Robust estimation of occupation probabilities for coarsened multistate processes

技術要約：粗視化された多状態過程における占有確率のロバストな推定

問題提起
多状態モデルは、疾患の進行、雇用形態、あるいは信用格付けなど、実体が時間の経過とともに明確に定義された状態間を遷移する現象を分析するための一般的な枠組みを提供する。これらのモデルにおける主要な関心対象となるパラメータは、占有確率（occupation probability）である。これは、ある時点 $t_0$ においてプロセスが特定の状態に存在する確率を指す。実際には、これらのプロセスは、右側打ち切り（例：脱落）とベースライン曝露（例：治療割り当て）という2つのレベルの粗視化（coarsening）を受けることが多い。

既存の多状態モデルに関する文献は、状態遷移におけるマルコフ性や、ベースライン共変量を与えられた際のセンサリングとプロセスの履歴との独立性といった、限定的な仮定に依存していることが多い。本論文は、より弱い仮定の下で、反事実的な多状態プロセスの占有確率を推定するという課題に取り組む。具体的には、非マルコフ的な状態遷移を扱い、かつ**無作為な粗視化（Coarsening at Random: CAR）**の仮定が保持される限り、右側打ち切りメカニズムがプロセスの自然な履歴および時変共変量の両方に依存することを許容することを目指している。

手法
著者らは、因果推論および欠測データ文献の手法を用いて、占有確率のための**増強逆確率重み付け（Augmented Inverse Probability Weighted: AIPW）**推定量を用いて導出を行っている。

1. データ構造と識別可能性:

   • 完全なデータプロセスは、仮説的な介入 $a \in \{0, 1\}$ の下での、随伴（càdlàg）多状態プロセス $Z_a$、および関連する時変共変量 $L_a$ とベースライン共変量 $W$ によって定義される。
   • 観測データは、潜在的な右側打ち切り時間 $C_a$ と観測された治療 $A$ によって粗視化されている。
   • 識別基準: 著者らは以下の仮定を置く：
     • 一貫性（Consistency）: 観測データは、完全な反事実的データの整合的な粗視化である。
     • 正値性（Positivity）: 治療割り当ておよび打ち切られない確率が厳密に正である。
     • 交換可能性（CAR）: 粗視化メカニズム（治療およびセンサリング）は、ベースライン共変量および現在までの履歴が与えられたとき、完全な反事実的データと独立である。決定的な点として、これにより、標準的な独立センサリングの仮定とは異なり、センサリングがプロセスの履歴に依存することが可能となる。

2. 効率的影響関数（Efficient Influence Function: EIF）:

   • ターゲットとなるパラメータは、逆確率重み付け（IPW）推定量によって識別される。
   • 著者らは、観測データ推定量に対する**効率的影響関数（EIF）**を導出している。これには、完全データの写像のスコアを、観測データの接空間への直交射影を行い、さらに治療傾向スコア（$\pi$）およびセンサリングメカニズム（$G$）に関連する雑音（ノイズ）接空間への直交射影を減じる作業が含まれる。
   • EIFは、傾向スコア $\pi$、センサリング生存関数 $G$、および、センサリング確率の逆数で重み付けされた期待値を表す2つの条件付き期待関数 $Q$ および $\eta$ という、雑音パラメータに依存する。

3. 提案される推定量:
   EIFに基づき、5つの推定量が提案されている：

   • IPW推定量 ($\hat{\psi}^0_n$): 単純な逆確率重み付け推定量。
   • 増強IPW推定量 ($\hat{\psi}^\nu_n$ および $\hat{\psi}^\mu_n$): EIFの射影から得られる補正項（増強項）を組み込んだもの。$\hat{\psi}^\mu_n$ は、治療とセンサリングの両方の増強項を含むワンステップ推定量である。
   • 修正AIPW推定量 ($\hat{\psi}^{\nu, mod}_n$ および $\hat{\psi}^{\mu, mod}_n$): 増強項の回帰係数を（最小二乗法により）推定することで、標準的なAIPW推定量に修正を加えたもの。これは、雑音パラメータの推定値にバイアスがある場合に直交性を強制し、効率性を向上させることを意図している。

4. 雑音パラメータの推定:

   • $\pi$ および $G$ は、ワーキングモデル（傾向スコアにはロジスティック回帰、センサリングハザードにはCoxモデル）を用いて推定される。
   • $Q$ および $\eta$ は、条件付け集合の要約に対して、重み付けされた観測値（疑似アウトカム）を回帰することによって推定される。

主な結果
5つの推定量の性能は、再発を伴う3状態の疾病・死亡モデルを用いたシミュレーション研究を通じて評価された。このモデルでは、遷移率がベースライン共変量に依存し、センサリングはベースラインおよび時変履歴の両方に依存する設定とした。

• 正しい特定化（Correct Specification）: すべての雑音パラメータが一致推定された場合、すべての推定量は不偏であった。しかし、ワンステップ推定量 ($\hat{\psi}^\mu_n$) が最も低い平方根平均二乗誤差（RMSE）を示し、単純なIPWや部分的に増強された推定量に対して効率性の優位性を確認した。
• 誤特定化に対するロバスト性（Robustness to Misspecification）:
  • 傾向スコア ($\pi$) またはセンサリング ($G$) のバイアス: 単純なIPW推定量は顕著なバイアスを示した。完全に増強された推定量 ($\hat{\psi}^\mu_n$) は、$\pi$ または $G$ のいずれかが誤特定されていても、もう一方の成分が正しく特定されていれば、ロバスト（不偏）であり続けた。
  • 回帰項 ($Q$ または $\eta$) のバイアス: 回帰ベースの雑音パラメータが誤特定された場合でも、完全に増強された推定量は不偏性を維持したが、効率性は低下した。修正された推定量 ($\hat{\psi}^{\mu, mod}_n$) は、特定のシナリオにおいてRMSEのわずかな改善を示し、増強項のバイアスによる効率性の損失を部分的に軽減できることが示唆された。
• 収束: シミュレーション結果は、理論的な効率性の階層関係 $\hat{\psi}^\mu_n$ (ワンステップ) > $\hat{\psi}^\nu_n$ (部分的増強) > $\hat{\psi}^0_n$ (IPW) を裏付けた。

意義と主張
本論文は、提案された推定量が、従来の文献で一般的であったよりも弱い仮定の下で、多状態モデルにおける占有確率を推定するためのロバストかつ効率的なアプローチを提供すると主張している。

• 汎用性: 特定のモデル（例：再発のない疾病・死亡モデルや、マルコフ仮定下の競合リスクモデル）に特化した従来の手法とは異なり、これらの推定量は任意の数の状態を持つ多状態モデルに適用でき、非マルコフ的な遷移や時変の交絡を許容する。
• センサリング仮定の緩和: 本フレームワークは、右側打ち切りが多状態プロセスの内部履歴に依存することを明示的に許容している。これは、現実的なモデリング（例：再発を伴う疾病・死亡モデル）において必要とされる機能であるが、標準的な独立仮定の下では扱うのが困難である。
• 二重のロバスト性（Double Robustness）: ワンステップ推定量は二重のロバスト性を備えている。すなわち、治療/センサリングモデル ($\pi, G$) か、あるいはアウトカム回帰モデル ($Q, \eta$) のいずれかが正しく特定されていれば、一致性を保つ。
• 実用性: 著者らは、ワンステップ推定量はすべてのセンサリング時点において複雑な雑音パラメータ ($\eta$) を推定するために十分なサンプルサイズを必要とするものの、中規模のデータセット（例：2,500〜9,000人）に対しても安定しており、モデルの誤特定が存在する場合にIPWよりも優れた性能を発揮することを述べている。

著者らは、無作為な粗視化（CAR）の仮定は（クロスワールドの仮定を意味するため）強力な条件ではあるが、複雑な欠測構造が存在する中で尤度ベースの推論を可能にし、セミパラメトリックモデルを構築するために必要なツールであると結論付けている。提案された手法は、これらの理論的進展を現実世界の多状態データ分析に実装するための実用的な手段を提供するものである。