Sintesi Tecnica: Equità Causale per l'Analisi di Sopravvivenza

Enunciato del Problema

In domini ad alto rischio come l'assistenza sanitaria, l'occupazione e la giustizia penale, i sistemi di apprendimento automatico fanno sempre più affidamento su dataset su larga scala per informare le decisioni. Sebbene il campo dell'Apprendimento Automatico Equo (Fair ML) abbia compiuto progressi significativi nel rilevamento dei pregiudizi e nella previsione equa, questi sforzi si concentrano prevalentemente su ambienti statici (istantanee a un singolo punto temporale). Al contrario, l'equità nei contesti temporali, in particolare nell'Analisi di Sopravvivenza o nell'analisi Tempo-All'Evento (TTE), rimane poco esplorata.

Gli approcci esistenti all'analisi di sopravvivenza equa adottano prevalentemente definizioni statistiche di equità. Il documento sostiene che, anche con dati illimitati, le definizioni statistiche non riescono a districare i meccanismi causali che generano le disparità. Non riescono a distinguere tra effetti diretti di un attributo protetto, effetti indiretti mediati attraverso altre variabili ed effetti spurii (confusi). Questa limitazione impedisce una spiegazione comprensibile dall'uomo del perché sorgono le disparità e di come evolvono nel tempo.

Metodologia

Gli autori propongono un framework causale non parametrico per l'equità nell'analisi TTE. L'approccio si basa su Modelli Causali Strutturali (SCM) e procede attraverso quattro fasi distinte:

1. Formalizzazione delle Assunzioni: Gli autori adattano il Modello di Equità Standard (SFM) all'analisi di sopravvivenza. Questo modello grafico include:

   • $X$: Attributo protetto (es. razza).
   • $Z$: Variabili confondenti (non causalmente influenzate da $X$).
   • $W$: Mediatori (potenzialmente influenzati da $X$).
   • $T$: Tempo di sopravvivenza (non osservato).
   • $C$: Tempo di censura.
   • $(M, \delta)$: Dati osservati, dove $M = \min(T, C)$ e $\delta$ indica se l'evento si è verificato.
     Il framework considera tre regimi di censura:
   • Censura Non Informativa (NIC): $T \perp \perp C \mid X, Z, W$.
   • Rischi Competitivi (CR): Multipli tipi di evento ($T_1, \dots, T_K$) dove tutti sono di interesse.
   • Censura Informativa (IC): $T$ e $C$ condividono cause comuni non osservate, richiedendo un'analisi di sensitività.

2. Recupero della Sopravvivenza Condizionale: Il metodo recupera inizialmente la funzione di sopravvivenza condizionale $P(T \mid X, Z, W)$ (o le Funzioni di Incidenza Cumulativa nei contesti CR) dai dati censurati osservati $(M, \delta)$.

3. Teorema di Riduzione Causale: Un contributo teorico fondamentale è il Teorema di Riduzione Causale (Teorema 1). Dimostra che qualsiasi funzionale $\Phi$ della distribuzione di sopravvivenza condizionale (ad esempio, la probabilità di sopravvivenza al tempo $t$) è una funzione deterministica di $(X, Z, W)$. Ciò consente di riformulare il problema: invece di analizzare direttamente la complessa curva di sopravvivenza, si possono analizzare gli effetti causali di $X$ sulla variabile derivata $\Phi$. Ciò permette la decomposizione delle disparità in:

   • Effetto Diretto (DE): $X \to T$ (o $X \to \Phi$).
   • Effetto Indiretto (IE): $X \to W \to T$.
   • Effetto Spurio (SE): $X \leftrightarrow Z \to T$.

4. Stima Efficiente: Il documento fornisce strategie di stima per questi effetti:

   • Stima Basata su Modelli: Utilizzo di Random Survival Forests (RSF) per stimare i rischi condizionati e le propensioni.
   • Stima Doppia-Robusta: Gli autori derivano una nuova funzione di influenza (Teorema 2) per dati censurati, consentendo una stima coerente anche se uno dei modelli di disturbo (sopravvivenza o censura) è specificato in modo errato.
   • Gestione della Censura Informativa: Per i contesti IC, il documento impiega un Stimatore Grafico a Copula (CGE) basato su copule Archimedee. Poiché la distribuzione congiunta non è pienamente identificabile senza assunzioni forti, gli autori derivano limiti netti (Teorema 3) per la funzione di sopravvivenza, che collassano in stime puntuali man mano che la griglia temporale si affina.

Contributi Chiave

1. Formalizzazione dell'Equità Causale in TTE: Il documento formalizza l'equità causale specificamente per l'analisi di sopravvivenza, dimostrando il Teorema di Riduzione Causale per abilitare la decomposizione dei percorsi delle disparità nel tempo.
2. Risultati di Identificazione: Deriva risultati di identificazione per gli effetti causali sotto tre regimi distinti: censura non informativa, rischi competitivi e censura informativa.
3. Nuovi Stimatori Tecnici:
   • Uno stimatore doppia-robusto per effetti controfattuali in dati censurati (Teorema 2).
   • Limiti netti per la stima grafica a copula in presenza di incrementi non disgiunti (Teorema 3), affrontando la sfida della censura informativa senza assumere l'indipendenza.
4. Applicazione Empirica: Il framework è stato applicato a un dataset reale di ammissioni in terapia intensiva (ICU) per analizzare le disparità razziali nella mortalità post-ICU e nei ricoveri.

Risultati

La metodologia è stata applicata al Database Pazienti Adulti ANZICS (249.958 pazienti, inclusi 10.436 pazienti indigeni) per studiare le disparità razziali in:

• Tempo-alla-Morte (Censura Non Informativa):
  • L'analisi statistica standard (misura della Variazione Totale) ha mostrato una disparità vicina allo zero dopo 80 giorni, suggerendo nessuna differenza.
  • La Decomposizione Causale ha rivelato che questo risultato nullo mascherava sostanziali effetti specifici di percorso opposti:
    • Effetto Diretto: I pazienti minoritari hanno mostrato una sopravvivenza migliorata lungo il percorso diretto.
    • Effetto Indiretto: I pazienti minoritari hanno mostrato una sopravvivenza ridotta a causa di un maggior carico di malattie croniche/acute (mediato da $W$).
    • Effetto Spurio: I pazienti minoritari hanno mostrato una sopravvivenza migliorata a causa di un'età media inferiore all'ammissione (confusa da $Z$).
  • La decomposizione ha dimostrato che le metriche standard di equità statistica possono oscurare i meccanismi causali sottostanti che guidano le disparità.
• Tempo-al-Ricovero (Censura Informativa):
  • Analizzato sotto l'assunzione che la morte agisca come censura informativa per il ricovero.
  • Utilizzando un'analisi di sensitività con parametri di dipendenza variabili ($\tau$), lo studio ha rilevato che i pazienti minoritari hanno affrontato un maggior carico di ricoveri, guidato in gran parte da effetti indiretti (diagnosi più complesse e salute cronica peggiore) ed effetti diretti, nonostante un minore carico spurio dovuto all'età.

Significato e Affermazioni

Il documento afferma che il suo approccio fornisce una spiegazione principiale e comprensibile dall'uomo delle disparità di sopravvivenza che le analisi standard di equità statistica trascurano. Spostandosi oltre le istantanee statiche e le definizioni statistiche, il framework permette ai ricercatori di:

• Districare se le disparità sono causate dall'attributo protetto stesso (diretto), da fattori sistemici che influenzano i mediatori (indiretto) o da variabili confondenti (spurii).
• Osservare come queste disparità evolvono nel tempo, invece di trattarle come un singolo numero aggregato.
• Gestire scenari complessi di dati reali, inclusi rischi competitivi e censura informativa, che sono comuni nell'assistenza sanitaria ma spesso ignorati nella letteratura Fair ML.

Gli autori sottolineano che, sebbene il loro framework si basi su specifiche assunzioni causali (codificate nel SFM), queste assunzioni permettono l'identificazione di meccanismi causali altrimenti non identificabili con i soli metodi statistici. Riconoscono i limiti, come la dipendenza dall'assunzione di copula Archimedea per la censura informativa e l'assunzione di covariate invarianti nel tempo, notandoli come direzioni per lavori futuri.