Résumé technique : Conception expérimentale lorsque N est égal à un

Énoncé du problème

Les essais N-de-1 (ou expériences de séries temporelles) impliquent une randomisation répétée des affectations de traitement pour une seule unité expérimentale au fil du temps. Bien qu'ils soient largement utilisés dans la recherche clinique et les plateformes en ligne, la conception théoriquement optimale pour estimer divers effets de traitement reste incertaine. Une difficulté centrale réside dans le fait que différents estimands cibles (par exemple, les effets spécifiques au décalage par rapport aux effets cumulatifs) favorisent différentes formes de dépendance temporelle dans le chemin d'affectation du traitement. La littérature existante repose souvent sur des approches spécifiques basées sur la conception ou sur des affectations indépendantes, mais il manque un cadre général capable de cibler de manière flexible différents effets tout en fournissant des garanties d'optimalité. De plus, les conceptions optimales pour des classes d'estimands spécifiques sont mal caractérisées.

Méthodologie

Les auteurs proposent un cadre markovien pour la conception expérimentale où le chemin d'affectation du traitement $Z_1, \dots, Z_T$ est modélisé comme une chaîne de Markov régie par des matrices de transition variant dans le temps $P_t$. Les états correspondent au contrôle ($0$) et au traitement ($1$), avec des probabilités de transition définies par les paramètres $\rho_t$ (probabilité de passer de 0 à 1) et $\gamma_t$ (probabilité de passer de 1 à 0).

Pour définir l'objectif de conception, l'article adopte un modèle de réponse impulsionnelle à ordre fini :
$$Y_t = \alpha + \sum_{k=1}^K \beta_k Z_{t-k+1} + \epsilon_t$$
où les résultats dépendent additivement des affectations de traitement actuelles et passées des $K-1$ derniers pas de temps. L'estimand cible est une combinaison linéaire des coefficients de réponse impulsionnelle, $\tau_w = \sum w_k \beta_k$. L'objectif de conception est de minimiser la variance d'estimation asymptotique de l'estimateur des moindres carrés ordinaires (MCO) pour $\tau_w$.

Les auteurs analysent deux sous-classes structurées de conceptions markoviennes pour dériver des enseignements théoriques :

1. Conceptions à commutation aléatoire (Random-Switch Designs) : Caractérisées par des probabilités de transition constantes ($\rho_t = \rho, \gamma_t = \gamma$). L'espace de conception est réduit à l'optimisation des probabilités de commutation.
2. Conceptions à commutation cyclique (Cycle-Switch Designs) : Conceptions déterministes où le statut du traitement change tous les $l$ points temporels. L'espace de conception est réduit à l'optimisation de la longueur du bloc $l$.

L'optimisation est formulée comme un problème minimax (conception robuste) ou un problème ciblé, minimisant la pire variance ou la variance spécifique sur un ensemble de conceptions candidates et d'estimands. L'analyse théorique s'appuie sur les asymptotes de grand $T$, utilisant les propriétés des matrices de Kac–Murdock–Szegő (KMS) et les théorèmes ergodiques pour les chaînes de Markov.

Contributions clés et résultats

1. Cadre de conception général

L'article établit un cadre unifié qui englobe les conceptions existantes (affectations indépendantes, switchbacks réguliers, alternance déterministe) en tant que cas particuliers de l'affectation markovienne. Il fournit une méthode fondée sur des principes pour contrôler la dépendance temporelle via les probabilités de transition.

2. Probabilités de commutation optimales (Conceptions à commutation aléatoire)

Pour l'optimisation de conception ciblée (minimiser la variance pour un $w$ spécifique) :

• Effets spécifiques au décalage (lag-specific) : La conception optimale converge vers $\rho = \gamma = 1/2$, ce qui correspond à une randomisation de Bernoulli i.i.d. (1/2).
• Effets cumulatifs : La probabilité de commutation optimale se déplace vers la limite ($\rho, \gamma \to 0$), impliquant de longues périodes ininterrompues de traitement et de contrôle. Cependant, cela conduit à des conceptions limites mal définies où les MCO peuvent être indéfinis.
• Effets généraux : La probabilité de commutation optimale est déterminée par une équation quadratique impliquant le vecteur d'estimand $w$, équilibrant le compromis entre la variation marginale et la persistance temporelle.

Pour l'optimisation de conception robuste (minimiser la pire variance sur toutes les combinaisons linéaires normalisées des effets de décalage) :

• La conception optimale est la randomisation de Bernoulli i.i.d. (1/2) ($\rho = \gamma = 1/2$). Cela fournit une justification formelle de la robustesse des affectations indépendantes dans les essais N-de-1, cohérente avec les conclusions des contextes transversaux.

3. Longueurs de bloc optimales (Conceptions à commutation cyclique)

Pour traiter les cas limites où les conceptions à commutation aléatoire échouent (ex: effets cumulatifs) :

• Effets cumulatifs : La longueur de bloc optimale est approximativement $l^* \approx K + \sqrt{K}$. Cela équilibre le besoin de périodes longues (pour capturer les effets cumulatifs) contre l'inflation de la variance causée par des blocs de grande taille.
• Effets spécifiques au décalage : La longueur de bloc optimale est $l^* = K$. Cela assure l'identifiabilité de tous les effets de décalage tout en minimisant la variance.
• Conceptions robustes : La longueur de bloc optimale est $l^* = K$. Des blocs plus courts entraînent des matrices de covariance de rang insuffisant (non-identifiabilité), tandis que des blocs plus longs augmentent la variance linéairement.

4. Simulation et robustesse

Les simulations démontrent que :

• Les conceptions à commutation aléatoire atteignent la plus petite variance d'estimation pour les effets spécifiques au décalage et restent robustes à diverses spécifications de modèle, y compris la spécification erronée du modèle (ex: tendances temporelles non modélisées).
• Les conceptions à commutation cyclique surpassent d'autres conceptions pour l'estimation des effets cumulatifs dans des échantillons finis, mais présentent un biais plus élevé sous certaines spécifications erronées (ex: tendances temporelles non modélisées).
• Les conceptions proposées surpassent généralement les alternatives de pointe comme les expériences de switchback régulier optimal (ORSB) lorsque l'estimand cible n'est pas purement axé sur le carryover (effet de report).

5. Connexion avec l'inférence basée sur la conception

L'article relie l'estimateur MCO basé sur le modèle à l'inférence basée sur la conception. Il montre que sous les conceptions à commutation aléatoire, l'estimateur MCO converge vers une projection linéaire des contrastes de résultats conditionnels. Sous une randomisation de Bernoulli i.i.d. ou des résultats potentiels additifs linéaires, cette limite coïncide avec l'estimand de l'effet de traitement spécifique au décalage étudié par Lin et Ding [2025], validant l'interprétation causale de l'estimateur même sans adhésion stricte au modèle de réponse impulsionnelle linéaire.

Signification et affirmations

Les auteurs affirment que leur travail fournit un cadre de conception général qui peut cibler de manière flexible différents effets de traitement tout en offrant des garanties d'optimalité. En caractérisant la structure temporelle optimale à travers les probabilités de commutation et les longueurs de bloc, l'article justifie la robustesse des conceptions de Bernoulli i.i.d. pour les objectifs de décalage et de robustesse, tout en quantifiant comment les conceptions optimales doivent dévier (ex: blocs plus longs) pour les effets cumulatifs.

L'article met l'accent sur un compromis entre généralité et interprétabilité : en adoptant une approche basée sur le modèle (réponse impulsionnelle), ils sacrifient une certaine généralité par rapport aux méthodes de conception non paramétriques, mais gagnent un cadre unifié pour l'optimisation de la conception et une interprétation plus claire des estimands. Les résultats offrent des conseils pratiques aux expérimentateurs pour choisir des conceptions adaptées à leurs objectifs scientifiques spécifiques (ex: choisir des conceptions à commutation cyclique pour les effets cumulatifs et des conceptions à commutation aléatoire pour les effets de décalage).

Les auteurs notent modestement que, bien que leur cadre soit basé sur un modèle, il se connecte à l'inférence basée sur la conception sous certaines conditions. Ils identifient également l'extension de leur cadre aux expériences de panel (plusieurs unités expérimentales) comme une direction prometteuse pour des travaux futurs.