Résumé Technique : Un Cadre d'Analyse de Sensibilité pour l'Inférence Causale sous Interférence

1. Énoncé du Problème

En inférence causale, l'hypothèse d'absence d'interférence (l'hypothèse de stabilité de la valeur de l'unité de traitement, ou SUTVA) postule que le résultat d'une unité dépend uniquement de son propre traitement. Cependant, dans de nombreuses applications, telles que les études sur les maladies infectieuses, le traitement reçu par une unité peut influencer le résultat d'une autre unité, un phénomène connu sous le nom d'interférence ou d'effets de débordement (spillover effects). Ignorer l'interférence conduit à un biais systématique qui ne peut être atténué en augmentant la taille de l'échantillon.

La littérature existante sur l'interférence suppose souvent que tous les facteurs de confusion pertinents sont observés et que la population d'étude est représentative de la population cible. Cependant, les praticiens sont fréquemment confrontés à trois défis simultanés :

1. Interférence ignorée : Échec de l'ajustement pour les effets de débordement.
2. Facteurs de confusion non mesurés : Présence de variables non observées affectant à la fois le traitement et le résultat.
3. Manque de transportabilité : Incapacité de généraliser les conclusions causales d'une population de référence à une population cible en raison de différences dans les distributions de covariables ou les mécanismes de traitement.

Les cadres actuels d'analyse de sensibilité traitent généralement ces problèmes de manière isolée. Par exemple, bien que VanderWeele et al. (2015) aient développé un cadre pour la confusion non mesurée sous interférence, celui-ci ne tient pas compte de l'interférence ignorée ou de la transportabilité. De même, Forastiere et al. (2021) discutent du biais induit par ces facteurs mais manquent d'une approche structurée d'analyse de sensibilité avec des paramètres interprétables pour les praticiens. Cet article comble cette lacune en proposant un cadre unifié pour évaluer le biais systématique découlant de la combinaison de ces trois complexités.

2. Méthodologie

2.1 Cadre et Hypothèses

Les auteurs adoptent le cadre des potentiels de résultats sous interférence de voisinage. Ils introduisent une Cartographie de l'Exposition au Résultat (Hypothèse 1), où une fonction scalaire $g_i(\mathbf{A}_{N_i})$ résume les traitements des voisins d'une unité, réduisant ainsi la dimensionnalité des potentiels de résultats. Le résultat observé $Y$ est lié aux potentiels de résultats via une hypothèse de cohérence (Hypothèse 2).

Pour gérer la confusion non mesurée et la transportabilité, les auteurs relâchent les hypothèses d'identification standard :

• Faible Échangeabilité Conditionnelle (Hypothèse 5) : Permet l'existence de facteurs de confusion non observés ($U$) mais suppose l'indépendance conditionnelle étant donné les covariables observées ($X$) et les facteurs de confusion non observés. Crucialement, cela nécessite de conditionner sur les causes communes du traitement personnel ($A$) et du traitement du voisinage ($G$), ainsi que sur les causes communes de $A$ et de l'indicateur de population ($S$).
• Ignorabilité de l'Échantillonnage Conditionnelle (Hypothèse 7) : Permet des différences non observées entre la population de référence ($S=1$) et la population cible ($S=2$), à condition que, étant donné $G$ et des covariables spécifiques, l'échantillonnage soit ignorable.

2.2 Décomposition du Biais via les Erreurs de Pondération

La méthodologie centrale consiste à comparer un estimateur « naïf » (qui ignore l'interférence, la confusion non mesurée et les problèmes de transportabilité) aux formules d'identification réelles dérivées sous les hypothèses relâchées. Les auteurs définissent deux types d'erreurs de pondération :

1. Erreur Multiplicative dans les Poids (EMP, $\varepsilon_a$) : Le ratio du score de propension réel (conditionnant sur tous les $X$ et $U$ pertinents) par rapport au pseudo-score de propension (conditionnant uniquement sur les $X_{AY}$ observés). Cela capture le biais provenant de l'interférence ignorée et de la confusion non mesurée.
2. Erreur de Différence dans les Poids (EDP, $\tilde{\varepsilon}_S$) : Un terme représentant la différence entre le poids d'échantillonnage naïf (1) et le véritable poids d'échantillonnage requis pour la transportabilité. Cela capture le biais provenant du manque de transportabilité.

2.3 Paramètres de Sensibilité

Le biais est décomposé en une somme de termes de covariance, chacun exprimé comme le produit d'un coefficient de corrélation et de deux écarts-types. Ces composantes servent de paramètres de sensibilité que les praticiens peuvent spécifier sur la base de connaissances du domaine :

• Pour l'Interférence/Confusion (Termes T1 & T2) :
  • $\sigma_{Y(a,0)}$ : Écart-type des potentiels de résultats de base.
  • $\sigma_{\varepsilon_a}$ : Variabilité des scores d'EMP (reflétant la force de la confusion/interférence ignorée).
  • $\rho_{Y(a,0), \varepsilon_a}$ : Corrélation entre les résultats de base et les erreurs de pondération.
  • $\sigma_{\gamma(a)}$ : Variabilité des effets de débordement individuels naturels.
  • $\rho_{\gamma(a), \varepsilon_a}$ : Corrélation entre les effets de débordement et les erreurs de pondération.
• Pour la Transportabilité (Termes T3 & T4) :
  • $\sigma_{\tau(0)}$ : Variabilité des effets directs contrôlés.
  • $\sigma_{\tilde{\varepsilon}_S}$ : Variabilité des scores d'EDP.
  • $\rho_{\tau(0), \tilde{\varepsilon}_S}$ : Corrélation entre les effets directs et les poids d'échantillonnage.
  • $\sigma_{\gamma(1)-\gamma(0)}$ : Variabilité de la différence des effets de débordement.
  • $\rho_{\gamma(1)-\gamma(0), \tilde{\varepsilon}_S}$ : Corrélation entre les différences d'effets de débordement et les poids d'échantillonnage.

Les auteurs fournissent des directives pour borner ces paramètres (par exemple, en utilisant l'inégalité de Popoviciu pour les bornes de résultat ou l'inégalité de Bhatia-Davis pour les bornes de poids) et suggèrent de fixer le signe des corrélations pour maximiser le biais afin d'obtenir les scénarios les plus défavorables (worst-case scenarios).

2.4 Extension aux Potentiels de Résultats Indéfinis

L'article étend le cadre aux contextes où les potentiels de résultats sont indéfinis pour les unités ayant un nombre insuffisant de voisins (par exemple, une unité avec 0 voisin ne peut pas expérimenter un traitement de voisinage de 2). En introduisant une variable $N$ pour le nombre de voisins et en conditionnant l'analyse sur $N$, les auteurs dérivent des formules d'identification (Théorème 3) et des décompositions de biais qui restent valides même lorsque le domaine de la cartographie de l'exposition varie selon l'unité.

3. Résultats Clés

• Théorème 1 (Décomposition du Biais pour $\phi_1$) : Le biais d'un estimateur naïf pour l'effet de traitement moyen naturel dans la population de référence est décomposé en deux parties :
  • T1 : Covariance entre les scores d'EMP et les potentiels de résultats de base (pilotée par la confusion non mesurée et le niveau de base de l'interférence).
  • T2 : Covariance entre les scores d'EMP et les effets de débordement naturels. Ce terme souligne que même en l'absence de causes communes de $A$ et $G$, la confusion non mesurée peut induire un biais si elle est corrélée avec l'hétérogénéité des effets de débordement.
• Théorème 2 (Décomposition du Biais pour $\phi_2$) : Le biais pour l'effet de traitement moyen naturel transporté est la somme du biais pour $\phi_1$ plus deux termes additionnels :
  • T3 : Covariance entre les scores d'EDP et les effets directs contrôlés.
  • T4 : Covariance entre les scores d'EDP et la différence des effets de débordement entre les bras de traitement.
• Corollaires : L'article démontre que si la distribution marginale du traitement de voisinage ($G$) est identique entre les populations, le biais de transportabilité disparaît. Il montre également qu'en l'absence d'interférence, le cadre se réduit aux méthodes existantes d'analyse de sensibilité pour la transportabilité (par exemple, Huang, 2024).
• Théorème 3 : Étend la décomposition du biais aux scénarios avec des potentiels de résultats indéfinis, montrant que la structure du biais reste similaire mais nécessite de conditionner sur le nombre de voisins.

4. Signification et Contributions

L'article affirme être le premier à développer un cadre d'analyse de sensibilité complet qui prend simultanément en compte l'interférence ignorée, la confusion non mesurée et le manque de transportabilité.

• Nouveauté : Contrairement aux travaux précédents qui traitent ces questions séparément ou exigent des hypothèses fortes sur le processus générateur de résultats ou la distribution des facteurs de confusion non observés, ce cadre repose sur une décomposition du biais basée sur la pondération, ce qui est robuste aux diverses complexités des données.
• Utilité Pratique : En paramétrant le biais via des paramètres de sensibilité facilement interprétables (corrélations et écarts-types), le cadre permet aux praticiens d'évaluer la robustesse de leurs conclusions face aux violations des hypothèses standards. Il permet aux chercheurs de jauger la force de l'interférence ou de la confusion nécessaire pour modifier leurs conclusions.
• Généralisation : La méthodologie généralise les résultats de pondération précédents (par exemple, Shen et al., 2011 ; Hong et al., 2021) et les étend au contexte complexe de l'interférence et de la transportabilité.
• Gestion des Résultats Indéfinis : L'extension aux potentiels de résultats indéfinis comble une lacune théorique critique dans la littérature sur l'interférence, en reconnaissant que tous les potentiels de résultats ne sont pas forcément bien définis pour chaque unité.

En résumé, l'article fournit une approche structurée, flexible et théoriquement fondée pour permettre aux praticiens d'évaluer le biais systématique dans les estimations causales lorsque l'interférence, la confusion non mesurée et les problèmes de transportabilité sont présents mais non observés ou non ajustés dans les données.