Nonparametric tests of treatment effect homogeneity for policy-makers

1. Il Problema e il Contesto

La ricerca si concentra sull'inferenza statistica riguardante l'eterogeneità degli effetti del trattamento (Treatment Effect Heterogeneity - TEH). Mentre la stima non parametrica degli effetti condizionali (CATE) è stata ampiamente esplorata, l'inferenza (test di ipotesi) rimane un'area meno sviluppata, specialmente in contesti con un gran numero o un numero infinito di sottogruppi (ad esempio, quando i modificatori dell'effetto sono continui).

Il paper distingue due tipi fondamentali di eterogeneità:

• Eterogeneità Quantitativa: L'efficacia del trattamento varia tra i sottogruppi, ma il trattamento rimane benefico (o dannoso) per tutti. È rilevante per valutare l'impatto assoluto delle politiche.
• Eterogeneità Qualitativa: Il trattamento è benefico per alcuni sottogruppi e dannoso per altri (interazione qualitativa). Questo è cruciale per la medicina personalizzata, poiché implica che le decisioni di trattamento dovrebbero essere adattate alle caratteristiche individuali per evitare danni.

Le sfide principali affrontate dagli autori includono:

1. La difficoltà di stimare gli effetti in sottogruppi piccoli quando i modificatori sono continui.
2. La necessità di evitare la splitting del campione (divisione dei dati in training e test), che riduce la potenza statistica, pur mantenendo una distribuzione asintotica gestibile sotto l'ipotesi nulla.
3. La natura non differenziabile delle funzioni indicatrici coinvolte nella definizione degli effetti qualitativi, che rende difficile l'applicazione di metodi standard basati sulla derivata funzionale.

2. Metodologia Proposta

Gli autori propongono una classe di test non parametrici basati su una strategia di ottimizzazione su una classe di funzioni decisionali.

2.1. Parametri di Interesse (Estimandi)

Invece di testare direttamente l'uguaglianza dei CATE, definiscono parametri che riassumono l'eterogeneità in modo interpretabile per i policy-maker:

• Per l'eterogeneità quantitativa, definiscono $\theta^+$ e $\theta^-$ come le aree sopra e sotto la curva del CATE centrata rispetto alla media (ATE). L'ipotesi nulla è che la differenza tra queste aree sia zero (assenza di variazione sistematica).
• Per l'eterogeneità qualitativa, definiscono parametri simili ma rispetto a una soglia $\delta$ (spesso $\delta=0$). L'ipotesi nulla è che non esistano sottogruppi con effetti significativamente superiori a $\delta$ o inferiori a $\delta$.

2.2. Strategia di Inferenza e Funzioni di Scelta

Il nucleo della metodologia risiede nella riformulazione del problema di test come un problema di ottimizzazione su una classe di funzioni $\mathcal{F}$ (es. regole lineari, alberi decisionali, funzioni a variazione limitata).

• Si definiscono stime basate su funzioni di influenza efficiente (Efficient Influence Functions - EIF) per parametri come $\theta^+(f)$ e $\theta^-(f)$, dove $f \in \mathcal{F}$ rappresenta una regola di trattamento stocastica o deterministica.
• Il test verifica se il supremo (o l'inferimo) di queste funzioni su $\mathcal{F}$ è significativamente diverso da zero.
  • Per l'eterogeneità quantitativa: si testa se $\sup_{f \in \mathcal{F}} |\theta^+(f) - \theta^-(f)| > 0$.
  • Per l'eterogeneità qualitativa: si testano ipotesi composite su $\sup_{f \in \mathcal{F}} \theta^+(f) \leq 0$ e $\inf_{f \in \mathcal{F}} \theta^-(f) \geq 0$.

2.3. Stima e Distribuzione Asintotica

• Stimatori One-Step: Utilizzano stimatori "one-step" basati sulle funzioni di influenza efficiente, che correggono il bias degli stimatori dei parametri di disturbo (outcome model e propensity score).
• Nessun Sample Splitting: A differenza di approcci precedenti (es. Shi et al., 2019) che richiedevano la divisione del campione per gestire le dipendenze, questo metodo utilizza l'intero campione.
• Bootstrap Multiplatore: Poiché la distribuzione asintotica sotto l'ipotesi nulla non è una normale semplice (a causa della presenza di massimi/supremi su classi di funzioni), gli autori utilizzano il multiplier bootstrap (basato sul teorema del limite centrale per variabili di Rademacher) per approssimare la distribuzione limite del test statistic. Questo permette di controllare il tasso di errore di Tipo I senza assumere modelli parametrici.

2.4. Scelta della Classe di Funzioni $\mathcal{F}$

Il paper discute diverse opzioni per $\mathcal{F}$ per bilanciare flessibilità e complessità computazionale:

1. Regole di Soglia Lineari: Semplici e interpretabili.
2. Variazione Limitata (Bounded Variation): Permette di catturare funzioni non monotone e discontinue.
3. Alberi Decisionali: Utili per interazioni complesse tra covariate.

3. Risultati Principali

3.1. Proprietà Teoriche

• Controllo dell'Errore di Tipo I: Gli autori dimostrano che i test controllano asintoticamente il livello di significatività $\alpha$ anche se la classe di funzioni $\mathcal{F}$ è mal specificata (cioè se non contiene la regola ottimale vera).
• Potenza: I test hanno potenza non banale contro alternative locali che si avvicinano all'ipotesi nulla a una velocità $n^{-1/2}$.
• Interpretazione Politica: La potenza del test è legata alla capacità di una regola dinamica (basata su covariate) di produrre un outcome di popolazione diverso rispetto a una regola statica (che ignora le covariate).

3.2. Studi di Simulazione

Le simulazioni confrontano il metodo proposto con approcci esistenti (regressione kernel ridge, test di Gail-Simon, test di range, metodi con sample splitting):

• Controllo dell'Errore: Tutti i metodi proposti mantengono un controllo rigoroso dell'errore di Tipo I.
• Potenza:
  • Il metodo proposto supera significativamente gli approcci basati su sample splitting e sulla regressione kernel ridge plug-in, specialmente quando il CATE ha strutture complesse (non monotone).
  • L'approccio con regole di soglia lineari (Approccio 1) è molto potente quando il CATE è monotono.
  • L'approccio con variazione limitata (Approccio 2) offre prestazioni competitive anche per CATE non monotoni.
  • I test qualitativi sono intrinsecamente più difficili da rilevare rispetto a quelli quantitativi, ma il metodo proposto mantiene una potenza superiore rispetto ai test tradizionali (Gail-Simon) quando il numero di sottogruppi discretizzati aumenta.

3.3. Analisi dei Dati Reali (Studio ACTG 175)

Gli autori hanno ri-analizzato i dati di un trial clinico sull'HIV (ACTG 175) per valutare l'eterogeneità degli effetti del trattamento in base a peso, età e conteggio basale delle cellule CD4.

• Risultati: Non è stata trovata evidenza significativa di eterogeneità qualitativa per nessuna covariata. È stata trovata una debole evidenza di eterogeneità quantitativa basata sul peso ($p=0.017$), suggerendo che una regola di trattamento dinamica basata sul peso potrebbe avere un impatto diverso a livello di popolazione rispetto a una regola fissa.
• Implicazione: L'assenza di forte eterogeneità qualitativa supporta l'uso di strategie di trattamento più generali in questo contesto, mentre la leggera eterogeneità quantitativa suggerisce che il peso potrebbe essere un fattore da considerare per ottimizzare le politiche.

4. Contributi Chiave e Significato

1. Inferenza Senza Splitting: Il contributo più significativo è la capacità di costruire test validi per l'eterogeneità del trattamento utilizzando l'intero campione, evitando la perdita di potenza associata alla divisione dei dati, pur gestendo la complessità delle dipendenze statistiche tramite il bootstrap multiplatore.
2. Flessibilità Non Parametrica: Il framework non richiede assunzioni parametriche sul CATE e può incorporare diverse strutture (monotone, non monotone, interazioni) attraverso la scelta della classe di funzioni $\mathcal{F}$.
3. Rilevanza per i Policy-Maker: A differenza di molti test statistici astratti, gli estimandi proposti sono direttamente collegati al "benessere" (welfare) della popolazione e alla differenza di outcome tra regole dinamiche e statiche, rendendo i risultati immediatamente interpretabili per chi deve prendere decisioni cliniche o di salute pubblica.
4. Robustezza: Il metodo è robusto anche se la classe di funzioni scelta non contiene la regola ottimale vera, garantendo comunque il controllo dell'errore di Tipo I.

In sintesi, questo lavoro fornisce un quadro rigoroso e pratico per determinare se e quando è necessario adottare politiche di trattamento personalizzate, superando le limitazioni computazionali e statistiche dei metodi precedenti.