Improving Variance Estimation for Covariate Adjustment with Binary Outcomes

技術的サマリー：二値アウトカムにおける共変量調整の分散推定改善

問題定義
共変量調整は、特にベースライン変数がアウトカムに対して予後因子である場合、ランダム化比較試験における精度向上のための標準的な手法である。FDA の 2023 年ガイダンスは、二値エンドポイントに対する周辺治療効果を推定する際に「標準化」（または g-計算）を推奨している。標準化は、モデルの仕様に関わらず漸近的に不偏である平均治療効果（ATE）の頑健な半パラメトリック点推定量を提供するが、この推定量に対する信頼性の高い分散推定は依然として課題となっている。

既存の分散推定量には、影響関数（IF）プラグイン法、デルタ法、ノンパラメトリックブートストラップが含まれるが、これらは臨床試験で一般的に見られる有限サンプル設定においてしばしば失敗する。具体的には、サンプルサイズが小さい場合やイベント発生率が低い場合（稀なアウトカム）、従来のプラグイン推定量は分散を過小評価する傾向がある。この過小評価は、反保守的な推論をもたらす。すなわち、タイプ I 誤差率が膨張し、信頼区間の被覆率が名义水準を下回るという特徴を有する。本論文は、理論的な議論がこれらの課題を浮き彫りにしてきた一方で、実務において遭遇する低いイベント発生率および小サンプルという特定の制約下で、これらの推定量がどのように機能するかを扱った明示的な研究が欠如していることに言及している。

手法
著者は、標準化された平均値の差に基づく ATE に対する新たな分散推定量を提案しており、これを影響関数ベースの留め置き法（IF-LOO）推定量と称する。

1. 標準化推定量: この手法は、ロジスティック回帰の作業モデルを用いて、各被験者に対する治療群および対照群の両方の潜在的アウトカムを予測する。ATE は、全被験者にわたるこれらの予測アウトカムの差の平均を推定することによって算出される。
2. 過学習の問題: 標準的な IF プラグイン推定量は、全データセットに適合させたモデルから導出された残差に基づいて分散を計算する。小サンプルや稀なイベントの場合、モデルは特定のデータに過学習する傾向があり、推定された残差 $(Y_i - \hat{\mu}(A_i, X_i))$ が人工的に小さくなる。その結果、分散推定量は下方にバイアスがかかる。
3. IF-LOO による解決策: 過学習を緩和するため、提案された推定量は留め置き法（leave-one-out）の交差検証戦略を採用する。各被験者 $i$ について、作業モデルをその被験者を除外したデータセット（$n-1$ 観測値）に適合させる。その後、この縮小モデルからの予測を用いて影響関数 $\hat{\phi}_{-i}$ を計算する：
   $$\hat{\phi}_{-i} = \left( \frac{A_i}{\pi_0} - \frac{1-A_i}{1-\pi_0} \right) (Y_i - \hat{\mu}_{-i}(A_i, X_i)) + \hat{\mu}_{-i}(1, X_i) - \hat{\mu}_{-i}(0, X_i) - \hat{\theta}_{standardized}$$
   分散は、これらの留め置き法による影響関数の標本分散として推定される：$\hat{\sigma}^2_{IF-LOO} = \frac{1}{n^2} \sum \hat{\phi}_{-i}^2$。
4. 理論的性質: 著者は、この推定量の閉形式式を導出し、標準的な正則性条件の下で $\sqrt{n}$-一貫性を持ち、漸近的に正規分布に従うことを証明している。

主要な貢献

• 新規推定量: 有限サンプルにおける過学習バイアスを修正するために留め置き法交差検証を組み込むことで、既存の影響関数理論を拡張した IF-LOO 分散推定量の導入。
• 閉形式式: ブートストラップ法とは異なり、IF-LOO 推定量は決定論的かつ閉形式の解を提供するため、研究統計家が反復サンプリングを必要とせずに直接的に実装できる。
• 理論的正当性: 本論文は、推定量の一貫性と漸近的正規性に関する形式的な証明を提供している。

シミュレーション結果
著者は、2 つのシナリオにわたってシミュレーション研究を実施した。すなわち、中程度のサンプルサイズ（$N=250$）かつ稀なイベント発生率（2.5%）、および小サンプルサイズ（$N=50$）かつ高いイベント発生率（25%）である。IF-LOO を、IF プラグイン推定量、ANHECOVA 推定量（RobinCar2）、ノンパラメトリックブートストラップ、および未調整解析と比較した。

• 小サンプル/低イベント発生率（$N=50$、イベント発生率 25%）: IF プラグインおよび RobinCar2 推定量は大幅な被覆率の低下を示し、タイプ I 誤差率は最大 18% に達した（名义の 5% を著しく上回る）。これに対し、IF-LOO 推定量は名义の 95% 水準に近い被覆率（約 93-94%）を維持し、他の手法を悩ませた過学習バイアスに対する頑健性を示した。
• 中程度サンプル/低イベント発生率（$N=250$、イベント発生率 2.5%）: プラグイン法の被覆率低下は小サンプルのシナリオと比較して軽減されたが、低い治療効果において依然として名义の被覆率に達しなかった。IF-LOO は、すべての治療効果の大きさにおいて一貫して名义に近い被覆率を達成した。
• ブートストラップとの比較: ノンパラメトリックブートストラップは、被覆率の点では IF-LOO と同等の性能を示した。しかし、著者は、ブートストラップはモンテカルロ誤差（非決定論的）の影響を受け、計算上の不安定性（例：ロジスティック回帰における完全分離）に陥り、一部の反復で無効な分布を生じさせる可能性があることに言及している。IF-LOO はその決定論的な性質により、これらの問題を回避する。

意義と主張
本論文は、IF-LOO 推定量を、特に小サンプルサイズや稀なイベントを伴う状況における二値アウトカムを扱う臨床試験の標準化における「慎重なデフォルト選択」として位置づけている。

著者は、標準化が周辺治療効果を対象とする推奨され、かつ頑健な手法である一方で、推論の有効性は正確な分散推定に決定的に依存すると主張する。提案された手法は、既存の推定量が困難な有限サンプル領域においてタイプ I 誤差を制御できないという文献における特定のギャップを埋めるものである。過学習に起因するバイアスを修正する決定論的かつ閉形式の解を提供することにより、IF-LOO 推定量は信頼性の高い信頼区間および p 値を確保し、規制および臨床の文脈における妥当な統計的推論を支援する。本論文は、このアプローチが作業モデルが正しく指定されている場合に特に価値があるとし、なぜならそれがまさに従来のプラグイン推定量が過学習バイアスから最も深刻な影響を受けるシナリオだからであると結論づけている。