Tilted sensitivity analysis in matched observational studies

問題
マッチングを用いた観察研究において、研究者は観測された共変量が類似した処置群と対照群のユニットをペアリングすることで、処置効果を推定する。しかし、未観測の交絡因子が隠れたバイアスを引き起こす可能性があり、そこでは応答値が大きいユニットが処置を受ける可能性が高くなる。Rosenbaum (1987) のモデルに従う感度分析は、研究の結論を無効にするために必要な未観測の交絡の大きさ（$\Gamma$）を決定することにより、知見の頑健性を定量化する。

（1つの処置群と1つの対照群からなる）ペア研究のための感度分析は、最悪の場合のp値やデザイン感度に関する閉形式の解が存在するため、十分に確立されている。しかし、複数の対照を持つ研究（$n_i > 2$ のマッチドセット）へこれらの手法を拡張することは、重大な技術的障壁を伴う。主流のアプローチである「分離アルゴリズム」（Gastwirth et al., 2000）は、未観測の交絡の最悪のパターンを見つけるために、$I$ 個の最適化問題を解く必要がある。決定的なことに、$n_i > 2$ の場合、このアルゴリズムは最悪の期待値に関する閉形式の表現を与えず、また最悪のパターンは感度パラメータ $\Gamma$ が変化するにつれて変化する。このような閉形式の解の欠如は、デザイン感度（Rosenbaum, 2004）——すなわち、バイアスからテスト統計量を区別する能力を記述する指標——の解析的な計算を妨げ、理論的な比較のためにモンテカルロ・シミュレーションへの依存を強いている。

手法
本論文は、「傾斜感度分析（tilted sensitivity analysis）」手順を導入する。任意の候補となるテスト統計量 $T = \sum Z_{ij}q_{ij}$ に対して、本手法は各マッチドセット $i$ について、以下の修正された「傾斜」統計量 $T_{\Gamma i}$ を定義する：
$$T_{\Gamma i} = T_i - \bar{q}_i - \left(\frac{\Gamma - 1}{1 + \Gamma}\right)|T_i - \bar{q}_i|$$
ここで、$T_i$ は元のセット $i$ の統計量であり、$\bar{q}_i$ はそのセット内のスコア $q_{ij}$ の平均である。

この修正は、未観測の交絡の最悪のパターン（シャープな帰無仮説の下で期待値を最大化するベクトル $u$）が閉形式で利用可能であり、かつ $\Gamma$ の値に対して不変となるように構成されている。具体的には、最悪の交絡因子は、$q_{ij} > \bar{q}_i$ の場合に $u_{ij}=1$ を、そうでない場合に $u_{ij}=0$ を割り当てる。この特定のパターンの下では、傾斜統計量の期待値はゼロとなり、その分散は閉形式の式で与えられる。

本論文は、このアプローチが既存の手法を統合することを示している：

1. 符号スコア統計量： 2つの値のみを取る統計量（例：ペア設計やマンテル・ヘンツェル検定）の場合、傾斜アプローチは従来の感度分析を正確に再現する。
2. 逆確率重み付け（IPW）： 傾斜統計量は、ミニマックス中心のIPW統計量と等価であり、マッチドセットによる重みのみが異なる。

主な貢献

1. 閉形式の最悪ケース分布： 分離アルゴリズムとは異なり、傾斜アプローチは、複数の対照を含むあらゆるマッチド構造に対して、最悪の期待値および分散の閉形式の表現を提供する。これにより、感度分析のステップにおける反復的な最適化の必要性が排除される。
2. 閉形式のデザイン感度： 本論文は、任意のマッチド構造に対して、傾斜統計量のデザイン感度の閉形式の表現を導出している：
   $$\tilde{\Gamma}_{tilt} = \frac{\eta + \theta}{\eta - \theta}$$
   ここで、$\theta$ は平均処置効果への寄与の確率極限であり、$\eta$ は平均絶対寄与の確率極限である。これにより、シミュレーションなしでの、競合するテスト統計量の解析的な比較が可能となった。
3. 適応的結合： 本論文は、傾斜アプローチと従来の形式を組み合わせる適応的プロシージャを提案する。多変量片側検定の枠組み（Cohen et al., 2020）を用いて、この手法は2つの統計量を適応的に重み付けし、個々の手法の最大値よりも小さいデザイン感度を持たないようにし、事前の不適切な手法選択に対する防護策とする。

結果

• 理論的比較： 解析的な導出とモンテカルロ・シミュレーションを通じて、本論文は、傾斜アプローチが対称的な誤差分布または右に歪んだ誤差分布に対して、従来のアプローチよりも一般に優れたデザイン感度を示すことを示している。逆に、左に歪んだ分布については、従来のアプローチが優れたデザイン感度を保持することが多い。
• 対照の影響： $m$-統計量（差の平均やランク検定を含むクラス）において、傾斜アプローチのデザイン感度は、マッチドコントロールの数 $J$ に関して非減少であり、緩やかな条件下では厳密に増加する。
• 実データへの適用： 5つの実データ例（喫煙、魚の摂取、教育、アルコール、および軽度の飲酒をカバー）において、傾斜アプローチは、特に右に歪んだアウトカムや特定のテスト統計量を持つデータセットにおいて、従来のアプローチよりも高い感度値（隠れたバイアスに対するより高い頑健性を示す）を頻繁に示した。適応的アプローチは、一般に個別の最良の手法と同等の性能を示し、最悪の手法よりも有意に優れた性能を示した。

意義
本論文は、傾斜感度分析が、複数の対照を持つマッチング観察研究に対して、実用的かつ理論的に優れた代替案を提供すると主張している。最悪のケースの分布とデザイン感度の両方について閉形式の解を提供することで、本手法は、複数の対照の設定においてロバストな推論の開発を制限してきた計算的および理論的な障壁を取り除いている。デザイン感度を解析的に比較できる能力は、より良い研究設計と、より頑健なテスト統計量の選択を促進する。さらに、適応的結合は、研究者が事前に対照的な手法のどちらかを選択する必要がないようにし、報告される観察結果の頑健性を維持または向上させつつ、不適切な手法選択に対する防護策を提供する。