📊 statistics

Causal Fairness for Survival Analysis

Ce papier présente un cadre causal non paramétrique pour l'équité en analyse de survie qui décompose les disparités temporelles en voies directe, indirecte et fallacieuse afin d'expliquer leurs origines et leur évolution, démontré par une analyse des disparités raciales dans les résultats des soins intensifs.

Auteurs originaux : Drago Plecko

Publié 2026-05-13

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Drago Plecko

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

La Vue d'Ensemble : Pourquoi l'« Équité » a Besoin d'une Machine à Remonter le Temps

Imaginez que vous dirigez un hôpital et que vous voulez savoir si votre traitement est équitable pour tous. Vous examinez vos données et constatez qu'un groupe de patients (appelons-le Groupe A) semble survivre plus longtemps qu'un autre groupe (Groupe B).

Par le passé, les data scientists s'arrêtaient là. Ils disaient : « D'accord, le Groupe A vit plus longtemps. Peut-être devons-nous corriger le traitement pour le Groupe B. » Ils regardaient le instantané du résultat.

Mais ce document soutient que regarder l'instantané ne suffit pas. C'est comme voir un accident de voiture et se demander uniquement : « Qui conduisait ? » sans demander : « La route était-elle verglacée ? La voiture était-elle en panne ? Le conducteur a-t-il eu un pneu crevé en cours de route ? »

L'auteur, Drago Plečko, veut construire une « Machine à Remonter le Temps pour l'Équité ». Au lieu de simplement regarder le résultat final (qui est décédé et quand), cette méthode examine le parcours pour comprendre pourquoi les groupes ont abouti à des résultats différents. Elle se demande : La différence est-elle survenue à cause de l'identité du groupe directement ? Est-elle survenue à cause des conditions médicales avec lesquelles ils sont arrivés ? Ou est-elle survenue à cause de facteurs cachés comme leur lieu de résidence ou leurs revenus ?

Le Problème des Anciennes Méthodes : La « Boîte Noire » des Statistiques

Les méthodes actuelles pour vérifier l'équité dans les données temporelles (comme le « temps jusqu'à la mort » ou le « temps jusqu'à la panne d'une machine ») sont comme une boîte noire. Vous insérez des données et vous obtenez un chiffre indiquant : « Il y a une différence de 5 % entre le Groupe A et le Groupe B. »

Le problème est que ce chiffre ne vous dit pas pourquoi.

La différence de 5 % est-elle due au fait que l'hôpital traite le Groupe B moins bien ? (Inéquité directe).
Est-ce parce que le Groupe B arrive plus malade ? (Inéquité indirecte).
Est-ce parce que le Groupe B est généralement plus jeune ou plus vieux, ce qui modifie naturellement les taux de survie ? (Inéquité fallacieuse/confondue).

Les anciennes méthodes statistiques ne peuvent pas séparer ces trois raisons. Elles ne vous donnent qu'une image floue.

La Solution : Une Carte Causale (La « Recette » des Disparités)

Ce document introduit un nouveau cadre qui agit comme une recette détaillée pour comprendre les disparités. Il décompose l'« écart de survie » en trois ingrédients distincts :

Le Chemin Direct (L'Effet « Frontal ») : C'est l'effet de l'identité du groupe elle-même. Imaginez deux coureurs qui commencent une course. Si l'arbitre (le système) fait trébucher l'un des coureurs mais pas l'autre, c'est un effet d'inéquité directe. Dans l'exemple de l'hôpital, cela correspondrait au cas où le protocole de traitement lui-même traite une race différemment d'une autre, indépendamment de leur état de santé.
Le Chemin Indirect (L'Effet « Détour ») : C'est ici que l'identité du groupe mène à une condition de départ différente, qui conduit ensuite au résultat. Imaginez que le Groupe B doit parcourir un chemin plus long et plus accidenté pour atteindre la ligne de départ à cause de son quartier. Ils arrivent épuisés et à bout de souffle. Le résultat de la course est pire, mais pas parce que l'arbitre les a fait trébucher ; c'est à cause du détour qu'ils ont été forcés de faire. Dans le document, cela représente comment la race peut influencer la gravité de la maladie ou l'accès aux soins avant l'admission en réanimation.
Le Chemin Fallacieux (L'Effet « Coïncidence ») : C'est une connexion factice. Imaginez que le Groupe B est, en moyenne, plus jeune. Les personnes plus jeunes courent naturellement plus vite. Si le Groupe B gagne, ce n'est pas à cause des règles de la course ou du chemin ; c'est simplement parce qu'ils sont plus jeunes. C'est une corrélation « fallacieuse ». La méthode du document nous aide à voir que ce n'est pas une « inéquité » du système, mais une différence démographique naturelle.

Les Trois Scénarios : Gérer les « Pièces Manquantes »

Dans la vie réelle, les données sont désordonnées. Parfois, nous ne savons pas exactement quand un patient est décédé car il a quitté l'étude prématurément (ce qu'on appelle la « censure »). Le document traite trois manières différentes dont ce désordre peut survenir :

Le « Départ Aléatoire » (Censure Non Informatif) : Imaginez qu'un patient quitte l'étude simplement parce que l'étude est terminée, ou qu'il a déménagé. C'est aléatoire. La méthode du document fonctionne parfaitement ici, en utilisant des outils standards pour démêler les trois chemins mentionnés ci-dessus.
Les « Risques Concurrents » (Multiples Mauvais Résultats) : Imaginez qu'un patient puisse mourir d'une crise cardiaque OU d'un AVC. Les deux sont graves, mais ce sont des événements différents. Le document adapte sa méthode pour suivre l'équité pour chaque type spécifique d'événement négatif, garantissant que nous ne les confondons pas.
Le « Départ Suspect » (Censure Informatif) : C'est le plus délicat. Imaginez que les patients quittent l'étude tôt parce qu'ils deviennent plus malades, et que les chercheurs arrêtent de les suivre. La raison de leur départ est liée au résultat. Le document utilise un outil mathématique appelé une « Copule » (pensez-y comme une feuille de caoutchouc flexible qui s'étire pour s'adapter aux données) pour deviner ce qui se serait passé si nous avions pu voir l'image complète. Il ne donne pas une seule réponse unique, mais fournit une plage de possibilités (bornes) basée sur la force de cette connexion « suspecte ».

Le Test Réel : Patients en Réanimation en Australie

Pour prouver que cela fonctionne, l'auteur l'a appliqué à de vraies données provenant des Unités de Soins Intensifs (USI) en Australie et en Nouvelle-Zélande. Ils ont examiné près de 250 000 patients, en comparant les patients autochtones et non autochtones.

Ce qu'ils ont trouvé :
Si l'on regardait simplement la différence totale de survie, les chiffres étaient confus. Parfois, les patients autochtones semblaient s'en sortir moins bien, parfois mieux, et la différence moyenne était presque nulle. Cela ressemblait à « pas grand-chose ».

Mais lorsqu'ils ont utilisé la « Machine à Remonter le Temps » (la décomposition causale) :

Le Chemin Direct : A montré que les patients autochtones avaient en réalité un léger avantage de survie si l'on ignorait tout le reste.
Le Chemin Indirect : A montré un énorme désavantage. Les patients autochtones arrivaient avec des maladies chroniques beaucoup plus graves et des pathologies plus sévères. Ce « détour » tirait leur survie vers le bas de manière significative.
Le Chemin Fallacieux : A montré un avantage. Les patients autochtones étaient, en moyenne, plus jeunes à l'admission, ce qui les aidait naturellement à survivre plus longtemps.

La Leçon : Le « zéro différence » dans les chiffres totaux était un mensonge. Il cachait deux forces massives et opposées : un énorme désavantage causé par les inégalités de santé (Indirect) et un avantage naturel causé par l'âge (Fallacieux). Sans cette nouvelle méthode, un administrateur hospitalier aurait pu penser : « Tout est équitable », et manquer le fait que les patients autochtones arrivaient à l'USI dans un état beaucoup plus critique.

Résumé

Ce document fournit une nouvelle boîte à outils pour les data scientists et les médecins. Au lieu de simplement demander : « Y a-t-il un écart ? », il demande : « D'où vient l'écart ? »

Il sépare le traitement injuste (Direct), les conditions de départ injustes (Indirect) et les différences naturelles (Fallacieux). En faisant cela, il nous aide à comprendre que l'« équité » ne concerne pas seulement le score final ; elle concerne tout le parcours qui y mène. Cela nous permet de réparer la partie spécifique du système qui est brisée, plutôt que de faire des suppositions.

Résumé technique : Équité causale pour l'analyse de survie

Énoncé du problème

Dans des domaines à haut risque tels que la santé, l'emploi et la justice pénale, les systèmes d'apprentissage automatique s'appuient de plus en plus sur des données à grande échelle pour éclairer les décisions. Bien que le domaine de l'apprentissage automatique équitable (Fair ML) ait réalisé des progrès significatifs dans la détection des biais et la prédiction équitable, ces efforts se concentrent principalement sur des contextes statiques (instantanés à un seul moment). À l'inverse, l'équité dans les contextes temporels, et plus spécifiquement l'analyse de survie ou l'analyse du temps jusqu'à l'événement (TTE), reste sous-explorée.

Les approches existantes pour l'analyse de survie équitable adoptent majoritairement des définitions statistiques de l'équité. L'article soutient que même avec des données illimitées, les définitions statistiques ne peuvent pas démêler les mécanismes causaux générant les disparités. Elles échouent à distinguer entre les effets directs d'un attribut protégé, les effets indirects médiatisés par d'autres variables, et les effets spurieux (confondus). Cette limitation empêche une explication compréhensible par l'humain de pourquoi les disparités surgissent et comment elles évoluent au fil du temps.

Méthodologie

Les auteurs proposent un cadre causal non paramétrique pour l'équité dans l'analyse TTE. L'approche est fondée sur des modèles causaux structurels (SCM) et procède en quatre étapes distinctes :

Formalisation des hypothèses : Les auteurs adaptent le Modèle d'Équité Standard (SFM) à l'analyse de survie. Ce modèle graphique inclut :
- $X$ : Attribut protégé (par exemple, la race).
- $Z$ : Facteurs de confusion (non causalement influencés par $X$ ).
- $W$ : Médiateurs (potentiellement influencés par $X$ ).
- $T$ : Temps de survie (non observé).
- $C$ : Temps de censure.
- $(M, \delta)$ : Données observées, où $M = \min(T, C)$ et $\delta$ indique si l'événement est survenu.
  Le cadre considère trois régimes de censure :
- Censure non informative (NIC) : $T \perp \perp C \mid X, Z, W$ .
- Risques compétitifs (CR) : Plusieurs types d'événements ( $T_1, \dots, T_K$ ) qui sont tous d'intérêt.
- Censure informative (IC) : $T$ et $C$ partagent des causes communes non observées, nécessitant une analyse de sensibilité.
Récupération de la survie conditionnelle : La méthode récupère d'abord la fonction de survie conditionnelle $P(T \mid X, Z, W)$ (ou les fonctions d'incidence cumulées dans les contextes CR) à partir des données censurées observées $(M, \delta)$ .
Théorème de réduction causale : Une contribution théorique centrale est le Théorème de réduction causale (Théorème 1). Il démontre que toute fonctionnelle $\Phi$ de la distribution de survie conditionnelle (par exemple, la probabilité de survie au temps $t$ ) est une fonction déterministe de $(X, Z, W)$ . Cela permet de reformuler le problème : au lieu d'analyser directement la courbe de survie complexe, on peut analyser les effets causaux de $X$ sur la variable dérivée $\Phi$ . Cela permet la décomposition des disparités en :
- Effet direct (DE) : $X \to T$ (ou $X \to \Phi$ ).
- Effet indirect (IE) : $X \to W \to T$ .
- Effet spurieux (SE) : $X \leftrightarrow Z \to T$ .
Estimation efficace : L'article fournit des stratégies d'estimation pour ces effets :
- Estimation basée sur le modèle : Utilisation des forêts aléatoires de survie (RSF) pour estimer les risques conditionnels et les propensions.
- Estimation doublement robuste : Les auteurs dérivent une nouvelle fonction d'influence (Théorème 2) pour les données censurées, permettant une estimation cohérente même si l'un des modèles de nuisance (survie ou censure) est mal spécifié.
- Gestion de la censure informative : Pour les contextes IC, l'article utilise un estimateur graphique par copule (CGE) basé sur les copules d'Archimède. Puisque la distribution conjointe n'est pas entièrement identifiable sans hypothèses fortes, les auteurs dérivent des bornes précises (Théorème 3) pour la fonction de survie, qui se réduisent à des estimations ponctuelles à mesure que la grille temporelle s'affine.

Contributions clés

Formalisation de l'équité causale en TTE : L'article formalise l'équité causale spécifiquement pour l'analyse de survie, démontrant le Théorème de réduction causale pour permettre la décomposition des voies des disparités au fil du temps.
Résultats d'identification : Il dérive des résultats d'identification pour les effets causaux sous trois régimes distincts : censure non informative, risques compétitifs et censure informative.
Nouveaux estimateurs techniques :
- Un estimateur doublement robuste pour les effets contrefactuels dans les données censurées (Théorème 2).
- Des bornes précises pour l'estimation graphique par copule sous des accroissements non disjoints (Théorème 3), abordant le défi de la censure informative sans supposer l'indépendance.
Application empirique : Le cadre est appliqué à un ensemble de données réel d'admissions en soins intensifs pour analyser les disparités raciales dans la mortalité post-ICU et les réadmissions.

Résultats

La méthodologie a été appliquée à la base de données ANZICS Adult Patient (249 958 patients, dont 10 436 patients autochtones) pour étudier les disparités raciales dans :

Temps jusqu'au décès (Censure non informative) :
- L'analyse statistique standard (mesure de la variation totale) a montré une disparité proche de zéro après 80 jours, suggérant aucune différence.
- La décomposition causale a révélé que ce résultat nul masquait des effets spécifiques aux voies substantiels et opposés :
  - Effet direct : Les patients minoritaires ont montré une survie améliorée le long du chemin direct.
  - Effet indirect : Les patients minoritaires ont montré une survie réduite en raison de fardeaux plus élevés de maladies chroniques/aiguës (médiatisés par $W$ ).
  - Effet spurieux : Les patients minoritaires ont montré une survie améliorée en raison d'un âge moyen plus faible à l'admission (confondu par $Z$ ).
- La décomposition a démontré que les métriques statistiques d'équité standard peuvent obscurcir les mécanismes causaux sous-jacents qui génèrent les disparités.
Temps jusqu'à la réadmission (Censure informative) :
- Analysé sous l'hypothèse que la mort agit comme une censure informative pour la réadmission.
- En utilisant une analyse de sensibilité avec des paramètres de dépendance variables ( $\tau$ ), l'étude a constaté que les patients minoritaires faisaient face à un fardeau de réadmission plus élevé, principalement dû aux effets indirects (diagnostics plus complexes et santé chronique plus mauvaise) et aux effets directs, malgré un fardeau spurieux plus faible dû à l'âge.

Importance et affirmations

L'article affirme que son approche fournit une explication fondée sur des principes et compréhensible par l'humain des disparités de survie que les analyses statistiques d'équité standard manquent. En allant au-delà des instantanés statiques et des définitions statistiques, le cadre permet aux chercheurs de :

Démêler si les disparités sont causées par l'attribut protégé lui-même (direct), par des facteurs systémiques affectant les médiateurs (indirect), ou par des variables de confusion (spurieux).
Observer comment ces disparités évoluent au fil du temps, plutôt que de les traiter comme un nombre agrégé unique.
Gérer des scénarios de données réelles complexes, y compris les risques compétitifs et la censure informative, qui sont courants en santé mais souvent ignorés dans la littérature sur l'apprentissage automatique équitable.

Les auteurs soulignent que, bien que leur cadre repose sur des hypothèses causales spécifiques (encodées dans le SFM), ces hypothèses permettent l'identification de mécanismes causaux qui seraient autrement non identifiables avec les méthodes statistiques seules. Ils reconnaissent des limites, telles que la dépendance à l'hypothèse de copule d'Archimède pour la censure informative et l'hypothèse de covariables invariantes dans le temps, notant celles-ci comme des axes de travail futur.