Causal treatment effect decompositions with time-to-event outcomes under competing events

기술 요약: 경쟁 사건 하의 시간-사건 결과에 대한 인과적 치료 효과 분해

문제 제기
경쟁 사건으로 인해 관심 사건 (목표 사건) 이 발생하지 못하게 될 때, 시간-사건 결과에 대한 치료 효과 추론은 종종 복잡해집니다. 특히 치료 자체가 경쟁 사건의 발생에 영향을 미칠 때 이 문제는 더욱 심각해집니다. 이러한 시나리오에서 표준적인 위험 기반 측정은 오해의 소지가 있는 해석을 낳을 수 있습니다. 즉, 치료는 경쟁 사건을 가속화함으로써 (따라서 목표 사건이 발생할 수 있는 시간을 줄임) 목표 사건에 대해 보호적인 것처럼 보일 수 있고, 반대로 경쟁 사건을 지연시킴으로써 해로운 것처럼 보일 수 있습니다. 원인별 위험과 순 위험의 분리나 분리 가능 효과 프레임워크와 같은 기존 프레임워크들은 종종 제한적인 가정 (예: 치료를 독립적인 구성 요소로 분해하는 것의 실현 가능성) 에 의존하거나, 관찰된 총 효과를 생성하는 근본적인 메커니즘을 포괄적으로 구별하지 못합니다.

방법론
저자들은 경쟁 위험이 존재할 때 목표 사건에 대한 총 치료 효과 (TE) 를 네 가지로 분해하는 방법을 제안합니다. 이 접근법은 크로스 월드 (cross-world) 추정량을 활용한 인과 모델에 기반합니다.

1. 데이터 구조 및 표기법: 이 연구는 이진 치료 $A$, 목표 사건 지표 과정 $Y$, 경쟁 사건 지표 과정 $D$, 그리고 중도 절단 과정 $C$를 포함하는 이산 시간 모델을 사용합니다.
2. 결합 과정 및 크로스 월드 추정량: 핵심 방법론적 혁신은 경쟁 사건이 제거된 가상의 개입 하에서 두 사건의 지표를 결합하여 구성된 결합 과정 $Z^{a', a''}$의 정의입니다. 구체적으로, $Y^{a', \emptyset}$은 경쟁 사건 과정이 제거된 상태에서 치료 $a'$ 하의 목표 사건을 나타내고, $D^{\emptyset, a''}$는 목표 사건이 제거된 상태에서 치료 $a''$ 하의 경쟁 사건을 나타냅니다. 결합 과정 $Z^{a', a''}$는 두 사건 중 하나가 발생할 때까지 이를 추적합니다.
3. 네 가지 분해: 총 효과는 이러한 크로스 월드 양을 기반으로 네 가지 서로 다른 구성 요소로 분할됩니다.
   • 통제된 직접 효과 (CDE): 경쟁 사건이 제거된 가상의 세계에서 관찰되는 치료 효과입니다.
   • 기준 차단 ($INT_{ref}$): 기준 (미치료) 치료 수준에서 경쟁 사건에 의해 목표 사건이 차단됨으로써 총 효과에 기여하는 부분입니다.
   • 매개 차단 ($INT_{med}$): 경쟁 사건이 치료 수준에서 고려될 때와 기준 수준에서 고려될 때의 차단 효과 변화입니다. 이 구성 요소는 치료가 경쟁 사건에 영향을 미칠 때만 0 이 아닌 값을 가집니다.
   • 순 간접 효과 (PIE): 목표 사건이 기준 치료 하의 분포를 따를 때 차단된 부분의 차이로, 치료의 경쟁 사건에 대한 영향이 목표 사건의 위험을 어떻게 변화시키는지 반영합니다.
4. 식별: 이 논문은 관찰된 데이터로부터 이러한 인구 수준 평균을 식별하기 위해 필요한 가정 집합을 명시합니다.
   • 교환 가능성: 기저 공변량을 조건으로 할 때, 통제된 과정은 치료 배정과 독립적이며, 과정에 대해 순차적 교환 가능성이 성립합니다.
   • 일관성: 관찰된 결과는 관찰된 치료 하의 잠재적 결과에 해당합니다.
   • 양성성: 모든 공변량 패턴에 대해 추종 기간 끝까지 생존하는 것이 가능합니다.
     이러한 가정 하에서, 구성 요소들은 관찰된 데이터에서 유도된 원인별 위험을 사용하여 식별됩니다.

주요 결과 및 예시
저자들은 시뮬레이션과 두 가지 실제 무작위 시험을 통해 이 분해의 유용성을 입증합니다.

• 시뮬레이션 시나리오: 서로 다른 치료 - 경쟁 사건 역학 하에서 구성 요소들이 어떻게 작용하는지 보여주기 위해 세 가지 시나리오가 시뮬레이션되었습니다.
  1. 치료가 경쟁 사건을 지연시킴: 총 효과는 CDE 에 의해 주도되지만, 순 간접 효과 (PIE) 는 경쟁 사건을 지연시킴으로써 목표 사건이 발생할 수 있는 시간을 더 많이 허용하기 때문에 해로운 기여를 합니다.
  2. 치료가 경쟁 사건을 가속화함: 총 효과는 유익합니다. 여기서 순 간접 효과는 경쟁 사건을 가속화함으로써 목표 사건이 발생할 수 있는 시간을 줄이기 때문에 긍정적으로 기여합니다.
  3. 치료가 경쟁 사건에 영향을 미치지 않음: 매개 차단과 순 간접 효과는 0 이며, 이는 치료가 경쟁 사건의 위험을 변경하지 않더라도 경쟁 사건이 기준 차단을 통해 관찰된 총 효과에 여전히 영향을 미친다는 것을 강조합니다.
• 실증 적용:
  • FINGER 시험 (인지 장애/심혈관 질환): CVD 와 사망 모두를 지연시킬 가능성이 있는 생활 습관 중재를 분석했습니다. 분해 결과, 통제된 직접 효과가 지배적이었으며 경쟁 사건으로 인한 간섭은 미미하여 CVD 에 대한 치료 효과가 견고함을 시사했습니다.
  • 전립선암 시험 (DES vs 위약): 다른 원인으로 인한 사망 위험 (경쟁 사건) 은 증가시키지만 전립선암 사망률은 감소시키는 치료 (DES) 를 분석했습니다. 분해 결과, 통제된 직접 효과는 보호 효과를 보였으나, 순 간접 효과도 다른 원인으로 인한 사망을 가속화함으로써 전립선암 사망이 발생할 수 있는 시간을 줄여 관찰된 이득에 기여한 것으로 나타났습니다.

의의 및 주장
이 논문은 (분리 가능 효과 프레임워크에서 요구되듯) 치료를 물리적으로 독립적인 구성 요소로 분해할 수 있다는 제한적인 가정 없이 경쟁 사건이 존재할 때 치료 효과를 특성화하는 포괄적인 프레임워크를 제공한다고 주장합니다.

• 메커니즘 통찰: 네 가지 분해는 치료 효과가 목표에 직접 작용하는지, 경쟁 사건을 통해 작용하는지, 또는 경쟁 사건이 목표를 차단하는지 구분함으로써 관찰된 치료 효과를 형성하는 데 있어 경쟁 사건의 구체적인 역할을 드러냅니다.
• 인과적 해석 가능성: 크로스 월드 추정량에 의존함으로써 저자들은 치료가 경쟁 사건에 영향을 미칠 때에도 인과적으로 해석 가능한 추정량을 정의합니다.
• 유연성: 구성 요소들은 자연 직접 효과 (NDE) 와 자연 간접 효과 (NIE), 또는 총 직접 효과 (TDE) 와 같은 다른 표준 추정량을 형성하기 위해 재결합될 수 있어, 연구자들이 특정 연구 질문 (예: 병인 메커니즘 대 포괄적인 건강 개선) 에 맞게 분석을 맞춤화할 수 있게 합니다.
• 한계: 저자들은 현재 이 접근법이 기저 공변량에 의존한다고 지적하며, 시간 의존적 교란 변수의 존재는 상충되는 치료 배정 하의 관찰 불가능한 종단적 궤적에 대한 가정을 필요로 하므로 크로스 월드 추정량에 상당한 도전을 제기한다고 언급합니다.

결론적으로, 제안된 분해는 치료, 목표 사건, 그리고 경쟁 사건 간의 복잡한 상호작용을 고려한 인과적으로 해석 가능한 추정량을 정의하는 기초 역할을 하며, 총 효과 측정만으로는 얻을 수 없는 치료 효능에 대한 더 세밀한 이해를 제공합니다.