Two-stage Estimation for Causal Inference Involving a Semi-continuous Exposure

1. Problématique et Contexte

Le défi des expositions semi-continues :
Dans de nombreuses recherches en santé publique (ex. : consommation d'alcool, tabagisme, exposition à des toxiques environnementaux), la variable d'exposition est semi-continue. Cela signifie que la distribution de l'exposition présente une masse de probabilité significative à zéro (individus non exposés) et une composante continue positive parmi les individus exposés.

Limites des méthodes existantes :

• Les méthodes d'inférence causale classiques sont bien développées pour les expositions binaires (exposé/non-exposé) ou purement continues.
• Pour les expositions continues, l'utilisation de la densité conditionnelle (score de propension généralisé) peut mener à des estimateurs très variables en raison de poids extrêmes.
• Les approches existantes pour les expositions semi-continues traitent souvent le problème comme un simple ajustement de modèle sans définir explicitement des estimands causaux unifiés dans un cadre de résultats potentiels, ni étudier rigoureusement les propriétés asymptotiques sous des spécifications erronées des modèles.

Objectif de l'étude :
Développer un cadre causal général et une stratégie d'estimation en deux étapes pour traiter les expositions semi-continues avec des résultats continus, permettant de distinguer l'effet du statut d'exposition (être exposé ou non) de l'effet de la dose (intensité de l'exposition).

2. Méthodologie Proposée

Les auteurs proposent un cadre basé sur les résultats potentiels et utilisent des scores de propension (PS) à deux parties.

A. Cadre Causal et Estimands

L'exposition $T$ est décomposée en :

• $A = I(T > 0)$ : Statut d'exposition (binaire).
• $D = \log(T)$ : Dose continue parmi les exposés.

Deux estimands causaux sont définis :

1. Effet dose-réponse ($\Delta_D$) : L'effet d'une augmentation de la dose parmi les individus déjà exposés ($A=1$).
2. Effet de statut à une dose de référence ($\Delta_0(c)$) : L'effet d'être exposé à une dose de référence cliniquement significative $c$ par rapport à ne pas être exposé ($A=0$).

Ces effets sont paramétrés dans un modèle structurel marginal (MSM) :
$$E\{Y(a, d)\} = \psi_0 + \psi_{11}a(d - c) + \psi_{12}a$$
Où $\psi_{11}$ représente l'effet dose-réponse et $\psi_{12}$ l'effet de statut.

B. Structure du Score de Propension à Deux Parties

Le modèle distingue deux ensembles de confondants (qui peuvent se chevaucher) :

• $Z_1$ : Confondants affectant la dose $D$ parmi les exposés.
• $Z_2$ : Confondants affectant le statut d'exposition $A$.

Le score de propension est un vecteur $S(X) = (S_1, S_2)$ :

• $S_1(Z_1) = E(D | A=1, Z_1)$ : Modèle de régression pour la dose.
• $S_2(Z_2) = P(A=1 | Z_2)$ : Modèle logistique pour le statut d'exposition.

C. Procédure d'Estimation en Deux Étapes

Étape I : Estimation de l'effet dose-réponse ($\psi_{11}$)

• Cible : Les individus exposés ($A=1$).
• Méthode : Ajustement par régression utilisant le score de propension $S_1$.
• Modèle : $E(Y | A=1, D, S_1) = \gamma_{10} + \gamma_{11}D + \gamma_{12}S_1$.
• L'estimateur $\hat{\gamma}_{11}$ est utilisé comme estimateur de $\psi_{11}$.

Étape II : Estimation de l'effet de statut ($\psi_{12}$)

• Cible : Comparaison entre exposés et non-exposés.
• Stratégie : Le terme d'effet dose $\hat{\gamma}_{11}A(D-c)$ est traité comme un offset (terme fixe) dans le modèle de l'étape II. Cela isole l'effet du statut d'exposition à la dose de référence $c$.
• Trois approches sont proposées pour l'étape II :
  1. Ajustement par régression PS : Régression linéaire incluant $A$, $S_2$ et l'offset.
  2. Pondération par l'inverse de la probabilité (IPW) : Utilisation des poids $1/S_2$ pour ajuster les modèles marginaux.
  3. Pondération augmentée par l'inverse de la probabilité (AIPW) : Combinaison de l'IPW et d'un modèle d'imputation (double robustesse).

D. Propriétés Théoriques

• Consistance et Normalité Asymptotique : Les auteurs établissent que les estimateurs sont consistants et asymptotiquement normaux sous les hypothèses d'échangeabilité, de positivité et de SUTVA.
• Double Robustesse (Étape II) : L'estimateur AIPW est consistant si soit le modèle de score de propension pour le statut ($S_2$), soit le modèle d'imputation (résultat) est correctement spécifié.
• Analyse de la Spécification Erronée : Le papier dérive les valeurs limites des estimateurs lorsque les modèles de score de propension sont mal spécifiés, montrant que l'erreur dans l'étape I se propage à l'étape II, soulignant l'importance d'un modèle robuste pour la composante continue.

3. Résultats Principaux

A. Études de Simulation

Des simulations ont été menées pour évaluer la performance en échantillons finis et la robustesse.

• Sous modèles corrects : Toutes les méthodes basées sur le score de propension (régression, IPW, AIPW) montrent des biais faibles et une couverture de confiance proche de 95 %, surpassant largement les méthodes naïves (régression simple sur les covariables).
• Robustesse :
  • La méthode AIPW dans l'étape II démontre sa propriété de double robustesse : elle reste consistante même si le modèle de résultat ou le modèle de PS ($S_2$) est erroné, tant que l'autre est correct.
  • En revanche, une mauvaise spécification du modèle de la composante continue ($S_1$) dans l'étape I induit un biais dans les deux étapes, car l'estimateur de la dose-réponse est incorrect.
• Gestion des covariables : L'inclusion de covariables liées au résultat (mais pas à l'exposition) dans les modèles de PS réduit la variance sans introduire de biais.

B. Application : Exposition Prénatale à l'Alcool (PAE)

L'étude est appliquée à la cohorte longitudinale de Détroit (480 mères, 377 enfants suivis jusqu'à 7 ans).

• Données : Exposition semi-continue (0 pour les non-buveuses, dose continue pour les buveuses) et résultat : QI global (WISC-III).
• Résultats :
  • Les méthodes basées sur le PS (y compris l'AIPW) indiquent un effet négatif (bien que non statistiquement significatif au seuil de 5 %) de l'alcool prénatal sur le QI.
  • L'estimateur AIPW donne une estimation de l'effet de statut de $-0.176$ (SE 1.965), suggérant un effet délétère modeste.
  • La méthode d'ajustement par covariables conventionnelle produit une estimation positive (biaisée), soulignant la vulnérabilité de cette approche aux spécifications erronées du modèle de résultat.
• Traitement des données manquantes : L'analyse utilise l'imputation multiple (MICE) avec des règles de Rubin, en estimant les scores de propension séparément dans chaque jeu de données imputé pour maintenir la validité.

4. Contributions Clés

1. Cadre Unifié : Définition formelle d'estimands causaux distincts pour le statut et la dose dans un cadre semi-continu, intégrés dans un modèle structurel marginal.
2. Stratégie en Deux Étapes : Développement d'une procédure séquentielle qui sépare l'estimation de la réponse dose-réponse de l'effet de statut, permettant une flexibilité dans le choix des méthodes (régression, IPW, AIPW) pour la seconde étape.
3. Propriétés Asymptotiques et Robustesse : Preuve théorique de la consistance et de la normalité, ainsi que l'analyse détaillée de l'impact des erreurs de spécification des modèles de score de propension.
4. Double Robustesse Appliquée : Extension de la double robustesse à ce contexte complexe, offrant une protection contre les erreurs de modélisation dans l'étape II.

5. Signification et Perspectives

Cette étude fournit un outil méthodologique essentiel pour les chercheurs en épidémiologie et en santé publique confrontés à des expositions réelles qui ne sont pas purement binaires ni purement continues (comme l'alcool, les drogues, ou les polluants).

• Précision Causale : Elle permet de répondre à des questions scientifiques nuancées : « Quel est l'effet de commencer à boire ? » vs « Quel est l'effet d'augmenter la consommation ? ».
• Fiabilité : La démonstration de la double robustesse dans l'étape II renforce la crédibilité des inférences causales dans des contextes observationnels complexes.
• Limites et Futur : L'article note que l'étape I n'est pas doublement robuste. Une direction future importante serait d'intégrer des méthodes semi-paramétriques flexibles (comme le lissage par noyaux) dans la première étape pour réduire la sensibilité à la spécification du modèle de dose. De plus, l'extension à des résultats multivariés (plusieurs mesures de cognition) et à des méta-analyses de cohortes est suggérée.

En résumé, ce travail propose une avancée méthodologique robuste pour quantifier les effets causaux d'expositions complexes, offrant une alternative supérieure aux méthodes d'ajustement traditionnelles dans les études observationnelles.