Bayesian Nonparametrics for Principal Stratification with Continuous Post-Treatment Variables

Titel: Bayesiaanse Nonparametrie voor Principale Stratificatie met Continue Post-Behandeling Variabelen

Auteurs: Dafne Zorzetto et al. (Brown University, Universiteit van Padova, European University Institute, Harvard, UCLA)

1. Het Probleem

Principale stratificatie (Frangakis & Rubin, 2002) is een raamwerk voor causale inferentie dat wordt gebruikt om behandelingseffecten te bestuderen in aanwezigheid van een post-behandeling variabele (een tussenvoegsel). Traditioneel is de literatuur gericht op binomiale post-behandelingsvariabelen, wat leidt tot een beperkt aantal (maximaal vier) strata die makkelijk te interpreteren zijn.

Het probleem ontstaat wanneer de post-behandelingsvariabele continu is (bijv. blootstelling aan vervuiling). In dit geval leidt het raamwerk tot een potentieel oneindige verzameling van strata, geïndexeerd door de gezamenlijke potentiële responsen onder behandeling en controle. Dit creëert twee grote uitdagingen:

1. Identificatie: Er is geen natuurlijke discretisatie van de strata, waardoor klassieke stratificatiestrategieën onpraktisch worden.
2. Interpretatie: Bestaande methoden vereisen vaak het dichotomiseren van de continue variabele (het kiezen van arbitraire drempelwaarden) of het gebruik van strikt parametrische modellen. Dit introduceert subjectiviteit of rigiditeit, wat de resultaten kan vertekenen.

2. Methodologie: Het CASBAH-model

De auteurs stellen een nieuwe Bayesiaanse nonparametrische methode voor: Confounders-Aware SHared atoms BAyesian mixture (CASBAH).

Kernconcepten:

• Principale Strata als Latente Subpopulaties: In plaats van strata te definiëren via vaste drempels, worden ze behandeld als latent subpopulaties met gemeenschappelijke verwachte waarden voor de post-behandelingsvariabele.
• Gedeelde Atomen (Shared Atoms): Het model maakt gebruik van een afhankelijke Dirichlet-proces (Dependent Dirichlet Process) prior. Een cruciaal kenmerk is dat de mengcomponenten (atomen) worden gedeeld tussen de twee potentiële uitkomsten (onder controle en onder behandeling).
  • Dit stelt het model in staat om de gezamenlijke verdeling van de potentiële post-behandelingsvariabelen $\{P_i(0), P_i(1)\}$ te modelleren zonder ze direct te observeren.
• Confounders-Aware Weegs: De menggewichten van de Dirichlet-proces worden gemodelleerd als een functie van de geobserveerde covariaten (verwarringfactoren) via een probit-stick-breaking proces. Dit zorgt voor een flexibele aanpassing voor gemeten verwarring zonder parametrische aannames over de verdeling van de respons.
• Definitie van Strata:
  • Dissociatief stratum: $P_i(0) = P_i(1)$ (de behandeling heeft geen effect op de tussenvoegsel).
  • Associatief stratum: $P_i(0) \neq P_i(1)$ (positief of negatief effect).
  • Dankzij de discrete aard van het Dirichlet-proces heeft het model een niet-nul a-priori waarschijnlijkheid dat een eenheid tot het dissociatieve stratum behoort, zelfs bij continue variabelen. Dit lost het probleem op van de "nul-kans" op exacte gelijkheid in continue verdelingen.

Posterieure Inferentie:
De inferentie gebeurt via Gibbs-sampling. Het algoritme imputeert ontbrekende potentiële uitkomsten (zowel de post-behandeling variabele als de primaire uitkomst) en schat de parameters van het mengsel. De onzekerheid rondom de toewijzing aan een stratum wordt volledig doorgelaten naar de schatting van de causale effecten.

3. Belangrijkste Bijdragen

1. Data-adaptieve Identificatie: CASBAH identificeert geaggregeerde (coarse) associatieve en dissociatieve strata endogeen, zonder dat de onderzoeker subjectieve drempelwaarden hoeft in te stellen.
2. Flexibele Verwarring: Het model past direct voor gemeten confounders aan binnen een volledig nonparametrische specificatie van de verdeling van de tussenvoegsel.
3. Probabilistische Coherentie: Het biedt een coherente kwantificering van de onzekerheid rondom de lidmaatschapsstatus van een stratum. Theorema 1 bewijst dat de a-priori kans op het dissociatieve stratum afhankelijk is van de covariaten en niet nul is.
4. Superieure Prestaties: Vergelijkingen met bestaande methoden (Schwartz et al., 2011; Lu et al., 2023) tonen aan dat CASBAH minder bias heeft en betere strata-identificatie biedt.

4. Resultaten

Simulatiestudie:
De auteurs voerden simulaties uit onder vijf verschillende data-genererende mechanismen.

• Bias: CASBAH toonde een zeer lage bias (mediaan dicht bij 0) voor de schatting van het gemiddelde verschil in post-behandeling ($E\{P(1)-P(0)\}$) en primaire uitkomsten ($E\{Y(1)-Y(0)\}$).
• Vergelijking: De concurrenten (Schwartz et al. en Lu et al.) vertoonden aanzienlijke bias (tot -1.98) en een grotere spreiding in alle scenario's.
• Strata Identificatie: De Adjusted Rand Index (ARI) voor de geïdentificeerde strata was zeer hoog (gemiddeld > 0.91), wat aantoont dat het model de onderliggende groepen correct kan onderscheiden.

Toepassing: Milieubeleid en Gezondheid
Het model werd toegepast op een case study over de impact van de herziening van de National Ambient Air Quality Standards (NAAQS) in de VS (2005) op fijnstof ($PM_{2.5}$) en sterftecijfers (2010-2016) in 384 county's in het oosten van de VS.

• Strata Identificatie: Het model identificeerde drie groepen:
  1. Dissociatief (32%): County's waar de regelgeving de $PM_{2.5}$-niveaus niet significant beïnvloedde.
  2. Associatief Negatief (56%): County's waar de regelgeving leidde tot een significante daling van $PM_{2.5}$.
  3. Associatief Positief (12%): County's waar de $PM_{2.5}$-niveaus juist toenamen.
• Causale Effecten:
  • Alleen in de associatief negatieve strata (waar vervuiling daadwerkelijk daalde) werd een significant afname van het sterftecijfer waargenomen (mediaan daling van 8.12 per duizend).
  • In de dissociatieve en associatief positieve strata was er geen significant effect op de sterfte, wat suggereert dat de gezondheidswinst direct gekoppeld is aan de daadwerkelijke vermindering van vervuiling door het beleid.
• Kenmerken: De strata vertoonden duidelijke demografische verschillen. Bijvoorbeeld, de associatief negatieve strata bestonden voornamelijk uit stedelijke gebieden met hogere inkomens en opleidingsniveaus, terwijl de andere groepen vaker landelijke, armere gebieden met een hoger percentage zwarte en Hispanic bevolking waren.

5. Betekenis en Conclusie

Dit artikel biedt een doorbraak in de causale inferentie voor situaties met continue tussenvoegsels. De belangrijkste betekenis ligt in het vermijden van subjectieve drempelwaarden, wat vaak een bron van bias is in het veld.

Door het gebruik van Bayesiaanse nonparametrie en gedeelde atomen, biedt CASBAH een robuust, flexibel en interpreteerbaar raamwerk om heterogeniteit in behandelingseffecten te ontrafelen. De toepassing op milieubeleid demonstreert hoe deze methode beleidsmakers kan helpen te begrijpen waarom en voor wie interventies werken, door te kijken naar de daadwerkelijke verandering in de tussenvoegselvariabele in plaats van alleen naar de intentie van het beleid.

De auteurs wijzen erop dat toekomstig werk zich kan richten op het toepassen van niet-lineaire modellen voor de primaire uitkomst en het uitbreiden naar continue behandelingen of tijd-tot-event scenario's.