From Subgroups to Population Composition: A Transportability Approach to Effect Heterogeneity

Sintesi Tecnica: Dai Sottogruppi alla Composizione della Popolazione

Definizione del Problema
I metodi epidemiologici tradizionali per l'analisi dell'eterogeneità degli effetti si basano sulla regressione parametrica con sottogruppi pre-specificati (ad esempio, termini di interazione o analisi stratificate). Sebbene semplici, questi approcci spesso non riescono a catturare modelli complessi e multidimensionali di modifica dell'effetto e possono oscurare le popolazioni vulnerabili qualora l'effetto medio sia nullo o protettivo. Al contrario, i recenti metodi adattivi ai dati (ad esempio, i meta-learner) migliorano l'accuratezza della predizione in contesti ad alta dimensionalità, ma introducono una significativa complessità metodologica e offrono spesso una visione limitata sui driver specifici dell'eterogeneità. Esiste la necessità di un approccio concettuale che caratterizzi come gli effetti dell'esposizione varino tra popolazioni con diverse composizioni, senza richiedere sottogruppi pre-specificati o algoritmi complessi e opachi.

Metodologia
Gli autori propongono un nuovo approccio concettuale in tre fasi per modellare l'effetto dell'esposizione a livello di popolazione in funzione della distribuzione dei modificatori di effetto. Questo metodo sfrutta i framework di trasportabilità per stimare gli effetti in popolazioni ipotetiche.

1. Selezione delle Variabili: I ricercatori selezionano i confonditori (per chiudere i percorsi back-door) e i modificatori di effetto basandosi sulla conoscenza pregressa o su metodi adattivi ai dati. L'approccio consente l'uso di set di modificatori ad alta dimensionalità, sebbene l'interpretabilità diminuisca all'aumentare della dimensionalità.
2. Stima in Popolazioni Ipotetiche: Il nucleo del metodo consiste nel stimare l'Effetto Medio del Trattamento (ATE) in una serie di popolazioni ipotetiche in cui la prevalenza di specifici modificatori di effetto viene variata sistematicamente (ad esempio, attraverso i quintili dallo 0% al 100%).
   • Ciò viene ottenuto utilizzando metodi di trasportabilità come il weighting per l'odds inverso (inverse odds weighting), l'entropy balancing, la standardizzazione del modello di esito (g-computation) o stimatori doppiamente robusti (ad esempio, TMLE).
   • Il processo assume le condizioni standard di identificazione causale (consistenza, positività, scambiabilità condizionata) e specifiche assunzioni di trasportabilità, in particolare che non vi siano modificatori di effetto non misurati e che i mediatori sul percorso causale non differiscano nella distribuzione tra il campione di studio e le popolazioni ipotetiche.
3. Modellazione della Superficie dell'Effetto: Gli ATE stimati attraverso l'intervallo dei valori di prevalenza vengono modellati come una funzione della prevalenza stessa. Ciò può essere fatto tramite regressione (lineare, quadratica o altre forme funzionali) per quantificare la relazione tra la prevalenza del modificatore e l'effetto a livello di popolazione.

Contributi Chiave

• Spostamento Concettuale: Il paper sposta l'analisi dell'eterogeneità dal confronto binario tra sottogruppi alla caratterizzazione continua di come gli effetti a livello di popolazione cambino al variare della composizione dei modificatori di effetto.
• Due Output Primari:
  1. Stima del cambiamento negli effetti dell'esposizione a livello di popolazione attribuibile all'aumento della prevalenza del modificatore di effetto.
  2. Classificazione (ranking) delle stime di effetto attraverso molteplici modificatori e prevalenze per identificare le caratteristiche della popolazione più fortemente associate a una diversa vulnerabilità.
• Accessibilità: Gli autori forniscono un'applicazione Shiny in R per facilitare l'implementazione, consentendo ai ricercatori di visualizzare la "superficie dell'effetto" senza richiedere avanzate competenze di programmazione o complessi pipeline di meta-learner.
• Agnosticismo Metodologico: L'approccio è agnostico rispetto al metodo di stima specifico utilizzato nello Step 2, permettendo ai ricercatori di scegliere il modello più appropriato per la scala e la struttura dei propri dati.

Risultati (Applicazione di Caso Studio)
L'approccio è stato dimostrato utilizzando i dati dei Demographic and Health Surveys (DHS) per esaminare gli effetti eterogenei della siccità sullo stunting infantile nei paesi a basso e medio reddito.

• Esposizione/Esito: Siccità (esposizione) e stunting infantile (esito).
• Modificatori di Effetto: Livello di istruzione della madre, residenza rurale e consumo di media di massa.
• Risultati:
  • L'ATE complessivo ha indicato un aumento del 1,4% del rischio di stunting dovuto alla siccità.
  • Istruzione Materna: Le popolazioni con una prevalenza superiore al 60% di assenza di istruzione materna hanno mostrato effetti dell'esposizione superiori alla media. Al 100% di prevalenza di assenza di istruzione, il rischio aumentava del 3,3%. Al contrario, in popolazioni con una prevalenza vicina allo zero di assenza di istruzione (altamente istruite), l'effetto diventava negativo (suggerendo un'associazione protettiva), illustrando un'eterogeneità non lineare che l'analisi stratificata potrebbe non cogliere.
  • Residenza Rurale e Media: L'effetto della siccità aumentava a un ritmo accelerato con la prevalenza della residenza rurale, ma aumentava a un ritmo decelerato con il consumo di media di massa.
  • Modellazione: Le regressioni polinomiali di secondo ordine hanno catturato con successo queste relazioni non lineari, rivelando inversioni nella direzione dei cambiamenti marginali che i modelli lineari non avrebbero rilevato.

Significatività e Rivendicazioni
Gli autori pongono questo lavoro come un'alternativa pratica e a bassa complessità alle convenzionali analisi dell'eterogeneità. Essi dichiarano esplicitamente che l'approccio non mira a migliorare l'efficienza o l'accuratezza predittiva della stima dell'effetto (un punto di forza dei meta-learner), né mira a risolvere i problemi di potenza statistica o di violazione della positività inerenti ai dati.

La significatività risiede invece in:

1. Insight Azionabili: Fornire una chiara visualizzazione della "superficie dell'effetto" per identificare sottogruppi vulnerabili azionabili per la prioritizzazione degli interventi (ad esempio, indirizzare i programmi di nutrizione verso aree con bassa istruzione materna e alto rischio di siccità).
2. Trasportabilità Interna: Consentire l'esplorazione dell'intero intervallo della modifica dell'effetto utilizzando solo i dati del campione di studio, senza richiedere un dataset target esterno.
3. Interpretabilità: Offrire un framework che bilancia il rigore metodologico con l'interpretabilità per il pubblico esterno, andando oltre la natura "black box" di alcuni approcci di machine learning ad alta dimensionalità.

Il paper conclude che, sebbene il metodo presenti dei limiti riguardanti l'efficienza e le assunzioni sui mediatori, esso fornisce uno strumento necessario per caratterizzare l'intera superficie della modifica dell'effetto nel contesto degli shock climatici e delle disuguaglianze sociali.