Generalized propensity score weighting for functional causal inference framework

Sintesi Tecnica: Ponderazione del Propensity Score Generalizzato per l'Inferenza Causale Funzionale

Problema
L'inferenza causale negli studi osservazionali si basa tipicamente su metodi di propensity score per regolare il confondimento tra trattamento e outcome. Tuttavia, le metodologie esistenti sono progettate per trattamenti, covariate e outcome rappresentati da scalari o vettori a bassa dimensionalità. Le applicazioni moderne coinvolgono sempre più variabili osservate ripetutamente nel tempo, che sono naturalmente rappresentabili come funzioni (dati funzionali). Gli approcci standard al propensity score falliscono in questi contesti perché si basano sul bilanciamento di rappresentazioni di covariate a dimensione finita, mentre i trattamenti funzionali esistono in spazi a dimensione infinita ($L^2(T)$). Sebbene un lavoro recente (Zhang, Xue e Wang, 2021) abbia introdotto un Propensity Score Funzionale (FPS) utilizzando espansioni di Karhunen–Loève, esso soffre di due criticità fondamentali: (1) la stima dei pesi si basa su un'ottimizzazione vincolata con sintonizzazione sequenziale e vincoli di proporzionalità, creando oneri computazionali per grandi campioni; e (2) il framework è limitato a covariate e outcome scalari, non riuscendo ad accomodare simultaneamente confonditori funzionali o outcome funzionali.

Metodologia
Gli autori propongono un framework unificato per l'inferenza causale con dati funzionali che estende la ponderazione del propensity score a trattamenti, covariate e outcome funzionali.

1. Rappresentazione Funzionale: I trattamenti funzionali $X(t)$ e le covariate sono approssimati tramite espansioni di Karhunen–Loève (FPCA troncata) in vettori di punteggio a dimensione finita $A$ e $B$.
2. Formulazione Duale della Stima dei Pesi: Invece dell'ottimizzazione vincolata utilizzata nei lavori precedenti, gli autori derivano una formulazione duale del problema di bilanciamento della verosimiglianza empirica.
   • Il problema primale minimizza $\sum \log(w_i)$ soggetto a vincoli di bilanciamento (media nulla e decorrelazione tra i punteggi del trattamento e i confonditori).
   • Il problema duale trasforma questo in una minimizzazione convessa, non vincolata e regolare su un vettore di parametri $\theta$.
   • I pesi vengono recuperati tramite una trasformazione softmax: $w_i = \exp(-\theta^\top g_i) / \sum \exp(-\theta^\top g_j)$, dove $g_i$ raggruppa i momenti di bilanciamento.
   • Questo approccio elimina la necessità di sintonizzazione sequenziale o vincoli di proporzionalità, migliorando significativamente la scalabilità computazionale.
3. Estensione alle Covariate Funzionali: I confonditori funzionali sono incorporati aumentando il vettore dei vincoli di bilanciamento con i loro punteggi FPC. Ciò preserva la struttura dell'ottimizzazione duale, aumentando la dimensione del problema di ottimizzazione solo del numero di componenti mantenute.
4. Estensione agli Outcome Funzionali: Per gli outcome funzionali $Y(t)$, gli autori sviluppano un modello strutturale marginale funzione-su-funzione. L'effetto causale è caratterizzato da una superficie bi-variata $\mu(s,t)$. Espandendo sia il trattamento che l'outcome nelle rispettive basi FPCA, l'equazione integrale si riduce a un sistema di problemi di minimi quadrati pesati indipendenti per ogni componente dell'outcome.
5. Vincoli Temporali: Quando i domini del trattamento e dell'outcome si sovrappongono, gli autori impongono un vincolo di "non-anticipatività" ($\mu(s,t) = 0$ per $s > t$), utilizzando una base triangolare di funzioni lineari a tratti, garantendo la validità causale laddove il passato trattamento influenza gli outcome futuri.

Contributi Chiave

• Framework Unificato: Il documento fornisce il primo framework generale per l'inferenza causale con bilanciamento delle covariate che gestisce simultaneamente trattamenti funzionali, covariate funzionali e outcome funzionali.
• Efficienza Computazionale: La proposta formulazione duale genera un problema di ottimizzazione regolare e non vincolato. Ciò rimuove i colli di bottiglia computazionali dei metodi esistenti, rendendo l'approccio scalabile a dataset osservazionali di grandi dimensioni (es. $n=3000$) e spazi di covariate ad alta dimensionalità senza le prestazioni erratiche dei precedenti solver vincolati.
• Estensione Teorica: Il lavoro estende la teoria del Generalized Propensity Score (GPS) a contesti a dimensione infinita tramite surrogati FPCA e stabilisce le condizioni di identificazione (Ignorabilità Forte e Positività) per i modelli strutturali marginali funzionali.

Risultati

• Studi di Simulazione:
  • Riduzione del Bias: In vari setting (relazioni trattamento-covariata/outcome lineari e non lineari), la procedura di ponderazione proposta riduce sostanzialmente il bias rispetto agli stimatori non ponderati e ai metodi FPS esistenti.
  • Bilanciamento delle Covariate: Il metodo raggiunge un stabile bilanciamento delle covariate (correlazioni $<0.1$) attraverso diverse dimensioni di campionamento e di covariata, mentre il metodo FPS esistente mostrava un comportamento erratico.
  • Scalabilità: Il metodo proposto ha dimostrato una riduzione massiccia del tempo computazionale (circa 1890 volte più veloce in un determinato setting) rispetto a Zhang, Xue e Wang (2021). Il suo costo computazionale rimane stabile all'aumentare della dimensione del campione ($n$) e della dimensione delle covariate ($p$), a differenza dell'approccio esistente che scala in modo inefficiente.
• Applicazione su Dati Reali (UK Biobank):
  • Analisi 1 (BMI $\to$ T2D): Stima dell'effetto causale delle traiettorie del BMI in età media sull'incidenza del Diabete di Tipo 2. L'analisi ponderata ha rivelato che l'effetto è più forte nella mezza età precoce (età 50–57) e diventa non significativo successivamente, mentre l'analisi non ponderata mostrava effetti uniformemente gonfiati a causa del confondimento per lo stato di salute basale.
  • Analisi 2 (BMI $\to$ HbA1c): Stima della superficie dell'effetto causale delle traiettorie del BMI sulle traiettorie longitudinali dell'HbA1c. I risultati hanno indicato che un BMI più elevato nella mezza età precoce guida il maggiore incremento della successiva HbA1c, con effetti che si attenuano per le età di esposizione più avanzate.

Significatività e Rivendicazioni
Gli autori affermano che questo framework affronta una lacuna critica nell'inferenza causale per i moderni dati longitudinali. Passando da un'ottimizzazione vincolata a una non vincolata, il metodo rende l'inferenza causale funzionale computazionalmente fattibile per studi su larga scala. L'applicazione ai dati del UK Biobank dimostra che trattare l'esposizione come una funzione (anziché come un riassunto scalare) rivela effetti causali sfumati e variabili nel tempo che sono oscurati dalle analisi standard. Gli autori osservano che, sebbene il metodo assuma l'ignorabilità forte e si basi sulla FPCA (richiedendo dati ragionevolmente densi), offre uno strumento robusto per campi come l'epidemiologia metabolica, la farmacoepidemiologia e l'epidemiologia ambientale, dove le esposizioni basate su traiettorie sono comuni. Il documento riconosce esplicitamente i limiti, inclusa la necessità di estensioni per dati sparsi/irregolari (ad esempio tramite PACE o probabilità small-ball), suggerendo queste come direzioni per la ricerca futura.