Identification and estimation of causal mechanisms in cluster-randomized trials with post-treatment confounding using Bayesian nonparametrics

Titolo: Identificazione e stima dei meccanismi causali negli studi randomizzati a grappolo con confondimento post-trattamento utilizzando non-parametria bayesiana

Autori: Yuki Ohnishi, Michael J. Daniels, Lei Yang, Fan Li.
Data: Marzo 2026.

---

1. Il Problema

L'analisi di mediazione causale negli studi randomizzati a grappolo (CRT) è fondamentale per comprendere come le interventi a livello di gruppo influenzino gli esiti individuali. Tuttavia, l'analisi in questo contesto è ostacolata da tre sfide principali:

1. Interferenza: Le azioni o gli stati di un individuo all'interno di un grappolo possono influenzare gli esiti degli altri individui nello stesso grappolo (effetti di "spillover").
2. Confondimento post-trattamento: La presenza di variabili intermedie che si verificano dopo l'assegnazione del trattamento ma prima del mediatore e dell'esito, influenzando sia il mediatore che l'esito. Questo crea un bias se non adeguatamente gestito.
3. Adattamento delle covariate gerarchiche: La necessità di modellare correttamente la distribuzione congiunta di covariate a livello di grappolo e individuale.

Le metodologie esistenti spesso assumono l'assenza di confondimento post-trattamento o si basano su assunzioni di indipendenza tra mondi controfattuali ("cross-world independence") che sono non verificabili e potenzialmente irrealistiche. Inoltre, i modelli parametrici possono soffrire di errori di specificazione, mentre approcci bayesiani non parametrici precedenti (come il nested dependent Dirichlet process o nDDP) possono presentare problemi di degenerazione o sottostimare l'incertezza quando si tratta di distribuzioni di covariate complesse.

2. Metodologia Proposta

Gli autori sviluppano un quadro completo basato su non-parametria bayesiana (BNP) che affronta simultaneamente interferenza e confondimento post-trattamento.

A. Identificazione e Sensibilità

• Definizione degli stimandi: Vengono definiti effetti causali specifici per percorso, inclusi l'effetto diretto naturale (NDE), l'effetto indiretto naturale (NIE), e la scomposizione dell'NIE in effetto mediatore individuale (IME) e effetto mediatore di spillover (SME).
• Gestione del confondimento: Il confonditore post-trattamento ($D$) è trattato come una variabile che precede il mediatore ($M$).
• Identificazione parziale: Poiché la distribuzione congiunta dei confonditori controfattuali ($D(1)$ e $D(0)$) non è identificabile dai dati osservati, gli autori non assumono l'indipendenza tra mondi. Invece, utilizzano una Copia Gaussiana Multivariata per modellare la dipendenza tra $D(1)$ e $D(0)$.
• Analisi di Sensibilità: Un parametro di sensibilità ($\rho$) regola la dipendenza tra mondi controfattuali. Questo permette di valutare quanto le conclusioni causali cambino al variare di questa assunzione non verificabile, fornendo un'analisi di robustezza integrata.

B. Il Prior Bayesiano Non Parametrico: CA-EDP

Per l'estimazione, gli autori introducono un nuovo prior chiamato Nested Common Atoms Enriched Dirichlet Process (CA-EDP). Questo modello combina due strutture esistenti per superare i limiti dei metodi precedenti:

1. Common Atoms Model (CAM): Permette di condividere un insieme comune di "atomi" (componenti della miscela) tra diversi grappoli. Questo facilita lo scambio di informazioni tra grappoli evitando il problema di degenerazione tipico dei prior nidificati (dove la condivisione di un singolo atomo forza l'assegnazione allo stesso gruppo latente).
2. Enriched Dirichlet Process (EDP): Modella la distribuzione congiunta delle covariate e degli esiti. A differenza del nDDP che usa la distribuzione empirica per le covariate, il CA-EDP modella esplicitamente la distribuzione congiunta $P(Y, M, D, X, V)$. Questo è cruciale per propagare correttamente l'incertezza sulla distribuzione delle covariate, specialmente in campioni piccoli o con cluster di dimensioni informative.

Il modello è strutturato gerarchicamente con tre livelli di concentrazione ($\alpha^*, \alpha_\theta, \alpha_\phi$) per gestire la variabilità tra grappoli, tra individui all'interno dei grappoli e le covariate individuali.

C. Inferenza e Teoria

• Algoritmo: Viene proposto un campionatore di Gibbs bloccato basato su un'approssimazione troncata a tre livelli del processo Dirichlet.
• Garanzie Teoriche: Gli autori dimostrano teoremi che garantiscono la convergenza dell'approssimazione troncata al processo vero, fornendo limiti superiori per l'errore di approssimazione nella distanza di variazione totale.
• Proprietà Distributive: Vengono analizzate le probabilità di "legame" (tie probabilities) e le strutture di correlazione, dimostrando che il modello evita la degenerazione e cattura sia l'eterogeneità intra-gruppo che inter-gruppo.

3. Risultati Chiave

Simulazioni

Gli autori hanno confrontato il CA-EDP con il nDDP e un modello bayesiano parametrico su diversi scenari di generazione dei dati:

• Robustezza: Il CA-EDP e il nDDP hanno superato significativamente il modello parametrico in termini di bias e errore quadratico medio (RMSE) quando i dati presentavano strutture complesse (misti, non lineari, non gaussiani).
• Quantificazione dell'Incertezza: Il CA-EDP ha prodotto intervalli di credibilità con una copertura più vicina al livello nominale (95%) rispetto al nDDP, specialmente in scenari con distribuzioni multimodali di covariate o cluster size. Il nDDP tende a sottostimare l'incertezza perché non modella la distribuzione delle covariate.
• Scenari Adattivi: Il nDDP ha mostrato prestazioni migliori (intervalli più stretti) quando le covariate erano ad alta dimensionalità ma irrilevanti, mentre il CA-EDP è superiore quando la struttura delle covariate è complessa e richiede un modeling congiunto.

Applicazione Reale: Studio RPS (Nicaragua)

L'analisi è stata applicata allo studio Red de Protección Social (RPS), un CRT che valuta i programmi di trasferimento di cassa condizionato (CCT) sulla nutrizione infantile.

• Contesto: Il mediatore è la diversità alimentare domestica; il confonditore post-trattamento è la condizione di visita medica (check-up).
• Risultati:
  • L'aggiustamento per il confonditore post-trattamento ha ridotto la magnitudine dell'effetto mediato dalla diversità alimentare, aumentando l'effetto diretto.
  • L'analisi di sensibilità ha mostrato che le conclusioni qualitative (effetto positivo ma modesto della diversità alimentare) sono robuste rispetto a diverse ipotesi sulla dipendenza tra mondi controfattuali del confonditore.
  • Il modello CA-EDP ha fornito una migliore capacità predittiva (misurata tramite LPML) rispetto al nDDP e al modello parametrico.

4. Contributi Principali

1. Quadro Metodologico per CRT con Confondimento: Prima framework che integra l'analisi di mediazione con interferenza e confonditori post-trattamento in studi a grappolo, utilizzando un approccio di sensibilità basato sulla copula.
2. Nuovo Prior (CA-EDP): Sviluppo di un prior bayesiano non parametrico che combina CAM ed EDP per modellare distribuzioni congiunte gerarchiche, risolvendo il problema della degenerazione e migliorando la propagazione dell'incertezza.
3. Supporto Teorico Rigoroso: Derivazione delle proprietà distributive, delle probabilità di legame e dei limiti di errore per l'inferenza basata su troncamento.
4. Guida Pratica: Fornisce linee guida empiriche sulla scelta tra CA-EDP e nDDP in base alla dimensione del campione, alla dimensionalità delle covariate e alla complessità della struttura dei dati.

5. Significato e Impatto

Questo lavoro rappresenta un avanzamento significativo nella causal inference applicata agli studi sociali e sanitari.

• Validità delle Conclusioni: Fornisce strumenti per gestire l'inevitabile confondimento post-trattamento senza fare assunzioni irrealistiche, aumentando la credibilità delle conclusioni causali.
• Flessibilità Modella: Il CA-EDP offre una soluzione flessibile per dati gerarchici complessi, superando i limiti dei modelli parametrici e di approcci BNP precedenti.
• Applicabilità: Le metodologie sono direttamente applicabili a una vasta gamma di interventi di salute pubblica, educazione e politica sociale dove gli studi sono randomizzati a livello di gruppo e le vie causali sono intricate da interferenze e variabili intermedie.

In sintesi, il paper offre un "kit" completo (teorico, computazionale e pratico) per analizzare meccanismi causali in contesti reali complessi, garantendo robustezza attraverso l'analisi di sensibilità e precisione attraverso un modeling bayesiano non parametrico avanzato.