On the PM2.5 -- Mortality Association: A Bayesian Model for Spatio-Temporal Confounding

技術要約：PM2.5と死亡率の関連における時空間的交絡のためのベイズモデル

問題提起
大気汚染と公衆衛生を結びつける疫学研究において、曝露とアウトカムの関連性を推定することは、多くの場合、2つの主要な課題によって阻害される。それは、関係性の未知の関数形式と、曝露およびアウトカムの両方と空間的・時間的に相関している未測定の交絡因子の存在である。これらの問題は、曝露（PM2.5）と健康リスク（死亡率）が空間と時間の両方において共同で変化する時空間解析において特に深刻である。従来のアプローチは、一定の線形関係や周期的な季節効果といった単純化された仮定に依存することが多いが、これらはSARS-CoV-2パンデミック、人間の行動の急激な変化、あるいは汚染物質と気象変数の相互作用といった複雑なダイナミクスを説明できず、失敗に終わることが多い。さらに、「時空間的交絡」（ここでは、時空間構造を持つ未測定の因子から生じる欠落変数バイアスと定義）は、適切に制御されない場合、誤った推論を生じさせる可能性がある。

手法
著者らは、モデルの誤設定と未測定の交絡を同時に解決するために設計された、ベイズ・フレームワークである**空間動的一般化線形モデル（SDGLMC）**を提案している。

1. 曝露効果の分解：
   本手法の核心は、曝露効果を以下の2つの直交する成分に分解するための一次テイラー展開に基づいている。

   • 広域的成分： $\hat{X}_{it}$ を表す $f(\hat{X}_{it})$。これは曝露の全体的な時空間トレンドを表す。
   • 小規模（局所的）成分： $f'(\hat{X}_{it})(X_{it} - \hat{X}_{it})$。これはトレンドからの偏差を表す。
     モデルは、未測定の交絡因子（$Z_{it}$）は空間・時間的に滑らかであり、したがって広域的トレンド $\hat{X}_{it}$ と高い相関を持つが、デトレンド（差分化）された局所的曝露 $(X_{it} - \hat{X}_{it})$ とは無相関であると仮定している。アウトカムをこのデトレンドされた曝露に対して回帰することで、モデルは交絡バイアスの影響を受けにくい真の局所的関連性を分離することを目指している。

2. 動的一般化線形モデル（DGLM）の構造：
   線形予測子 $\vartheta_{it} = \ln(\mu_{it})$ は次のようにモデル化される：
   $$\vartheta_{it} = o_{it} + \beta_{0it} + \beta_{1it}(X_{it} - \hat{X}_{it}) + M'_{it}\alpha + \tilde{u}_{it}$$
   ここで、$o_{it}$ はオフセット、$M_{it}$ は測定された交絡因子、$\tilde{u}_{it}$ はガウスノイズである。

   • $\beta_{1it}$（局所的な傾き）： 曝露と死亡率の間の局所的な関連を表す時空間変動係数。これは、ベースライン（$\delta_1$）、時間特異的効果（$\delta_{1t}$）、および空間的効果（$\tilde{\delta}_{1i}$）に分解される。時間的効果はランダムウォーク過程に従う。
   • $\beta_{0it}$（切片）： 広域的な曝露効果と未測定の交絡因子を捉える時空間変動切片。これには、ベースライン、時間特異的、空間的、および時空間相互作用成分が含まれる。相互作用項（$\delta^*_{0it}$）は、特定の地区で見られるような不均一性を捉えるために、様々な構造（例：エリア固有の分散を持つ独立ランダムウォーク）を用いてモデル化される。

3. 推論：
   モデルは、マルコフ連鎖モンテカルロ（MCMC）シミュレーションを用いたベイズ的アプローチを用いて適合される。分散パラメータと初期状態に対して事前分布が指定され、オーバーフィッティングを避けつつ緩やかな変化を捉えられるよう、注意深い感度分析が行われる。エリア固有の効果に関する空間構造は、内的な条件付き自己回帰（ICAR）プロセスを用いてモデル化される。

主な貢献

• 新規なモデル仕様： 未測定の交絡因子によるバイアスを減少させるために、曝露効果の分解を統合し、時空間的交絡を明示的に扱うDGLMを導入したSDGLMCを提示した。
• 非線形性とダイナミクスの処理： 一定または周期的な効果を仮定するモデルとは異なり、SDGLMCは、不自然で急激な変化を伴うことなく、パンデミックのような例外的な事象を許容しながら、曝露とアウトカムの関連性が時間と空間にわたって滑らかに進化することを可能にする。
• 分解戦略： 曝露効果を広域的（交絡の影響を受ける）成分と小規模（交絡の影響を受けにくい）成分に明示的に分離することで、真の局所的な関連性の形状を回復するメカニズムを提供する。
• 柔軟な相互作用モデリング： フレームワークにより、切片をベースライン、時間的、空間的、および相互作用効果へと分解することが可能であり、どこで、いつ、汚染への脆弱性が変化するかについての解釈性を提供する。

結果

• シミュレーション研究：
  • 交絡バイアスの軽減： シミュレーション研究1において、SDGLMCは、異なる空間的・時間的自己相関構造を持つ3つのシナリオにおいて、Nullモデルおよび標準的なGLM（時間スプラインを用いたもの）と比較して、有意にバイアスを減少させた。高頻度の時間的変動を伴うシナリオでは一部のバイアスが残ったものの、SDGL、SDGLMCは平均二乗誤差（MSE）および最大絶対バイアス（MAB）において、競合モデルを一貫して上回った。
  • 関数形式の回復： シミュレーション研究2は、SDGLMCが非線形な曝露反応関数の一次導関数を回復できること、および広域的なトレンドを除去することが、トレンドを除去しないモデルと比較して交絡バイアスを減らす上で極めて重要であることを示した。
• 実データへの適用（イタリア、2018–2022年）：
  • ピエモンテ州およびロンバルディア州における65歳以上の全死因死亡率を分析した結果、モデルは局所的な曝露効果における明確な時間的パターンを明らかにした。例えば、2019年6月や2022年7月などの夏季には、PM2.5が10 $\mu g/m^3$ 増加することによるリスクの上昇が最大5.50%に達した。
  • パンデミック期間中（2020–2021年）、曝露効果は一般にゼロから離れていなかった。これは、ロックダウン措置、マスク着用、および屋外活動の減少によるものと考えられる。
  • 「Type T5相互作用」（エリア固有の分散を持つ独立ランダムウォーク）を用いたモデルが、最も優れた適合度（最低DIC）を示し、パンデミック中のベルガモにおける特異な死亡率の急増を捉えることに成功した。
  • 局所的な曝露効果における空間的変動は無視できる程度であったが、これは両地域における社会経済的および環境的な類似性に起因すると考えられる。

意義と主張
本論文は、SDGLMCが、時空間的交絡および非線形ダイナミクスが存在する状況下で、曝露とアウトカムの関連性を推定するための柔軟かつ効果的なツールであることを主張している。著者らは以下の通り述べている。

1. 静的モデルに対する優位性： 気象条件、人間の行動、および未測定の要因の複雑な相互作用を考慮すると、一定の関連性を仮定することは不適切である可能性が高い。SDGLMCは、一定または季節特異的なステップ関数を仮定するモデルよりも、これらのダイナミクスをより良く捉える。
2. 季節性のメカニズム： PM2.5濃度が夏季に一般的に低いにもかかわらず、曝露効果に夏季のピークが見られることは、単なる閾値効果ではなく、PM2.5と気温（または他の未測定の交絡因子）との潜在的な相互作用を示唆している。
3. 頑健性： 測定された交絡因子を除外した場合でも正確な推定を提供できるが、測定された交絡因子（気温、湿度）を含めることで、特に熱波の期間における推定が精緻化される。
4. 限界： 著者らは、モデルが関連性の形状を回復するものの、相互作用の正確な関数形式は未知であるという点を謙虚に認めている。また、本研究は高齢者の全死因死亡に焦点を当てているため、COVID-19特有のアウトカムに関する直接的な因果関係の主張は困難であるが、得られた知見は「ロックダウンが曝露パターンを変化させた」という仮説と一致している。

本研究は、SDGLMCを、大気汚染の小規模な時空間的健康影響を研究する研究者にとって、真の曝露効果を複雑な交絡構造から分離するための価値ある進歩として位置づけている。