Generalized propensity score weighting for functional causal inference framework

Technische Samenvatting: Gegeneraliseerde Propensity Score Weging voor Functionele Causale Inferentie

Probleemstelling
Causale inferentie in observationele studies steunt doorgaans op propensity score-methoden om te corrigeren voor confounding tussen behandeling en uitkomst. Bestaande methodologieën zijn echter ontworpen voor scalaire of laag-dimensionale vectorbehandelingen, covariaten en uitkomsten. Moderne toepassingen omvatten steeds vaker variabelen die herhaaldelijk over de tijd worden waargenomen, wat natuurlijkerwijs wordt gerepresenteerd als functies (functionele data). Standaard propensity score-benaderingen schieten tekort in deze settings omdat ze vertrouwen op het balanceren van einddimensionale covariaat-representaties, terwijl functionele behandelingen bestaan in oneindig-dimensionale ruimtes ($L^2(T)$). Hoewel recent werk (Zhang, Xue en Wang, 2021) een Functionele Propensity Score (FPS) introduceerde met behulp van Karhunen–Loève-expansies, lijdt dit aan twee kritieke beperkingen: (1) de schattingsprocedure voor gewichten berust op geoptimaliseerde beperkingen met sequentiële afstemming en proportionaliteitsrestricties, wat zorgt voor computationele belasting bij grote steekproeven; en (2) het kader is beperkt tot scalaire covariaten en uitkomsten, waardoor het niet in staat is om functionele confounders of functionele uitkomsten simultaan te accommoderen.

Methodologie
De auteurs stellen een verenigd kader voor voor causale inferentie met functionele data voor, dat de propensity score-weging uitbreidt naar functionele behandelingen, covariaten en uitkomsten.

1. Functionele Representatie: Functionele behandelingen $X(t)$ en covariaten worden benaderd via Karhunen–Loève-expansies (getrunceerde Functionele Principale Component Analyse, FPCA) naar einddimensionale score-vectoren $A$ en $B$.
2. Duale Formulering van Gewichtschatting: In plaats van de geoptimaliseerde beperking die in eerder werk werd gebruikt, leiden de auteurs een duale formulering af van het empirische likelihood-balanceringsprobleem.
   • Het primaire probleem minimaliseert $\sum \log(w_i)$ onder balansrestricties (gemiddelde-nul en ongecorreleerde behandeling-scores en confounders).
   • Het duale probleem transformeert dit naar een gladde, onbeperkte convexe minimalisatie over een parametervector $\theta$.
   • Gewichten worden teruggewonnen via een softmax-transformatie: $w_i = \exp(-\theta^\top g_i) / \sum \exp(-\theta^\top g_j)$, waarbij $g_i$ de balancerende momenten stapelt.
   • Deze benadering elimineert de noodzaak voor sequentiële afstemming of proportionaliteitsrestricties, wat de computationele schaalbaarheid aanzienlijk verbetert.
3. Uitbreiding naar Functionele Covariaten: Functionele confounders worden geïntegreerd door de balans-restrictievector aan te vullen met hun FPC-scores. Dit behoudt de structuur van de duale optimalisatie, waarbij de dimensie van het optimalisatieprobleem slechts toeneemt met het aantal behouden componenten, niet met de omvang van de steekproef.
4. Uitbreiding naar Functionele Uitkomsten: Voor functionele uitkomsten $Y(t)$ ontwikkelen de auteurs een function-on-function marginale structurele model. Het causale effect wordt gekarakteriseerd door een bivariante oppervlakte $\mu(s,t)$. Door zowel de behandeling als de uitkomst in hun respectieve FPCA-bases te expanderen, reduceert de integraalvergelijking tot een systeem van onafhankelijke gewogen kleinste kwadraten-problemen voor elke uitkomstcomponent.
5. Temporele Beperkingen: Wanneer de domeinen van behandeling en uitkomst overlappen, leggen de auteurs een "niet-anticiperende" restrictie op ($\mu(s,t) = 0$ voor $s > t$), met behulp van een driehoekige basis van stuksgewijs lineaire functies, om causale validiteit te waarborgen waar het verleden de toekomst beïnvloedt.

Belangrijkste Bijdragen

• Verenigd Kader: Het artikel biedt het eerste algemene kader voor covariaat-balancerende causale inferentie dat simultaan functionele behandelingen, functionele covariaten en functionele uitkomsten kan verwerken.
• Computationele Efficiëntie: De voorgestelde duale formulering levert een glad, onbeperkt optimalisatieprobleem op. Dit verwijdert de computationele knelpunten van bestaande methoden, waardoor de benadering schaalbaar wordt voor grote observationele datasets (bijv. $n=3000$) en hoog-dimensionale covariaatruimtes zonder de grillige prestaties van eerdere geoptimaliseerde oplossers.
• Theoretische Uitbreiding: Het werk breidt de Generalized Propensity Score (GPS) theorie uit naar oneindig-dimensionale settings via FPCA-surrogaten en stelt identificatievoorwaarden (Strong Ignorability en Positivity) vast voor functionele marginale structurele modellen.

Resultaten

• Simulatiestudies:
  • Bias-reductie: In diverse settings (lineaire en niet-lineaire behandeling-covariaat/uitkomst relaties) vermindert de voorgestelde wegingsprocedure de bias aanzienlijk vergeleken met ongewegde estimators en bestaande FPS-methoden.
  • Covariaat Balans: De methode bereikt een stabiele covariaat balans (correlaties $<0.1$) over variërende steekproefgroottes en covariaatdimensies, terwijl de bestaande FPS-methode grillig gedrag vertoonde.
  • Schaalbaarheid: De voorgestelde methode demonstreerde een enorme reductie in computationele tijd (ongeveer 1890 keer sneller in één setting) vergeleken met Zhang, Xue en Wang (2021). De computationele kosten blijven stabiel naarmate de steekproefomvang ($n$) en de covariaatdimensie ($p$) toenemen, in tegen tegenover de bestaande benadering die slecht schaalt.
• Toepassing op Echte Data (UK Biobank):
  • Analyse 1 (BMI $\to$ T2D): Het schatten van het causale effect van BMI-trajecten in het midden van het leven op incidentie van Type 2 Diabetes. De gewogen analyse onthulde dat het effect het sterkst is in de vroege midlife (leeftijden 50–57) en later niet-significant wordt, terwijl een ongegeweide analyse een uniform opgeblazen effect liet zien door confounding door de baseline gezondheidstoestand.
  • Analyse 2 (BMI $\to$ HbA1c): Het schatten van het causale effect-oppervlak van BMI-trajecten op longitudinale HbA1c-trajecten. De resultaten gaven aan dat een hogere BMI in de vroege midlife de grootste toename in de daaropvolgende HbA1c drijft, waarbij de effecten afnemen voor latere blootstellingsleeftijden.

Betekenis en Claims
De auteurs beweren dat dit kader een kritiek gat in de causale inferentie voor moderne longitudinale data dicht. Door over te stappen van geoptimaliseerde naar onbeperkte optimalisatie, maakt de methode functionele causale inferentie computationeel haalbaar voor grootschalige studies. De toepassing op UK Biobank-data laat zien dat het behandelen van blootstelling als een functie (in plaats van een scalaire samenvatting) genuanceerde, tijdsafhankelijke causale effecten onthult die in standaardanalyses verborgen blijven. De auteurs merken op dat hoewel de methode uitgaat van strong ignorability en vertrouwt op FPCA (wat een redelijk dichte dataset vereist), het een robuust instrument biedt voor velden zoals metabole epidemiologie, farmacoepidemiologie en milieuepidemiologie waar traject-gebaseerde blootstellingen gebruikelijk zijn. Het artikel erkent expliciet beperkingen, waaronder de noodzaak voor uitbreidingen naar schaarse/onregelmatige data (bijv. via PACE of small-ball probabilities) en de assumptie van lineaire functionele effecten, en stelt dit voor als richtingen voor toekomstig onderzoek.