A Spectral Confounder Adjustment for Spatial Regression with Multiple Exposures and Outcomes

기술 요약: 다중 노출 및 결과를 가진 공간 회귀를 위한 스펙트럼 교란 조정법

문제 정의
사회적 취약성을 규명하는 것은 재난 대응 및 공중 보건 계획 수립에 있어 매우 중요하지만, 데이터의 관찰적 특성으로 인해 사회적 취약성 지수를 건강 결과와 검증하는 데에는 어려움이 따른다. 이러한 연구들은 측정되지 않은 교란 변수로 인한 편향에 취약하며, 이는 여러 노출(예: 사회적 취약성 지수의 구성 요소)과 여러 건강 결과가 결합된 공간적 설정에서 더욱 심화된다. 기존의 공간 회귀 모델은 대개 측정되지 않은 공간적 교란이 없다는 가정을 전제로 하지만, 이는 미측정 요인(예: 지역적 오염, 소득)이 노출 및 결과와 유사한 패턴으로 지리적으로 변동하는 환경 보건 연구에서 빈번하게 위반되는 가정이다. 기존의 공간 교란 해결 방법들은 주로 단변량 설정에 국한되어 있거나, 노출 혼합물 및 다중 결과를 동시에 처리하는 복잡성을 다루지 못한다.

방법론
저자들은 다중 노출 및 다중 결과를 가진 데이터에서 전역적(global) 공간 교란이 존재하는 경우의 인과 효과를 추정하기 위해 설계된 **다변량 스펙트럼 모델(Multivariate Spectral Model, MSM)**을 제안한다. 이 방법론은 다음 단계로 진행된다:

1. 스펙트럼 분해(Spectral Decomposition): 공간 영역을 지역들로 분할하고, 그래프 푸리에 변환(graph Fourier transform)을 사용하여 데이터를 스펙트럼 영역으로 투영한다. 이는 조건부 자기회귀(Conditional Autoregressive, CAR) 모델의 정밀 행렬(precision matrix)을 고유벡터와 고유값으로 분해하는 과정을 포함한다. 이 변환은 공간 정보를 서로 다른 척도로 분리한다: 낮은 고유값은 전역적(smooth) 공간 척도에 해당하며, 높은 고의값은 지역적(rough) 공간 척도에 해당한다.
2. 지역적 무교란 가정(Local Unconfoundedness Assumption): 전역적으로 측정되지 않은 교란이 없다고 가정하는 대신, 이 모델은 지역적 무교서(local unconfoundedness) 가정을 도입하여 이를 완화한다. 이는 전역적 규모의 항들은 교란될 수 있지만, 지역적 규모의 항(큰 고유값과 관련된 항)들은 교란되지 않는다는 가정을 담고 있다. 구체적으로, 노출과 미측정 공간 오차 사이의 상관관계는 공간 척도가 더 국소적으로 변함에 따라($\alpha_{ier} \to 0$ as $w_i \to \infty$) 감소한다고 가정한다.
3. 텐서 회귀 프레임워크(Tensor Regression Framework): 다중 노출($E$), 다중 결과($R$), 그리고 다중 공간 척도($S$)를 처리하기 위해, 회귀 계수를 3방향 텐서($S \times E \times R$)로 구조화한다. 모델은 성분 분해(Canonical Polyadic, CP) 분해를 사용하는 베이지안 텐서 회귀 접근법을 채택한다.
   • 다중 척도 계수는 공간 척도 전반의 매끄러운 변화를 포착하기 위해 B-스플라인 기저 함수(B-spline basis functions)를 사용하여 모델링된다.
   • 기저 계수의 텐서는 세 가지 요인 행렬(척도, 노출, 결과 표현)의 저계수 곱으로 분해되어 차원을 축소하고 잠재 구조를 포착한다.
   • 텐서 마진(tensor margins)에 **호스슈 사전 분포(Horseshoe priors)**를 적용하여 희소성(sparsity)과 수축(shrinkage)을 유도함으로써, 모델이 관련 잠재 요인과 영 효과(null effects)를 식별할 수 있도록 한다.
4. 추론(Inference): 인과 효과는 지역적 무교서 가정(가장 큰 고유값과 관련된 가장 국소적인 공간 척도)이 성립하는 계수 추정치를 추출함으로써 식별된다.

주요 기여

• 다변량 확장: 단변량 방식이었던 기존의 스펙트럼 방법(예: Guan et al., 2023)과 달리, 본 방법은 다중 노출과 다중 결과를 동시에 처리할 수 있도록 스펙트럼 조정을 확장하여 역학 연구에서 흔히 발생하는 "다대다(many-to-many)" 인과 관계를 다룬다.
• 완화된 인과 가정: 엄격한 "측정되지 않은 교란 요인이 없음"이라는 가정 대신, 보다 현실적인 "지역적 무교서" 가정을 대체함으로써 전역적 교란이 존재하더라도 인과적 해석이 가능하게 한다.
• 해석력을 위한 텐서 분해: 저계수 텐서 구조를 활용함으로써, 복잡한 다대다 관계를 관리 가능한 패턴으로 정제하는 해석 가능한 잠재 요인을 제공하며, 고차원 공간 모델에서 흔히 나타나는 과적합 및 해석력 부족 문제를 방지한다.
• 효율성 증대: 다변량 접근법은 상관관계가 있는 결과들 간에 정보를 공유(borrow strength)함으로써, 단변량 스펙트럼 모델에 비해 더 좁은 신뢰 구간과 높은 효율성을 달eric한다.

결과
본 방법론은 미국 남부 지역의 데이터를 적용하여, CDC의 재난 관리용 사회적 취약성 지수(SVIDM)와 5가지 주요 만성 질환(고혈압, 만성 신장 질환, 고지혈증, 울혈성 심부전, 당뇨병) 간의 관계를 10,149개의 우편번호 지정 구역(ZCTA)을 대상으로 분석하였다.

• 공간 교란 탐지: 분석 결과, 전역적 척도의 추정치(영으로부터 편향됨)와 지역적 척도의 추정치 사이에 유의미한 차이가 발견되었으며, 이는 공간 교란의 존재를 확인시켜 주었다. 단순한 공간 모델과 최소제곱법(OLS)은 편향된 추정치와 지나치게 좁은 신뢰 구간을 생성하였다.
• 인과 추정: 공간 교란을 조정한 후 다음과 같은 결과를 얻었다:
  • 테마 1 (경제적 회복력): 당뇨병 및 만성 신장 질환에 대해 가장 강력한 양(+)의 효과를 보였으며, 고지혈증에 대해서는 음(-)의 효과를 보였다.
  • 테마 2 (가구 적응 능력): 당뇨병에 대한 양의 효과를 가질 확률이 높음을 보여주었다.
  • 테마 4 (주거/교통): 만성 신장 질환 및 울혈성 심부전의 높은 발생률과 연관되었다.
  • 테마 3 (소수 민족/비영어 사용자): 결과들에 대해 일관된 경향성을 덜 보여주었다.
• 시뮬레이션 성능: 시뮬레이션 연구에서 MSM 방법은 단순 공간 모델 및 단변량 스펙트럼 모델에 비해 낮은 평균 제곱 오차(MSE)와 평균 절대 편향(MAB)을 나타냈다. 또한 단순 모델들이 명목 수준 미만으로 떨어져 과잉 확신을 보이는 것과 달리, MSM은 명목 95% 수준에 근접하거나 그 이상의 커버리지 비율을 유지했다. 또한 중간 정도의 비선형 교란에 대해서도 강건함을 보였다.

의의 및 주장
본 논문은 제안된 MSM 방법이 측정되지 않은 교란이 우려되는 다변량 공간 설정에서 인과 추론을 위한 강건한 프레임워크를 제공한다고 주장한다. 전역적 척도에서의 교란을 조정하는 동시에 지역적 무교서를 활용함으로써, 이 방법은 정책 결정에 필수적인 편향되지 않은 추정치를 제공한다. 저자들은 본 접근법이 공중 보건 관계자들이 잠재적으로 편향된 관찰적 상관관계가 아닌, 더 신뢰할 수 있는 인과적 근거를 바탕으로 표적 개입의 우선순위를 정할 수 있게 해준다는 점을 강조한다. 연구는 결론적으로 SVIDM, 특히 경제적 회복력 구성 요소가 만성 질환 부담에 대한 예측적 인과 관계를 가지고 있으며, 이는 다변량 공간 교란을 조정한 해석 가능한 역학적 통찰을 제공한다고 밝힌다. 저자들은 지역적 무교서 가정의 검증 불가능한 성격과 파급 효과(spillover effects)의 제외를 한계점으로 언급하며, 이를 향후 연구 분야로 제시하였다.