Sintesi Tecnica: Inferenza Causale Utilizzando Modelli Epidemici Aumentati

Definizione del Problema

Il documento affronta la sfida di inferire gli effetti causali di interventi variabili nel tempo ($A_t$) su esiti epidemici ($Y_t$) utilizzando una singola serie temporale osservata. Sebbene i modelli epidemici vengano frequentemente modificati per includere variabili di intervento al fine di prevedere scenari o stimare effetti, la letteratura spesso confonde due interpretazioni distinte di questi modelli "aumentati":

1. Modelli Generatori di Dati (DGM): Modelli che descrivono la densità condizionale delle variabili casuali osservate.
2. Modelli Strutturali Marginali (MSM): Modelli causali che descrivono la distribuzione delle variabili casuali controfattuali $Y_t(a_1, \dots, a_t)$.

Il problema centrale è che trattare un modello epidemico aumentato come un DGM per stimare i parametri tramite la Stima di Massima Verosimiglianza (MLE) o metodi Bayesiani, e poi utilizzare gli stessi parametri per effettuare inferenze causali (come se fosse un MSM), porta a stimatori inconsistenti. Questa inconsistenza si manifesta come il paradosso del g-null: anche quando non esiste un vero effetto causale ($\beta_A = 0$), l'effetto causale stimato è diverso da zero. Questo bias deriva dalle variabili fantasma — variabili non osservate che influenzano l'esito ma non l'intervento — che inducono una dipendenza condizionale tra il trattamento e l'esito in modelli parametrici non lineari, causando agli stimatori basati sulla verosimiglianza di confondere la correlazione con la causalità.

Metodologia

Gli autori propongono e analizzano quattro approcci distinti per gestire i modelli epidemici aumentati, distinguendo tra quelli che trattano il modello come un DGM rispetto a quelli che lo trattano come un MSM.

Metodo 1: Stima di Massima Verosimiglianza/Bayesiana (L'Approccio Difettoso)

• Procedura: Il modello aumentato è trattato come un DGM. I parametri sono stimati tramite MLE o inferenza Bayesiana. Il modello adattato viene poi utilizzato per calcolare gli effetti causali (ad es. tramite la formula-g) o le previsioni di scenario.
• Problema: Questo approccio soffre del paradosso del g-null. In presenza di variabili fantasma, la funzione di verosimiglianza non può separare gli effetti causali dalla dipendenza condizionale. Di conseguenza, le stime dei parametri causali sono inconsistenti, producendo effetti diversi da zero anche quando il vero effetto è nullo.

Metodo 2: Estrazione dell'Effetto Causale tramite Equazioni di Stima

• Procedura:
  1. Trattare il modello aumentato come un DGM e includere i confonditori ($X_t$).
  2. Estrarre l'effetto causale $\psi(a_t)$ dal DGM utilizzando la formula-g (Eq. 9).
  3. Stimare i parametri del modello causale risultante utilizzando le equazioni di stima (Eq. 14) anziché la verosimiglianza.
• Meccanismo: Questo metodo utilizza il punteggio di propensione (derivato dal DGM) per pesare le equazioni di stima, effettuando di fatto l'aggiustamento per il confondimento.
• Limitazione: Richiede la specifica dell'intera distribuzione congiunta delle variabili osservabili, il che è computazionalmente oneroso e spesso intrattabile. Il modello causale risultante può mancare di interpretabilità.

Metodo 3: Modelli Aumentati come Modelli Strutturali Marginali (Approccio Raccomandato)

• Procedura:
  1. Interpretare direttamente il modello epidemico aumentato come un MSM per il controfattuale $Y_t(a_t)$.
  2. Specificare un modello separato per il punteggio di propensione (la probabilità dell'intervento data la storia passata).
  3. Stimare i parametri utilizzando le equazioni di stima (Eq. 14).
• Meccanismo: Trattando il modello epidemico come un modello causale per i controfattuali, gli autori evitano la dipendenza della variazione tra i parametri di causalità e quelli di dipendenza che affligge i metodi basati sulla verosimiglianza. L'effetto causale $\psi(a_t; \theta)$ è spesso approssimato tramite simulazione Monte Carlo (Eq. 15) se non è disponibile una forma chiusa.
• Vantaggio: Questo è l'approccio più semplice, si allinea alle pratiche standard di inferenza causale e gestisce facilmente i confonditori tramite il punteggio di propensione. Evita il paradosso del g-null.

Metodo 4: Modelli Generatori di Dati Preservanti la Causalità

• Procedura:
  1. Utilizzare il modello aumentato come un MSM.
  2. Costruire un DGM completo per le variabili osservabili $(X_t, A_t, Y_t)$ che sia coerente con l'MSM specificato utilizzando le copule (specificamente la "parametrizzazione frugale" descritta da Evans e Didelez, 2024).
  3. Stimare tutti i parametri tramite Massima Verosimiglianza.
• Meccanismo: Separando esplicitamente la parametrizzazione della causalità (tramite l'MSM) e quella della dipendenza (tramite la copula), il modello diventa indipendente dalla variazione, evitando il paradosso del g-null senza dover dividere per il punteggio di propensione.
• Limitazione: È l'approccio tecnicamente più impegnativo, richiedendo la modellazione complessa di distribuzioni congiunte e copule, in particolare per singole serie temporali.

Contributi Chiave e Risultati

Contributi Teorici

• Identificazione del Bias Fantasma: Il documento dimostra rigorosamente che le variabili fantasma (fattori non osservati che influenzano gli esiti ma non gli interventi) causano l'inconsistenza degli stimatori basati sulla verosimiglianza nei modelli epidemici non lineari, anche in assenza di confondimento non misurato.
• Distinzione delle Interpretazioni: Chiarisce che i DGM e gli MSM generalmente non sono intercambiabili in contesti di serie temporali e che la loro confusione conduce al paradosso del g-null.
• Framework Metodologico: Gli autori forniscono un confronto strutturato di quattro metodi, evidenziando come i Metodi 2, 3 e 4 siano validi per l'inferenza causale, mentre il Metodo 1 non lo sia.

Risultati Empirici

Gli autori validano le loro affermazioni teoriche attraverso simulazioni di dati e uno studio osservazionale:

1. Simulazione di Modello Semi-Meccanicistico:
   • Metodo 1 (MLE): Ha mostrato un significativo bias fantasma. Quando il vero effetto causale $\beta_A = 0$, l'MLE ha stimato un effetto diverso da zero.
   • Metodo 3 (Equazioni di Stima): Ha prodotto stime imparziali, recuperando correttamente $\beta_A = 0$ quando l'effetto reale era nullo.
2. Simulazione del Modello SEIR:
   • Ha replicato i risultati: le stime MLE erano influenzate dal bias dovuto alle variabili fantasma, mentre le stime tramite equazioni di stima (Metodo 3) erano consistenti.
3. Studio Osservazionale (Dati COVID-19 negli USA):
   • Ha analizzato l'effetto della mobilità (proporzione di lavoro a tempo pieno) sui decessi per COVID-19 in 30 stati degli USA.
   • Confronto: Le stime del Metodo 3 erano significativamente inferiori a quelle del Metolo 1 (MLE) in 24 stati su 30 ($p < 0,001$).
   • Interpretazione: Gli autori suggeriscono che le stime MLE più elevate abbiano probabilmente sovrastimato l'effetto causale della mobilità sui decessi a causa del bias fantasma, mentre l'approccio delle equazioni di stima ha fornito una stima più conservativa e probabilmente accurata.

Significato e Affermazioni

Il documento sostiene che le pratiche standard nella modellazione epidemica — specificamente l'adattamento di modelli aumentati tramite verosimiglianza e la loro interpretazione causale — sono fondamentalmente errate a causa del paradosso del g-null. Gli autori argomentano che:

1. MLE e le stime Bayesiane non dovrebbero essere usate per l'inferenza causale in questi contesti perché producono stimatori inconsistenti.
2. Il Metodo 3 è la soluzione più pratica e naturale. Richiede meno assunzioni di modellazione rispetto al Metodo 4 e evita l'intrattabilità del Metodo 2, eliminando con successo il bias fantasma.
3. Errore di Specificazione vs. Bias Fantasma: Sebbene tutti i metodi soffrano di potenziali errori di specificazione del modello, solo i Metodi 2, 3 e 4 eliminano il bias struttale specifico introdotto dalle variabili fantasma nei modelli non lineari.

Gli autori concludono che, sebbene il Metodo 4 offra un'alternativa principiata e completamente specificata che evita la divisione per i punteggi di propensione, il Metodo 3 rimane l'approccio raccomandato per la sua semplicità e interpretabilità. Enfatizzano la necessità critica di distinguere tra modelli generatori di dati e modelli causali nella ricerca epidemiologica.