Causal treatment effect decompositions with time-to-event outcomes under competing events

Sintesi Tecnica: Decomposizioni dell'Effetto Causale del Trattamento con Esiti Tempo-All'Evento in Presenza di Eventi Competitivi

Enunciato del Problema
L'inferenza riguardante gli effetti del trattamento per esiti tempo-all'evento è frequentemente complicata da eventi competitivi, che impediscono il verificarsi dell'evento di interesse (l'evento target). Questa problematica è particolarmente acuta quando il trattamento stesso influenza il verificarsi dell'evento competitivo. In tali scenari, le misure standard basate sul rischio possono produrre interpretazioni fuorvianti: un trattamento può apparire protettivo contro l'evento target semplicemente accelerando l'evento competitivo (riducendo così il tempo disponibile affinché l'evento target si verifichi), o al contrario, apparire dannoso ritardando l'evento competitivo. I quadri esistenti, come la separazione dei rischi specifici per causa e dei rischi netti o il quadro degli effetti separabili, spesso si basano su assunzioni restrittive (ad esempio, la fattibilità di decomporre un trattamento in componenti indipendenti) o non riescono a distinguere in modo completo i meccanismi sottostanti che generano l'effetto totale apparente.

Metodologia
Gli autori propongono una decomposizione a quattro vie dell'effetto totale del trattamento (TE) su un evento target in presenza di rischi competitivi. Questo approccio è fondato su un modello causale che utilizza stimoli di mondi incrociati.

1. Struttura dei Dati e Notazione: Lo studio impiega un modello a tempo discreto con trattamento binario $A$, un processo indicatore dell'evento target $Y$, un processo indicatore dell'evento competitivo $D$ e un processo di censura $C$.
2. Processo Congiunto e Stimatori di Mondi Incrociati: L'innovazione metodologica centrale è la definizione di un processo congiunto $Z^{a', a''}$ costruito combinando gli indicatori dei due eventi sotto ipotetiche interventi in cui l'evento competitivo è eliminato. Nello specifico, $Y^{a', \emptyset}$ rappresenta l'evento target sotto il trattamento $a'$ con il processo dell'evento competitivo eliminato, e $D^{\emptyset, a''}$ rappresenta l'evento competitivo sotto il trattamento $a''$ con l'evento target eliminato. Il processo congiunto $Z^{a', a''}$ traccia questi eventi fino al verificarsi di uno di essi.
3. Decomposizione a Quattro Vie: L'effetto totale è partizionato in quattro componenti distinte basate su queste quantità di mondi incrociati:
   • Effetto Diretto Controllato (CDE): L'effetto del trattamento in un mondo ipotetico in cui l'evento competitivo è eliminato.
   • Intercettazione di Riferimento ($INT_{ref}$): Il contributo all'effetto totale derivante dall'intercettazione degli eventi target da parte dell'evento competitivo sotto il livello di trattamento di riferimento (non trattato).
   • Intercettazione Mediata ($INT_{med}$): La variazione negli effetti di intercettazione quando l'evento competitivo è considerato sotto il livello trattato rispetto al livello di riferimento. Questa componente è diversa da zero solo se il trattamento influisce sull'evento competitivo.
   • Effetto Indiretto Puro (PIE): La differenza nelle porzioni intercettate quando l'evento target segue la sua distribuzione sotto il trattamento di riferimento, riflettendo come l'effetto del trattamento sull'evento competitivo alteri il rischio dell'evento target.
4. Identificazione: Il paper specifica un insieme di assunzioni necessarie per identificare queste medie a livello di popolazione dai dati osservati:
   • Scambiabilità: Condizionatamente alle covariate basali, i processi controllati sono indipendenti dall'assegnazione del trattamento; la scambiabilità sequenziale vale per i processi.
   • Coerenza: Gli esiti osservati corrispondono agli esiti potenziali sotto il trattamento osservato.
   • Positività: È possibile sopravvivere fino alla fine del follow-up per tutti i pattern di covariate.
     Sotto queste assunzioni, le componenti sono identificate utilizzando rischi specifici per causa derivati dai dati osservati.

Risultati Chiave e Illustrazioni
Gli autori dimostrano l'utilità di questa decomposizione attraverso simulazioni e due studi clinici randomizzati reali:

• Scenari di Simulazione: Sono stati simulati tre scenari per illustrare come le componenti si comportano sotto diverse dinamiche trattamento-evento competitivo:
  1. Il trattamento ritarda l'evento competitivo: L'effetto totale è guidato dal CDE, ma l'Effetto Indiretto Puro (PIE) introduce un contributo dannoso perché ritardare l'evento competitivo permette più tempo affinché l'evento target si verifichi.
  2. Il trattamento accelera l'evento competitivo: L'effetto totale è benefico. Qui, l'Effetto Indiretto Puro contribuisce positivamente perché accelerare l'evento competitivo riduce il tempo disponibile per l'evento target.
  3. Il trattamento non influisce sull'evento competitivo: L'intercettazione mediata e gli effetti indiretti puri sono zero, evidenziando che l'evento competitivo influenza comunque l'effetto totale apparente tramite l'intercettazione di riferimento, anche se il trattamento non altera il rischio dell'evento competitivo.
• Applicazioni Empiriche:
  • Studio FINGER (Deficit Cognitivo/CVD): Analisi di un intervento sullo stile di vita in cui il trattamento probabilmente ritarda sia le malattie cardiovascolari (CVD) che la morte. La decomposizione ha mostrato che l'Effetto Diretto Controllato era dominante, con interferenza minima da parte degli eventi competitivi, suggerendo che l'effetto del trattamento sulla CVD è robusto.
  • Studio sul Cancro alla Prostata (DES vs. Placebo): Analisi di un trattamento (DES) che aumenta il rischio di morte per altre cause (evento competitivo) riducendo al contempo la mortalità per cancro alla prostata. La decomposizione ha rivelato che, mentre l'Effetto Diretto Controllato mostrava un effetto protettivo, anche l'Effetto Indiretto Puro ha contribuito al beneficio apparente accelerando le morti per altre cause, riducendo così il tempo per il verificarsi della morte per cancro alla prostata.

Significato e Affermazioni
Il paper afferma di fornire un quadro completo per caratterizzare gli effetti del trattamento in presenza di eventi competitivi senza richiedere l'assunzione restrittiva che un trattamento possa essere fisicamente decomposto in componenti indipendenti (come richiesto dal quadro degli effetti separabili).

• Insight Meccanicistico: La decomposizione a quattro vie rivela il ruolo specifico dell'evento competitivo nel plasmare l'effetto del trattamento apparente, distinguendo tra meccanismi in cui il trattamento agisce direttamente sul target, agisce tramite l'evento competitivo, o in cui l'evento competitivo intercetta il target.
• Interpretabilità Causale: Affidandosi agli stimoli di mondi incrociati, gli autori definiscono stimoli che sono causalmente interpretabili anche quando il trattamento influenza l'evento competitivo.
• Flessibilità: Le componenti possono essere ricombinate per formare altri stimoli standard, come l'Effetto Diretto Naturale (NDE) e l'Effetto Indiretto Naturale (NIE), o l'Effetto Diretto Totale (TDE), permettendo ai ricercatori di adattare l'analisi a specifiche domande di ricerca (ad esempio, meccanismi eziologici rispetto a miglioramenti olistici della salute).
• Limitazioni: Gli autori notano che l'approccio attualmente si basa su covariate basali; la presenza di confonditori variabili nel tempo pone sfide significative per gli stimoli di mondi incrociati, poiché richiederebbe assunzioni su traiettorie longitudinali non osservabili sotto assegnazioni di trattamento conflittuali.

In conclusione, la decomposizione proposta serve come base per definire stimoli causalmente interpretabili che tengono conto della complessa interazione tra trattamento, eventi target ed eventi competitivi, offrendo una comprensione più sfumata dell'efficacia del trattamento rispetto alle sole misure dell'effetto totale.