Resumo Técnico: Inferência Causal Usando Modelos Epidêmicos Aumentados

Declaração do Problema

O artigo aborda o desafio de inferir os efeitos causais de intervenções variantes no tempo ($A_t$) sobre desfechos epidêmicos ($Y_t$) usando uma única série temporal observada. Embora modelos epidêmicos sejam frequentemente modificados para incluir variáveis de intervenção para prever cenários ou estimar efeitos, a literatura frequentemente confunde duas interpretações distintas desses modelos "aumentados":

1. Modelos Geradores de Dados (DGMs): Modelos que descrevem a densidade condicional de variáveis aleatórias observadas.
2. Modelos Estruturais Marginais (MSMs): Modelos causais que descrevem a distribuição de variáveis aleatórias contrafatuais $Y_t(a_1, \dots, a_t)$.

O problema central é que tratar um modelo epidêmico aumentado como um DGM para estimar parâmetros via Estimativa de Máxima Verossimilhança (MLE) ou métodos Bayesianos, e então usar esses mesmos parâmetros para fazer inferências causais (como se fosse um MSM), leva a estimadores inconsistentes. Essa inconsistência se manifesta como o paradoxo do g-nulo: mesmo quando não há efeito causal verdadeiro ($\beta_A = 0$), o efeito causal estimado é diferente de zero. Esse viés surge devido a variáveis fantasmas — variáveis não observadas que afetam o desfecho, mas não a intervenção — que induzem dependência condicional entre o tratamento e o desfecho em modelos paramétricos não lineares, fazendo com que estimativas baseadas em verossimilhança confundam correlação com causalidade.

Metodologia

Os autores propõem e analisam quatro abordagens distintas para lidar com modelos epidêmicos aumentados, distinguindo entre aquelas que tratam o modelo como um DGM versus um MSM.

Método 1: Estimativa de Máxima Verossimilhança/Bayesiana (A Abordagem Falha)

• Procedimento: O modelo aumentado é tratado como um DGM. Os parâmetros são estimados via MLE ou inferência Bayesiana. O modelo ajustado é então usado para computar efeitos causais (ex: via fórmula-g) ou previsões de cenários.
• Problema: Esta abordagem sofre do paradoxo do g-nulo. Na presença de variáveis fantasmas, a função de verossimilhança não consegue separar efeitos causais de dependência condicional. Consequentemente, as estimativas de parâmetros causais são inconsistentes, gerando efeitos não nulos mesmo quando o efeito verdadeiro é zero.

Método 2: Extração de Efeito Causal via Equações de Estimação

• Procedimento:
  1. Tratar o modelo aumentado como um DGM e incluir confundidores ($X_t$).
  2. Extrair o efeito causal $\psi(a_t)$ do DGM usando a fórmula-g (Eq. 9).
  3. Estimar os parâmetros do modelo causal resultante usando equações de estimação (Eq. 14) em vez de verossimilhança.
• Mecanismo: Este método utiliza o escore de propensão (derivado do DGM) para ponderar as equações de estimação, efetivamente ajustando para o confundimento.
• Limitação: Requer a especificação da distribuição conjunta completa dos observáveis, o que é computacionalmente exigente e frequentemente intratável. O modelo causal resultante pode carecer de interpretabilidade.

Método 3: Modelos Aumentados como Modelos Estruturais Marginais (Recomendado)

• Procedimento:
  1. Interpretar o modelo epidêmico aumentado diretamente como um MSM para o contrafatual $Y_t(a_t)$.
  2. Especificar um modelo separado para o escore de propensão (a probabilidade da intervenção dado o histórico passado).
     de 3. Estimar os parâmetros usando equações de estimação (Eq. 14).
• Mecanismo: Ao tratar o modelo epidêmico como um modelo causal para contrafatuais, os autores evitam a dependência de variação entre parâmetros de causalidade e de dependência que assola os métodos baseados em verossimilhança. O efeito causal $\psi(a_t; \theta)$ é frequentemente aproximado via simulação de Monte Carlo (Eq. 15) caso uma forma fechada não esteja disponível.
• Vantagem: Esta é a abordagem mais simples, alinha-se com a prática padrão de inferência causal e lida facilmente com confundidores via escore de propensão. Ela evita o paradoxo do g-nulo.

Método 4: Modelos Geradores de Dados Preservadores de Causalidade

• Procedimento:
  1. Usar o modelo aumentado como um MSM.
  2. Construir um DGM completo para os observáveis $(X_t, A_t, Y_t)$ que seja consistente com o MSM especificado usando cópulas (especificamente a "parametrização frugal" descrita por Evans e Didelez, 2024).
  3. Estimar todos os parâmetros via Máxima Verossimilhança.
• Mecanismo: Ao separar explicitamente a parametrização da causalidade (via MSM) e da dependência (via cópula), o modelo torna-se de variação independente, evitando o paradoxo do g-nulo sem a necessidade de dividir pelo escore de propensão.
• Limitação: Este é o método tecnicamente mais desafiador, exigindo a modelagem complexa de distribuições conjuntas e cópulas, particularmente para séries temporais únicas.

Contribuições Principais e Resultados

Contribções Teóricas

• Identificação do Viés Fantasma: O artigo demonstra rigorosamente que variáveis fantasmas (fatores não observados que afetam desfechos, mas não intervenções) fazem com que as estimativas baseadas em verossimilhança em modelos epidêmicos não lineares sejam inconsistentes, mesmo na ausência de confundimento não mensurado.
• Distinção de Interpretações: Esclarece que DGMs e MSMs geralmente não são intercambiáveis em configurações de séries temporais, e que a confusão entre eles leva ao paradoxo do g-nulo.
• Estrutura Metodológica: Os autores fornecem uma comparação estruturada de quatro métodos, destacando que os Métodos 2, 3 e 4 são válidos para inferência causal, enquanto o Método 1 não é.

Resultados Empíricos

Os autores validam suas afirmações teóricas através de dados simulados e um estudo observacional:

1. Simulação de Modelo Semi-Mecanístico:
   • Método 1 (MLE): Mostrou viés fantasma significativo. Quando o efeito causal verdadeiro $\beta_A = 0$, o MLE estimou um efeito não nulo.
   • Método 3 (Equações de Estimação): Produziu estimativas não viesadas, recuperando corretamente $\beta_A = 0$ quando o efeito verdadeiro era nulo.
2. Simulação do Modelo SEIR:
   • Replicou os achados: as estimativas de MLE foram enviesadas devido às variáveis fantasmas, enquanto as estimativas de equações de estimação (Método 3) foram consistentes.
3. Estudo Observacional (Dados de COVID-19 nos EUA):
   • Analisou o efeito da mobilidade (proporção de trabalho em tempo integral) sobre as mortes por COVID-19 em 30 estados dos EUA.
   • Comparação: As estimativas do Método 3 foram significativamente menores do que as estimativas do Método 1 (MLE) em 24 de 30 estados ($p < 0,001$).
   • Interpretação: Os autores sugerem que as estimativas mais altas do MLE provavelmente superestimaram o efeito causal da mobilidade sobre as mortes devido ao viés fantasma, enquanto a abordagem de equações de estimação forneceu uma estimativa mais conservadora e provavelmente precisa.

Significância e Alegações

O artigo afirma que as práticas padrão em modelagem epidêmica — especificamente ajustar modelos aumentados via verossimilhança e interpretá-los causalmente — são fundamentalmente falhas devido ao paradoxo do g-nulo. Os autores argumentam que:

1. Estimativas de MLE e Bayesianas não devem ser usadas para inferência causal nesses contextos porque produzem estimadores inconsistentes.
2. O Método 3 é a solução mais prática e natural. Ele requer menos pressupostos de modelagem do que o Método 4 e evita a intratabilidade do Método 2, eliminando com sucesso o viés fantasma.
3. Erro de Especificação vs. Viés Fantasma: Embora todos os métodos sofram de potencial erro de especificação do modelo, apenas os Métodos 2, 3 e 4 eliminam o viés estrutural específico introduzido por variáveis fantasmas em modelos não lineares.

Os autores concluem que, embora o Método 4 ofereça uma alternativa principista e totalmente especificada que evita a divisão pelo escore de propensão, o Método 3 permanece como a abordagem recomendada por sua simplicidade e interpretabilidade. Eles enfatizam a necessidade crítica de distinguir entre modelos geradores de dados e modelos causais na pesquisa epidemiológica.