Résumé Technique : DARTS – Ciblage des Covariables Prognostiques dans les Expériences Séquentielles sous Contrainte Budgétaire

1. Formulation du Problème

L'article aborde une limitation critique dans la conception des Essais Contrôlés Randomisés (ECR) : l'hypothèse selon laquelle des covariables prétraitement de haute qualité et de haute dimension sont connues et disponibles sans coût. En pratique, l'acquisition de telles données est souvent coûteuse en raison des diagnostics médicaux, de la fatigue liée aux enquêtes ou des surcoûts computationnels. Cela crée un compromis entre la précision adaptative aux covariables (qui réduit la variance de l'effet du traitement) et un budget de mesure strict.

De plus, l'efficacité des méthodes adaptatives aux covariables (comme la rerandomisation) diminue lorsque le nombre de facteurs prognostiques est grand par rapport à la taille de l'échantillon, rendant mathématiquement improbable un équilibre simultané sur toutes les dimensions. Bien que la littérature existante fournisse des cadres pour équilibrer des ensembles prognostiques connus, de nombreux contextes impliquent des facteurs prognostiques inconnus. Les auteurs proposent un cadre séquentiel où les données arrivent par lots (par exemple, une inscription continue), permettant à l'expérimentateur d'apprendre itérativement quelles variables sont les plus prognostiques tout en respectant un budget global $B$ sur $T$ lots.

2. Méthodologie : DARTS

Les auteurs introduisent la Rerandomisation Adaptative Dynamique par Échantillonnage de Thompson (DARTS), un cadre qui traite l'acquisition de covariables comme un problème d'optimisation séquentielle intégré dans une conception valide d'inférence causale. La méthode opère en trois couches interconnectées :

A. La Couche d'Acquisition (Semi-Bandit Combinatoire)

La sélection des covariables est formulée comme un problème de Bandit Multi-Armes Combinatoire sous Budget (CBwK) avec des contraintes de sac à dos.

• Bras : Chaque covariable candidate $j \in [p]$ est un bras avec une importance prognostique inconnue $\theta^*_j$ et un coût de mesure $c_j$.
• Objectif : Maximiser la "récompense" totale attendue (valeur prognostique) sous réserve du budget global $B$.
• Algorithme : Les auteurs adaptent l'Échantillonnage de Thompson à ce cadre (CBwK-LP-TS).
  • Ils maintiennent des posteriors Beta indépendants pour les probabilités de récompense de chaque covariable.
  • À chaque tour $t$, ils échantillonnent à partir de ces posteriors et résolvent une relaxation par programmation linéaire (LP) du problème de sélection entier pour choisir un sous-ensemble de covariables $S_t$ maximisant le ratio "bang-per-buck" (récompense échantillonnée divisée par le coût effectif).
  • Prix Ombres : Pour faire respecter la contrainte budgétaire, l'algorithme utilise des mises à jour multiplicatives des poids sur les prix ombres (variables duales) associés au budget et aux contraintes individuelles des bras. Cela empêche l'épuisement précoce du budget sur des bras bruyants et coûteux.
• Proxy de Récompense : Puisque l'importance prognostique réelle est inconnue, la récompense est estimée à l'aide de récompenses fractionnelles dérivées des coefficients de régression LASSO sur les unités de contrôle uniquement ($r_j(t) = |\hat{\lambda}_j| / \max |\hat{\lambda}_k|$). Cela évite la contamination par l'effet du traitement et exploite la parcimonie dans les contextes de haute dimension.

B. La Couche de Conception (Rerandomisation)

Une fois le sous-ensemble $S_t$ sélectionné pour le lot $t$ :

1. Les covariables sélectionnées sont mesurées pour toutes les $n$ unités du lot.
2. Rerandomisation : L'algorithme génère $K$ affectations de traitement candidates et sélectionne celle minimisant la distance de Mahalanobis entre les groupes de traitement et de contrôle basée sur $S_t$.
3. Symétrie Miroir : Pour préserver un équilibre marginal exact, l'affectation finale est choisie par un lancer de pièce équitable entre l'affectation optimale $z^*$ et son complément $1-z^*$.

C. La Couche d'Estimation

1. Estimation par Lot : L'Effet Moyen du Traitement (ATE) pour le lot $t$ est estimé en utilisant une MCO ajustée par Lin (ajustement par régression) sur les covariables sélectionnées, avec des estimations de variance robustes à l'hétéroscédasticité HC2.
2. Estimation Cumulative : Les estimations par lot sont combinées à l'aide d'une méta-analyse pondérée par l'inverse de la variance. L'estimateur cumulatif $\hat{\mu}_t$ est mis à jour séquentiellement, pondérant chaque lot par sa précision estimée ($1/\hat{v}_t$).

3. Contributions Théoriques Clés

L'article établit trois résultats théoriques principaux :

1. Non-Biais Basé sur la Conception (Théorème 1) : Les auteurs prouvent que la sélection adaptative de covariables basée sur les lots passés ne biaise pas l'estimateur de différence de moyennes au niveau du lot. Parce que l'ensemble de covariables $S_t$ est déterminé par le $\sigma$-corps des lots précédents ($F_{t-1}$) et est fixé avant la randomisation du lot actuel, l'espérance conditionnelle de l'estimateur reste le vrai ATE $\tau$.
2. Validité Asymptotique (Théorème 2) : L'estimateur cumulatif pondéré par l'inverse de la variance atteint une couverture asymptotique au moins nominale. Sous des conditions de régularité (incluant qu'aucun lot unique ne domine la variance et que la rerandomisation n'augmente pas la variance), l'estimateur converge vers une distribution normale avec une couverture conservatrice.
3. Bornes de Regret (Théorèmes 3 & 4) :
   • Borne Supérieure : Ils dérivent une borne de risque bayésien pour la couche d'acquisition (CBwK-LP-TS) qui évolue comme $O(\sqrt{p \log(pT) \cdot \min(KT, B/c_{min})})$.
   • Borne Inférieure : Ils établissent une borne inférieure minimax pour le problème de bandit semi-combinatoire qui correspond à la borne supérieure à des facteurs logarithmiques près, démontrant la quasi-optimale du taux d'apprentissage.
   • Récompenses Fractionnelles : Ils étendent la théorie au schéma pratique de récompenses fractionnelles, montrant que l'algorithme conserve un risque bayésien sous-linéaire si l'erreur d'approximation du pseudo-posterior est faible.

4. Résultats Empiriques

Les auteurs évaluent DARTS par le biais de simulations extensives à travers divers Processus de Génération de Données (PGD), incluant des modèles linéaires et le PGD non linéaire et corrélé de Liang.

• Capacité d'Apprentissage : DARTS concentre avec succès le budget sur les vraies covariables prognostiques. Dans des contextes traitables (par exemple, $p=100, n=1000$), les probabilités d'inclusion a posteriori pour les covariables de signal sont significativement plus élevées que pour les covariables de bruit.
• Gains de Précision : DARTS réduit systématiquement l'erreur standard de l'estimateur ATE par rapport à :
  • DiM : Randomisation complète sans ajustement.
  • Random : Rerandomisation avec un sous-ensemble de covariables sélectionné aléatoirement (sans apprentissage).
  • ARMM/MADCovar : Méthodes de randomisation adaptative existantes utilisant des ensembles de covariables pré-sélectionnés.
  • Dans plusieurs scénarios, DARTS atteint une efficacité relative (ER) allant jusqu'à 3,56 par rapport à DiM, réduisant significativement l'écart avec la conception "Oracle" (qui connaît a priori le vrai ensemble prognostique).
• Robustesse : La méthode se dégrade gracieusement vers une base complètement randomisée lorsque le problème d'apprentissage est intraitable (par exemple, très haute dimensionnalité par rapport au budget et à l'horizon) mais ne nuit jamais substantiellement à la précision par rapport aux bases aléatoires.
• Validité : Les taux de couverture empiriques restent au niveau nominal de 95 % ou près de celui-ci, confirmant les garanties de validité théorique.

5. Signification et Revendications

L'article revendique que DARTS représente une nouvelle formulation de problème : l'acquisition adaptative de covariables comme partie intégrante de la conception d'ECR séquentiels sous budget de mesure.

Sa signification principale réside dans le pont établi entre l'inférence causale et la prise de décision séquentielle (bandits) :

• Il démontre que l'on peut apprendre quelles covariables mesurer en temps réel sans compromettre la validité basée sur la conception de l'inférence causale.
• Il fournit un cadre théorique rigoureux (découplant la sélection de la randomisation) qui garantit que l'estimateur cumulatif reste non biaisé et asymptotiquement valide malgré la nature adaptative de la conception.
• Il offre une solution pratique pour des contextes où les facteurs prognostiques sont inconnus et l'acquisition de données coûteuse, fermant systématiquement l'écart d'efficacité avec les conceptions oracle tout en maintenant une validité inférentielle stricte.

Les auteurs notent des limitations, notamment la dépendance à une hypothèse d'indépendance des bras (bien que le LASSO atténue les problèmes de corrélation) et la restriction actuelle à l'inférence à horizon fixe (les regards séquentiels invalident la couverture). Ils suggèrent que des travaux futurs pourraient aborder les bras corrélés et l'inférence valide à tout moment.