Sensitivity analysis for contamination in egocentric-network randomized trials with interference

技術要約：干渉を伴うエゴセントリック・ネットワーク無作為化試験における汚染に関する感度分析

問題の所在
完全なソシオセントリック（社会中心型）ネットワーク・データの収集がロジスティクス面で困難な場合、因果効果を推定するためにエゴセントリック・ネットワーク無作為化試験（ENRT）がますます活用されている。ENRTでは、「エゴ（指標となる個人）」の集合がサンプリングされ、各エゴは自身の近隣住民（アルター）のサブセットをリクルートする。処置はエゴに対して無作為に割り当てられる。標準的な分析手法は、観測されたエゴ・ネットワークが基礎となる母集団ネットワークにおいて互いに素（disjoint）である、すなわち、アルターはただ一つのエゴにのみ接続されており、エゴ同士も互いに接続されていない、という仮定に基づいている。

しかし、実際の母集団ネットワークには、これらの互いに素な構成要素を繋ぐエッジ（例：複数のエゴに接続されているアルターや、接続しているエゴ同士）が存在することが多い。この現象は「汚染（contamination）」と呼ばれ、観測されたネットワークにおけるエッジの欠落を引き起こす。その結果、観測されたネットワークから算出される曝露ステータス（あるユニットが処置を受けた隣人を有しているかどうか）が誤って指定されることになる。著者らは、デザインベースの推論フレームワークの下で、直接効果および間接効果の両方に対する標準的なホーイトワイト・トンプソン（HT）推定量が、このような汚染が存在する場合にバイアスを生じることを示している。具体的には、素朴な（naive）推定量は、間接効果を過小評価し、直接効果を過大評価する傾向がある。

手法
本論文は、ネットワークに関する確率的な超母集団モデルを仮定することなく、汚染に対処するためのデザインベースの感度分析フレームワークを提案している。基礎となる母集団ネットワークは、部分的に観測されていない固定されたものとして扱われる。

1. バイアス補正推定量:

   • 間接効果: 著者らは、欠落しているアルター－エゴ間のエッジの確率（$\pi^a_i$）または期待値を用いて、素朴なHT推定量を調整するバイアス補正間接効果推定量（$\widehat{IE}_{adj}$）を導出している。
   • 直接効果: 著者らは、欠落しているエゴ－エゴ間のエッジの確率（$\pi^e_i$）と、少なくとも一つの処置を受けた隣人に曝露されたエゴにおける平均的な直接効果と、非曝露のエゴにおける直接効果の比率を表すパラメータ（$\kappa$）の2つの感度パラメータを必要とする、バイアス補正直接効果推定量（$\widehat{DE}_{adj}$）を導出している。
   • 分散推定: エゴ・ネットワーク間の潜在的なエッジによって誘発される依存関係を考慮するため、保守的な分散推定量が開発されている。

2. 感度パラメータと指定:
   本フレームワークは、欠落しているエッジの確率または期待数（$\rho^e_{ij}$ および $\rho^a_{ij}$）を指定することに依拠している。著者らは、これらのパラメータを指定するための4つの実用的なガイドラインを提示している：

   • 同質な確率（すべての潜在的な欠落エッジに対して一定の確率）。
   • 同質なエッジ数（欠落しているエッジの総期待数を指定）。
   • 非同質な確率（共変量やホモフィリー（同質性）の尺度を用いた、距離に基づくロジスティック・リンク関数などを使用）。
   • 非同質なエッジ数（期待数と非同質な確率を組み合わせる）。

3. 拡張とクロスフィッティング:
   デザインベースの妥当性を損なうことなく漸近的な精度を向上させるために、著者らはバイアス補正推定量にワーキング・アウトカム回帰モデルを組み合わせて拡張している。彼らは、ENRTのデザインに合わせて（個々のユニットではなくエゴ・ネットワークを分割することで）、有限標本バイアスを回避しつつ独立性の仮定を維持するように設計された、条件付き2分割クロスフィッティング手順を実装している。

4. 分析アプローチ:
   本フレームワークは、以下の2つの方法を通じて実装される：

   • グリッド感度分析 (GSA): 妥当な感度パラメータの値のグリッドにわたって推定値を評価する。
   • 確率的バイアス分析 (PBA): 指定された分布（ベータ分布、ポアソン分布、一様分布など）から感度パラメータをサンプリングし、統計的な不確実性とバイアスの不確実性の両方を考慮した、バイアス補正推定値の分布を生成する。

5. 内部妥当性確認:
   著者らは、参加者が介入用語への曝露を報告する想起調査（recall surveys）などの内部妥当性データを用いて、感度パラメータを較正する方法を概説している。これにより、曝露確率を直接推定することが可能となり、純粋な感度分析への依存を軽減できる。

主要な結果

• 理論的知見: 著者らは、汚染が存在する場合、素朴なHT推定量にバイアスが生じることを証明している。間接効果に対するバイアスの方向は、一般にヌル（無効）方向、すなわち過小評価である。直接効果に対するバイアスは、比率 $\kappa$ に依存する。もし処置を受けた隣人が存在する場合の直接効果の方が大きいならば、素朴な推定量はヌルから離れる方向、すなわち過大評価となる。
• シミュレーション研究: HPTN 037のデザインに基づいたシミュレーションにより、汚染が増加するにつれて、素朴な推定量が大幅なバイアスを示し、カバレッジ（被覆率）が悪化することが示された。提案されたバイアス補正推定量（標準および拡張の両方）は、無視できるほどのバイアスを示した。拡張された推定量は妥当な分散推定値と公称のカバレッジ率を提供する一方で、非拡張の推定量は保守的になる可能性がある。また、$\kappa$ の方向を誤って指定すると深刻なバイアスが生じるが、大きさを誤って指定した場合（方向は正しい場合）でも、素朴な推定量よりは優れた結果が得られることが判明した。
• HPTN 037への適用: 本フレームワークは、HIV予防試験ネットワーク（HPTN）037研究の再解析に適用された。
  • 内部妥当性データ（介入用語の想起）を用いて、欠落しているエッジの数を推定した。
  • グリッドおよび確率的分析の結果、汚染を無視することは、間接効果の大幅な過小評価（いくつかのシナリオでは少なくとも18%）および直接効果のわずかな過大評価につながることが示された。
  • バイアス補正後の推定値は、互いに素なネットワークを仮定した以前の解析と比較して、実質的に大きな間接効果と、より小さな直接効果を示唆した。

意義と主張
本論文は、ENRTにおける因果推定値の、ネットワーク汚染に対する頑健性を評価するための柔軟なデザインベースのツールを提供することを主張している。その主な貢献は以下の通りである：

1. バイアス補正: 欠落しているエッジを考慮した、直接効果および間接効果の明示的なバイアス補正推定量を提供し、互いに素なエゴ・ネットワークという限定的な仮定を超越している。
2. 感度フレームワーク: 生成的なネットワークモデルを必要とせずに、潜在的なエッジに関する認識論的不確実性を定量化する、新しい感度分析フレームワークを導入している。
3. 実用的な実装: 感度パラメータを指定するための具体的なガイドラインを提供し、パラメータを較正するための内部妥当性データの有用性を実証している。
4. 実証的影響: HPTN 037の再解析を通じて、互いに素なネットワークという標準的な仮定が、誤解を招く政策的結論（特にピア駆動型の介入による間接的な波及効果の過小評価）を導き出す可能性があることを示した。

著者らは、代替となるモデルベースのアプローチでしばしば必要とされる、リクルートメント過程や母集団ネットワークの生成に関する強力で検証不可能な仮定を回避し、サンプル内の頑健な内部妥当性を優先するアプローチをとっている。