Confounder selection via iterative graph expansion

Resumo Técnico: Seleção de Confundidores via Expansão Iterativa de Grafos

Autores: F. Richard Guo e Qingyuan Zhao
Contexto: Inferência Causal, Estudos Observacionais, Seleção de Variáveis.

1. O Problema

A seleção de confundidores é o passo mais crítico no desenho de estudos observacionais para identificar efeitos causais. O objetivo é escolher um conjunto de covariáveis ($S$) que, quando ajustadas, garantam a ignorabilidade condicional (ou trocabilidade condicional) entre o tratamento ($X$) e o resultado ($Y$).

• Limitação dos Métodos Atuais: A abordagem padrão utiliza o critério do back-door de Pearl, que exige a pré-especificação completa de um Grafo Acíclico Direcionado (DAG) ou sua projeção latente. Na prática, isso é extremamente difícil, pois exige que o pesquisador:
  1. Conceba todas as variáveis relevantes (observadas e não observadas).
  2. Especifique todas as relações causais entre elas.
  3. Construa o grafo completo antes de iniciar a análise.
• Deficiência: Métodos existentes são "estáticos" e não interagem com o usuário para construir o conhecimento causal passo a passo. Critérios como o "critério da causa disjuntiva" exigem que o conjunto de covariáveis coletadas já contenha um conjunto suficiente, o que é difícil de verificar sem conhecimento prévio completo.

2. Metodologia: Expansão Iterativa de Grafos

Os autores propõem um procedimento interativo e "bottom-up" (de baixo para cima) que não requer a pré-especificação do grafo causal completo. O método inverte o processo de marginalização de grafos (projeção latente).

Conceitos Fundamentais:

• Caminhos de Confundimento (Confounding Paths): Caminhos entre $X$ e $Y$ com duas pontas de seta (arrowheads) nas extremidades. O objetivo é bloquear todos esses caminhos.
• Arcos de Confundimento (Confounding Arcs): Caminhos de confundimento sem colisor (colliders). Eles induzem associação não causal imediata.
• Conjunto de Ajuste Primário (Primary Adjustment Set): Para um par de variáveis $(A, B)$, um conjunto $C$ é um ajuste primário se bloquear todos os arcos de confundimento entre $A$ e $B$.
  • Propriedade Chave: Bloquear arcos é mais fácil que bloquear caminhos gerais devido à monotonicidade (adicionar variáveis a um conjunto que bloqueia arcos não desbloqueia novos arcos, embora possa desbloquear caminhos com colisor).

O Algoritmo (CONFOUNDERSELECT):
O procedimento opera iterativamente expandindo um "grafo de trabalho":

1. Inicialização: Começa com um grafo contendo apenas $X$ e $Y$, conectados por uma aresta bidirecional tracejada (representando confundimento potencial não controlado).
2. Iteração:
   • O algoritmo seleciona uma aresta bidirecional incerta (confundimento potencial) do grafo atual.
   • O usuário (ou especialista de domínio) fornece um Conjunto de Ajuste Primário para esse par de variáveis.
   • Se um conjunto primário existe, a aresta é removida e os vértices do conjunto são adicionados ao grafo, criando novas arestas bidirecionais potenciais entre os novos vértices e os existentes.
   • Se não existe conjunto primário, a aresta torna-se sólida (confundimento não controlável).
3. Terminação: O processo continua até que $X$ e $Y$ não estejam mais conectados por arestas bidirecionais (sólidas ou tracejadas). O conjunto de vértices restantes (excluindo $X$ e $Y$) forma um Conjunto de Ajuste Suficiente.

Critério do Distrito (District Criterion):
O algoritmo utiliza uma reformulação simétrica do critério do back-door. Um conjunto $S$ é suficiente se e somente se $X$ e $Y$ estiverem em distritos diferentes no grafo marginal sobre $S \cup \{X, Y\}$. Um distrito é um conjunto maximal de vértices conectados por arestas bidirecionais.

3. Principais Contribuições

1. Abordagem Interativa: Elimina a necessidade de desenhar o DAG completo antes da seleção. O conhecimento é elicito "pedaço por pedaço" (bit by bit) através de consultas sobre conjuntos de ajuste primário.
2. Reformulação Simétrica: Apresenta uma definição simétrica do critério do back-door baseada em caminhos de confundimento e arcos, permitindo que a seleção de confundidores seja vista como o bloqueio iterativo de arcos.
3. Teorema de Correção e Completude (Soundness and Completeness):
   • Correção (Soundness): Se o usuário especificar corretamente os conjuntos de ajuste primário em cada passo, qualquer conjunto encontrado pelo algoritmo é um conjunto de ajuste suficiente.
   • Completude: Se o usuário especificar todos os conjuntos de ajuste primário mínimos em cada passo, o algoritmo encontrará todos os conjuntos de ajuste suficientes mínimos.
4. Economia de Informação: O método solicita apenas informações estruturais estritamente necessárias (causas comuns e mediadores), sem perguntar sobre a direção das arestas entre os confundidores ou a presença de arestas diretas entre eles.
5. Implementação Prática: Os autores fornecem uma aplicação web (Shiny) que implementa o algoritmo, facilitando o uso por pesquisadores.

4. Resultados e Evidências

• Teorema 2: Demonstra que as relações de conexão/separação (m-separation) via caminhos de confundimento e arcos são preservadas sob marginalização. Isso fundamenta a validade de expandir o grafo localmente sem perder a estrutura global de confundimento.
• Teorema 3: Prova que qualquer conjunto de ajuste suficiente mínimo pode ser construído recursivamente expandindo arestas bidirecionais com seus conjuntos de ajuste primário mínimos.
• Exemplo Prático (Seção 6): O algoritmo é aplicado a um DAG complexo (exemplo de Shrier e Platt sobre lesões em exercícios). O algoritmo identifica corretamente múltiplos conjuntos de ajuste suficientes mínimos (ex: $\{E, F\}$, $\{T, F\}$, $\{O, G\}$, etc.) através de várias expansões, demonstrando a capacidade de encontrar soluções ótimas sem o grafo completo inicial.

5. Significado e Implicações

• Desenho de Estudos: O método é particularmente valioso para a fase de desenho de estudos observacionais, onde o objetivo é determinar quais dados devem ser coletados, em vez de apenas analisar dados já existentes.
• Acessibilidade: Reduz a barreira de entrada para a inferência causal, pois o usuário não precisa dominar a teoria complexa de grafos (como d-separação) para usar o método; basta identificar causas comuns e mediadores.
• Robustez: O método é inerentemente robusto contra viés de colisor (M-bias), pois o critério do distrito e a lógica de expansão garantem que conjuntos que introduzem tal viés não serão selecionados como suficientes.
• Futuro: O trabalho abre caminho para métodos de seleção de confundidores que aprendem com o especialista de domínio de forma interativa, superando a limitação dos métodos estáticos atuais.

Em resumo, o artigo propõe uma mudança de paradigma na seleção de confundidores: de uma tarefa estática de verificação de um grafo pré-definido para um processo dinâmico e interativo de construção de conhecimento causal, garantindo rigor teórico e viabilidade prática.