans une petite tolérance, par exemple $\le 0,05$ unités standardisées) ; sinon, l'exposition est laissée à sa valeur observée.

C. Stratégie d'estimation

Pour estimer l'estimande affinée sans dépendre d'hypothèses paramétriques :

• Estimateurs non paramétriques : Les auteurs utilisent l'Estimation Minimale Ciblée de la Perte (TMLE) et l'estimation Doublement Robuste Séquentielle (SDR).
• Intégration de l'apprentissage automatique : Ces estimateurs utilisent le Super Learner (un ensemble d'algorithmes d'apprentissage automatique tels que les forêts aléatoires, LASSO et le gradient boosting) pour ajuster les paramètres de nuisance (modèles de résultat, d'exposition et de censure). Cela garantit une « robustesse double en taux », permettant une inférence valide même si les relations sous-jacentes sont complexes et non linéaires, à condition que les algorithmes d'apprentissage automatique convergent à des taux suffisants.
• Logiciels : Les auteurs fournissent des outils open source en R (package lmtp) et en Julia (MTPConvexHull.jl) pour faciliter le calcul des enveloppes convexes et l'estimation de ces effets.

D. Test d'interaction

Le cadre permet un test non paramétrique des interactions entre des composantes spécifiques du mélange (par exemple, le glyphosate et le paraquat) en comparant l'effet du décalage conjoint à la somme des effets de décalage individuels.

3. Contributions clés

1. Estimandes basées sur le décalage pour les mélanges : Propose une estimande flexible et interprétable (interventions de décalage) adaptée aux mélanges continus, multi-composants et longitudinaux, évitant les pièges de la fixation des expositions à des valeurs fixes.
2. Diagnostics d'extrapolation : Introduit une méthode pratique et évolutif en calcul utilisant les enveloppes convexes pour visualiser et quantifier le risque d'extrapolation dans des contextes de mélanges de haute dimension, une étape souvent omise dans la recherche appliquée.
3. Définition itérative du décalage : Fournit un protocole pour modifier itérativement les décalages hypothétiques jusqu'à ce qu'ils soient bien soutenus par les données observées, garantissant que la question causale est répondable avec les données disponibles.
4. Estimation longitudinale non paramétrique : Démontre l'application du TMLE/SDR avec l'apprentissage automatique pour les données de mélanges longitudinaux, éliminant la dépendance à une spécification correcte du modèle paramétrique.
5. Reproductibilité open source : Fournit du code étape par étape et des modules logiciels pour réduire la barrière à l'entrée pour les chercheurs appliqués afin de mettre en œuvre ces techniques avancées d'inférence causale.

4. Résultats (Exemple motivant : Cohorte CHAMACOS)

Les auteurs ont appliqué le cadre à l'Étude de la cognition maternelle CHAMACOS, analysant la relation entre l'exposition longitudinale à sept classes de pesticides agricoles et le risque d'hypertension chez les mères.

• Analyse du soutien des données :
  • Une réduction naïve de 20 % sur tous les pesticides et points temporels a révélé une extrapolation minimale (0 % des points à l'extérieur de l'enveloppe convexe au-delà du seuil).
  • Cependant, des décalages spécifiques (par exemple, réduire uniquement les néonicotinoïdes) ont entraîné une extrapolation significative (>36 % des points à l'extérieur de l'enveloppe) en raison des corrélations avec d'autres pesticides.
• Estimations causales :
  • Réduction longitudinale de 20 % (tous les pesticides) : Estimée réduire le risque d'hypertension chronique de 4,4 points de pourcentage (IC 95 % : -0,2, 11,0) lors du dernier suivi (environ 48 ans).
  • Réductions de sous-ensembles : La réduction des cinq premières classes de pesticides uniquement (insecticides) a produit une réduction de risque similaire (4,9 points de pourcentage), tandis que la réduction des deux dernières seules (herbicides) ou du paraquat seul a produit des réductions plus faibles et non significatives.
  • Interprétation : Les résultats suggèrent que les insecticides (organophosphorés, pyréthrinoïdes, etc.) peuvent être les principaux moteurs du risque d'hypertension dans cette cohorte, plus que les herbicides.
• Point temporel unique vs Longitudinal : Les analyses à un point temporel unique ont montré des effets plus faibles et non significatifs, soulignant l'importance de capturer la dynamique cumulative et longitudinale de l'exposition.

5. Signification

Cet article comble une lacune critique en épidémiologie environnementale en fournissant un cadre robuste et fondé sur les données pour étudier des mélanges d'exposition complexes.

• Robustesse : En priorisant le soutien des données (via les enveloppes convexes) et en utilisant l'apprentissage automatique non paramétrique, la méthode minimise les biais liés à la mauvaise spécification du modèle et à l'extrapolation.
• Pertinence politique : L'estimande « décalage » s'aligne bien avec les interventions de santé publique (par exemple, « réduire l'utilisation de pesticides de 20 % ») plutôt qu'avec des contrefactuels abstraits.
• Évolutivité : L'utilisation des enveloppes convexes et de l'apprentissage automatique par ensemble rend l'approche calculable pour les grands ensembles de données et les mélanges de haute dimension.
• Reproductibilité : La publication d'outils logiciels dédiés démocratise l'accès à ces méthodes avancées d'inférence causale, encourageant une analyse plus rigoureuse des données de santé environnementale.

En résumé, l'article fait passer le domaine de « l'estimation de ce que le modèle permet » à « le choix d'une estimande que les données peuvent réellement soutenir », augmentant ainsi la crédibilité et l'applicabilité des résultats causaux en santé environnementale.