Targeted maximum likelihood estimation for longitudinal two-stage designs with outcome subsampling

기술 요약: 결과 서브샘플링이 포함된 종단적 2단계 설계를 위한 표적 최대 우도 추정(Targeted Maximum Likelihood Estimation)

문제 제기
본 논문은 결과 서브샘플링(outcome subsampling)이 포함된 종단적 2단계 설계에서 일반적인 인과 파라미터를 효율적으로 추정하는 과제를 다룹니다. 이 설계는 자원이 제한된 환경, 특히 HIV 관련 사망률을 조사하는 연구와 같은 종단적 생존 연구에 의해 동기 부여되었습니다. 이러한 연구에서는 사망이 기록되거나 우측 검열(right-censoring)이 발생하기 전에 상당수의 참여자가 추적 관찰 실패(LTFU)를 경험합니다. 표준적인 관행은 이러한 LTFU 개인의 일부를 사후적으로 추적하여 생존 상태를 확인하는 것(재표집, resampling)입니다.

지배적인 분석 방법인 역확률 가중 캡플란-마이어(inverse-probability-weighted Kaplan-Meier, wKM) 추정량은 알려진 재표집 확률에 기반하여 가중치를 할당합니다. 그러나 저자들은 wKM 추정량이 모든 참여자로부터 사용 가능한 풍부한 종단적 공변량 이력을 버리고 역가중치 방식에 의존함으로써 샘플링되지 않은 개인의 데이터를 배제하기 때문에 상당한 효율성 손실을 겪는다고 주장합니다. 또한, 유연하고 데이터 적응적인 넌서스(nuisance) 추정량이 사용될 때 표준 분산 추정 방법은 유효한 추론을 제공하지 못하는 경우가 많으며, 이로 인해 신뢰 구간의 피복 확률(coverage)이 명목 수준보다 훨씬 낮은 수준(최저 76%)까지 떨어지기도 합니다.

방법론적 프레임워크
저자들은 재표집 설계를 결과 서브샘플링이 포함된 2단계 설계라는 더 넓은 범주의 특수한 사례로 공식화합니다. 이 프레임워크에서:

• 1단계: 모든 참여자에 대한 데이터 $V$(공변량 및 검열 시간)가 수집됩니다.
• 2단계: $\Delta=1$로 표시된 선택된 하위 집합에 대해서만 결과 정보 $X$가 수집됩니다.
• 전체 데이터(Full Data): $X = (W, \tau, \bar{L}(\tau), \bar{Y}(\tau))$로 정의됩니다. 여기서 $\tau$는 행정적 검열이며, $\bar{Y}(\tau)$는 생존 과정입니다.

본 논문은 wKM의 비효율성을 해결하기 위해 두 가지 새로운 TMLE 기반 추정량을 제안합니다:

1. IPCW 종단적 TMLE (IPCW-LTMLE):

   • 이는 2단계 설계를 위한 역확률 검열 가중 TMLE(IPCV-TMLE)를 종단적 설정으로 확장한 것입니다.
   • "전체 데이터"($\Delta=1$인 경우에만 관찰됨)에 LTMLE를 적용하고, 결측을 처리하기 위해 역확률 가중치($\Delta/\Pi_\Delta$)를 사용합니다.
   • 혁신 요소: 저자들은 샘플링 확률이 설계상 이미 알려져 있음에도 불구하고, 이 확률들을 **추정하고 표적화(targeting)**하는 것이 상당한 분산 감소(최대 36%)를 가져온다는 것을 입증했습니다. 이는 평균 0의 영향 곡선(influence curve) 조건을 강제하기 위한 변동(fluctuation) 단계를 추가함으로써 달성되며, 이를 통해 샘플링된 하위 집합뿐만 아니라 모든 참여자의 정보를 효과적으로 통합합니다.

2. 샘플링을 개입 노드(Intervention Node)로 간주한 LTMLE:

   • 역가중치가 플러그인(plug-in) 추정에 비해 본질적으로 효율성을 희생한다는 점을 인식하여, 저자들은 역가중치를 완전히 피하는 두 번째 추정량을 제안합니다.
   • 이 방법은 2단계 샘플링 지표 $\Delta$를 순차적 회귀 프레임워크 내의 추가적인 개입 노드로 직접 포함합니다.
   • 이 추정량은 검열을 방지하고 모든 참여자에 대해 $\Delta=1$이 되도록 하는 결합 개입 하에서의 반사실적 결과(counterfactual outcome)를 표적화합니다.
   • 이 접근 방식은 샘플링 상태와 관계없이 모든 참여자의 전체 종단적 공변량 이력을 활용하며, 플러그인 추정 원칙을 준수합니다.

분산 추정 및 교차 적합(Cross-Fitting)
본 논문의 핵심적인 기여는 제안된 두 방법 모두에 대한 **교차 적합 분산 추정량(cross-fitted variance estimators)**의 개발입니다. 저자들은 유연한 넌서스 추정량(예: Super Learner)을 사용할 때 오버피팅(overfitting)으로 인해 표준 영향 곡선 기반 분산 추정이 유효하지 않은 추론(과소 피복)을 낳는다는 점을 식별했습니다.

• 저자들은 안정성과 효율성을 유지하기 위해 전체 데이터에서 점 추정량을 계산하되, 분산 추정 단계에서는 샘플 분할(sample splitting/cross-fitting)을 사용하는 하이브리드 접근 방식을 제안합니다.
• IPCW-LTMLE의 경우, 이는 전체 데이터 영향 곡선 성분과 샘플링 메커니즘 탄젠트 공간(tangent space)으로의 투영 항(projection term) 모두에 대해 교차 적합을 적용하는 것을 포함합니다.
• 이 절차는 명목 수준의 피복 확률을 복구하는 데 필수적임을 보여줍니다.

시뮬레이션 결과
저자들은 이원 검열(bivariate censoring)이 있는 재표집 설정에서 표본 크기 $N \in \{500, 1000, 3000\}$에 걸쳐 시뮬레이션을 통해 추정량을 평가했습니다.

• 효율성: 역가중치를 사용하지 않는 플러그인 LTMLE가 일관되게 가장 낮은 분산을 달est하며, 작은 표본 크기와 초기 시점에서 알려진 가중치를 가진 wKM보다 최대 73% 더 높은 성능을 보였습니다. 표적 가중치를 적용한 IPCW-LTMLE 또한 표준 wKM 대비 20~35%의 일관된 이득을 보였습니다.
• 편향(Bias): 제안된 모든 추정량은 다양한 설정에서 무시할 만한 경험적 편향을 나타냈습니다.
• 피복 확률(Coverage): 표준 분산 추정량은 $N=500$일 때 IPCW-LTMLE에서 76%, Hazard TMLE에서 80%의 낮은 피복 확률을 보였습니다. 제안된 교차 적합 분산 추정량은 피복 확률을 명목 수준(약 95%) 근처로 일관되게 복구했습니다.
• 유한 표본 행동: $N=500$이고 초기 시점($t=1$)인 경우, 낮은 이벤트 수와 높은 결정론적 정보 수준으로 인해 모든 추정량이 비정규 샘플링 분포 문제에 직면하며 어려움을 겪습니다. 그러나 표본 크기가 증가함에 따라 피복 확률은 크게 개선됩니다.

의의 및 주장
본 논문은 결과 서브샘플링이 포함된 종단적 2단계 설계를 위한 준모수적 효율성 이론(semiparametric efficiency theory)의 체계적인 확장을 제공한다고 주장합니다.

• 공식화: 재표집 설계를 결과 서브샘플링이 포함된 더 넓은 범주의 2단계 설계와 연결함으로써, 고급 인과 추론 도구를 적용할 수 있도록 했습니다.
• 효율성: 제안된 추정량들은 이원 검열로 인해 완전한 효율성을 가진 폐쇄형 추정량이 존재하지 않는 환경에서 매우 효율적인 폐쇄형 대안을 제공합니다.
• 실용적 유용성: 알려진 샘플링 가중치를 표적화하고 역가중치를 완전히 피하는 것이 상당한 분산 감소를 가져올 수 있음을 입증함으로써, 널리 사용되는 wKM 추정량에 대한 더 효율적인 대안을 제시합니다.
• 강건한 추론: 본 연구는 교차 적합 분산 추정이 복잡한 설계에서 데이터 적응적 넌서스 추정을 사용할 때 단순한 선택적 개선이 아니라 유효한 추론을 위한 필수적인 관행임을 강조합니다.

저자들은 이러한 방법들이 결과 서브샘플링이 포함된 종단적 생존 연구의 맥맥락에서 기존의 방식보다 더 효율적이고, 강건하며, 신뢰할 수 있는 추정량을 제공함으로써 방법론적 도구 상자를 확장한다고 결론짓습니다.