The Role of Measured Covariates in Assessing Sensitivity to Unmeasured Confounding

1. Il Problema

Nello studio osservazionale, l'analisi di sensibilità è uno strumento fondamentale per valutare la robustezza delle conclusioni causali di fronte a potenziali fattori di confondimento non misurati (unmeasured confounding). Tuttavia, l'interazione tra la struttura dei covariati misurati e la sensibilità a tali fattori di confondimento è spesso trascurata.

Il problema centrale affrontato dagli autori è il seguente: quando un confondente latente ($U$) non può essere misurato direttamente, i ricercatori utilizzano spesso variabili proxy misurate ($X$) per controllarlo. Se esiste una forte associazione (multicollinearità) tra l'esposizione di interesse ($A$) e il proxy misurato ($X$), ciò che tradizionalmente viene visto come un problema di potenza statistica (aumento degli errori standard) può in realtà amplificare la sensibilità delle stime causali al confondimento residuo. In altre parole, una forte correlazione tra esposizione e covariati misurati può rendere le conclusioni causali più fragili, non meno, in presenza di confondimento non misurato.

2. Metodologia

Gli autori formalizzano questo fenomeno nel contesto della regressione lineare e sviluppano un quadro teorico basato su equazioni strutturali.

• Modello Strutturale:
  Considerano un'equazione per l'esito $Y$, un'esposizione $A$, un covariato misurato $X$ (proxy di $U$) e un confondente non misurato $U$:
  $$Y = \alpha_0 + \beta A + \theta_X X + \gamma U + \varepsilon_Y$$
  $$X = U + \varepsilon_X$$
  Dove $\varepsilon_X$ rappresenta l'errore di misura del proxy.

• Proposizione 1 (Amplificazione del Bias):
  Gli autori dimostrano che il bias nella stima del coefficiente causale $\beta$ (quando si stima $Y \sim A + X$) non dipende solo dalla forza del confondimento ($\gamma$) e dalla qualità del proxy ($Var(\varepsilon_X)$), ma è amplificato da un termine osservabile legato alla relazione tra $A$ e $X$.
  La formula derivata per il bias è:
  $$\hat{\beta} - \beta = \gamma \frac{Var(\varepsilon_X) \cdot \beta_{A \sim X}}{Var(A)(1 - R^2_{A \sim X})}$$
  Dove:

  • $\beta_{A \sim X}$ è il coefficiente di regressione di $A$ su $X$.
  • $R^2_{A \sim X}$ è il coefficiente di determinazione della regressione di $A$ su $X$.
  • Il termine $\frac{\beta_{A \sim X}}{Var(A)(1 - R^2_{A \sim X})}$ rappresenta un misuratore osservabile della sensibilità aumentata.

• Assunzione Chiave:
  L'analisi assume che non vi siano altre cause comuni tra $A$ e $X$ oltre a $U$ (Assunzione 3.1). Questo implica che l'associazione tra esposizione e proxy sia mediata esclusivamente dal confondente latente.

3. Contributi Chiave

1. Formalizzazione Teorica: Il paper fornisce una dimostrazione matematica che la multicollinearità tra esposizione e proxy di confondenti latenti amplifica il bias da variabili omesse, rendendo le stime più sensibili a confondimenti non misurati.
2. Metrica Osservabile: Introducono un rapporto semplice e calcolabile dai dati osservati (coefficiente del modello di esposizione diviso la varianza residua dell'esposizione) che funge da indicatore di quanto una stima sia vulnerabile al confondimento residuo.
3. Rivalutazione dell'Analisi di Sensibilità: Sostengono che le analisi di sensibilità standard (come quelle di Cinelli e Hazlett o Rosenbaum) potrebbero sovrastimare la robustezza se non tengono conto della forza dell'associazione tra esposizione e covariati misurati.

4. Risultati e Applicazione Empirica

Gli autori applicano il loro quadro teorico al caso classico del fumo e del cancro ai polmoni, utilizzando dati dal National Health and Nutrition Examination Survey (NHANES) di due periodi: 1971-1974 e 2015-2016.

• Evoluzione del Comportamento: Analizzando i dati, dimostrano che nel tempo il comportamento del fumo è diventato fortemente stratificato in base allo status socioeconomico.
  • Negli anni '70, il fumo era diffuso in modo più uniforme tra i gruppi socioeconomici.
  • Nel 2015-2016, il fumo è diventato prevalentemente un'abitudine dei gruppi a basso reddito, creando una forte correlazione tra lo stato di fumatore (esposizione) e indicatori socioeconomici come l'indice di povertà (proxy misurato).
• Risultati Statistici:
  • I modelli di regressione logistica mostrano che la capacità predittiva dei covariati socioeconomici sullo stato di fumatore è aumentata significativamente (C-statistic da ~0.61 a ~0.70).
  • Il rapporto chiave derivato dalla Proposizione 1 (coefficiente dell'indice di povertà / varianza residua del fumo) è drasticamente più alto nel periodo 2015-2016 rispetto al 1971-1974.
• Conclusione Empirica: Le stime dell'effetto del fumo sul cancro ai polmoni nei dati recenti sono più sensibili a potenziali confondimenti non misurati rispetto ai dati storici. Questo perché l'esposizione è ora così strettamente legata ai proxy misurati che qualsiasi errore residuo nel controllo dello status socioeconomico si traduce in un bias amplificato.

5. Significato e Implicazioni

Questo lavoro offre un avvertimento cruciale per la ricerca osservazionale:

• Multicollinearità e Validità: Non tutte le forme di multicollinearità sono uguali. Se i covariati misurati agiscono come proxy imperfetti per confondenti latenti, una forte associazione con l'esposizione non è solo un problema di precisione (errori standard), ma un problema di validità interna (bias amplificato).
• Interpretazione delle Analisi di Sensibilità: I ricercatori devono essere cauti nell'interpretare le analisi di sensibilità in contesti dove l'esposizione è fortemente confusa da variabili osservabili. Una forte associazione tra esposizione e covariati misurati dovrebbe innescare un livello di scetticismo maggiore riguardo alla possibilità di confondimento residuo.
• Implicazione Temporale: Nel caso del fumo, questo suggerisce che le conclusioni causali tratte da studi moderni potrebbero essere meno robuste di quelle tratte da studi storici, proprio a causa dell'aumentata stratificazione socioeconomica del comportamento di fumo.

In sintesi, il paper ribalta la visione tradizionale della multicollinearità, evidenziando come essa possa agire come un "amplificatore" del bias da variabili omesse quando si utilizzano proxy per confondenti non misurati, fornendo al contempo uno strumento quantitativo per diagnosticare questo rischio.