Two-stage Estimation for Causal Inference Involving a Semi-continuous Exposure

1. 問題設定 (Problem)

従来の因果推論手法は、二値曝露（あり/なし）や連続曝露（量的な値のみ）に対しては確立されていますが、「曝露の有無」と「曝露量」の両方が重要な役割を果たす半連続的曝露に対する因果推論には限界がありました。

• 既存手法の課題:
  • 二値曝露と連続曝露を別々に扱うか、あるいは単純に連続変数として扱うことが多いが、ゼロの点質量を適切に扱えていない。
  • 逆確率重み付け（IPW）を連続曝露に適用する場合、極端な重みが生じやすく、推定量の分散が大きくなる（不安定になる）問題がある。
  • 曝露分布のモデル化が困難であり、離散化などの近似が必要になることが多い。
• 具体的な動機:
  • 胎児期アルコール曝露（PAE）と子供の認知機能の関係を研究する際、多くの母親は妊娠中の飲酒を報告しない（ゼロ）が、飲酒する母親の間では摂取量に大きなばらつきがある。
  • 研究者は、**「飲酒の有無（状態）」が認知に与える影響と、「飲酒している集団内での摂取量（用量）」**が認知に与える影響（用量反応関係）の両方を区別して評価したい。

2. 提案手法 (Methodology)

著者らは、半連続的曝露に対する因果推論のための2 段階推定フレームワークを提案しました。この手法は、潜在結果モデル（Potential Outcomes Framework）に基づき、2 つの異なる因果推定量を推定します。

2.1 因果推定量の定義

1. 用量反応効果（Dose-Response Effect, $\Delta_D$）: 曝露された集団（$A=1$）において、曝露量（$D$）が 1 単位増加したときのアウトカムの平均変化。
2. 参照用量における曝露効果（Reference-Dose Effect, $\Delta_0(c)$）: 特定の臨床的に意味のある参照用量 $c$ で曝露された場合と、非曝露（$A=0$）の場合のアウトカムの差。

2.2 2 段階推定戦略

このフレームワークは、曝露の「状態」と「量」を分離して扱うために 2 段階で構成されます。

• 第 1 段階（Stage I）: 曝露された集団内の用量反応効果の推定

  • 曝露された対象者（$A=1$）に限定して分析。
  • 2 部分プロペンシティスコア（Two-part Propensity Score）の第 1 成分（曝露量の条件付き期待値 $S_1 = E[D|A=1, Z]$）を用いた回帰調整（Regression Adjustment）を行う。
  • これにより、曝露量とアウトカムの間の因果的な用量反応関係を推定する。

• 第 2 段階（Stage II）: 曝露状態の効果の推定

  • 第 1 段階で推定された用量反応係数を「オフセット（offset）」としてモデルに固定し、曝露量による変動を除去する。
  • **第 2 成分（曝露状態の確率 $S_2 = P(A=1|Z)$）**を用いて、参照用量 $c$ での曝露と非曝露の効果を推定する。
  • 第 2 段階では、以下の 3 つの手法のいずれかを使用可能：
    1. プロペンシティスコア回帰調整（PS Regression Adjustment）
    2. 逆確率重み付け（IPW）
    3. 拡張逆確率重み付け（AIPW: Augmented IPW）
  • 特に AIPW を採用することで、**二重頑健性（Double Robustness）**を実現する。つまり、プロペンシティスコアモデルまたは帰納モデル（imputation model）のいずれかが正しければ、推定量は一致性を持つ。

2.3 理論的性質

• 一致性と漸近正規性: 提案された推定量の一致性と漸近正規性を証明し、サンドイッチ推定量による分散推定を可能にした。
• モデル誤指定の影響: 第 1 段階のプロペンシティスコアモデルが誤指定された場合、第 2 段階の推定量にもバイアスが伝播することを示した。しかし、第 2 段階で AIPW を使用すれば、第 2 段階のモデルが正しければ、第 2 段階の推定量は二重頑健性を維持する（ただし、第 1 段階の誤指定は解消されない）。

3. 主要な貢献 (Key Contributions)

1. 統一的な因果フレームワークの構築: 半連続的曝露に対して、「曝露の有無」と「曝露量」の両方の因果効果を、単一の枠組みで明確に定義し、識別可能な推定量として提示した。
2. 2 段階推定法の開発: 複雑な半連続的曝露を、段階的に処理することで、モデルの柔軟性を高め、推定の安定性を向上させた。
3. 二重頑健性の適用: 第 2 段階において AIPW を導入し、モデル誤指定に対する頑健性を確保した。
4. 理論的解析とシミュレーション: 大域性質の証明、モデル誤指定時の極限値の導出、および誤指定シナリオを含む広範なシミュレーション研究を通じて、手法の有効性と限界を評価した。

4. 結果 (Results)

4.1 シミュレーション研究

• 正しく指定されたモデルの場合: 提案されたすべての手法（特に 2 段階法）は、バイアスが小さく、95% 信頼区間の被覆率が nominal な水準に近い良好な性能を示した。
• モデル誤指定の場合:
  • 第 1 段階（用量モデル）の誤指定は、第 1 段階の推定量だけでなく、第 2 段階の推定量にもバイアスを引き起こす。
  • 第 2 段階（状態モデル）の誤指定に対しては、AIPW を使用した場合、帰納モデルが正しければ推定量は一致性を保つ（二重頑健性の確認）。
  • 従来の単純な回帰調整や、誤指定されたプロペンシティスコアを用いた手法は、大きなバイアスと低い被覆率を示した。

4.2 実データ分析（デトロイト縦断コホート研究）

• データ: 妊娠中のアルコール摂取と 7 歳児の知能指数（WISC-III FSIQ）の関係を分析。
• 結果:
  • 従来の共変量調整モデルは、飲酒状態に対してわずかな正の効果を推定したが、プロペンシティスコアに基づく手法（2 段階法）は、飲酒状態および用量の両方に対して**負の効果（有害な影響）**を示唆する結果を得た（統計的有意性は 5% 水準では得られなかったが、方向性は一致）。
  • 二重頑健な AIPW 推定量は、負の点推定値（-0.176）を与え、理論的な頑健性を示した。
  • 重み付け法（IPW/AIPW）は回帰法に比べて標準誤差が大きくなる傾向があったが、これは重み付けの特性によるものであり、妥当な結果であった。

5. 意義と結論 (Significance and Conclusion)

この研究は、公衆衛生や疫学研究において頻繁に遭遇する「半連続的曝露」の問題に対して、理論的に厳密かつ実用的な解決策を提供する。

• 科学的問いへの対応: 単に「曝露するかしないか」だけでなく、「どの程度の曝露か」を区別して因果効果を評価できるため、より詳細な政策提言や臨床的介入の設計が可能になる。
• 方法論的進展: 既存の二値・連続曝露の手法を統合し、半連続的曝露特有の構造（ゼロの点質量と連続分布）をプロペンシティスコア構造に組み込んだ点が画期的である。
• 実用性: 胎児期アルコール曝露のような重要な公衆衛生課題に対して、欠測データ処理（多重代入）と組み合わせることで、実データへの適用可能性を証明した。

今後の課題として、第 1 段階での二重頑健な推定法の導入や、多次元アウトカムへの拡張、欠測共変量を伴う場合の手法開発などが挙げられている。

総括すると、この論文は半連続的曝露における因果推論の新たな標準的なアプローチを確立し、複雑な曝露パターンを持つ観察研究の分析精度を高める重要な貢献をしたものである。