Bounding causal effects with an unknown mixture of informative and non-informative missingness

Título: Limitando Efeitos Causais com uma Mistura Desconhecida de Ausência de Dados Informativa e Não-Informativa

1. Problema e Contexto

Em estudos observacionais e experimentais, a ausência de dados de desfecho (missing outcomes) é uma barreira comum para a inferência causal. A literatura padrão frequentemente assume o mecanismo de "ausência ao acaso" (Missing At Random - MAR), onde a probabilidade de um dado faltar é independente do valor do desfecho, condicionada às covariáveis observadas. No entanto, na prática, essa suposição é frequentemente violada, especialmente em estudos com dados de saúde (como registros eletrônicos ou seguros), onde a perda de acompanhamento pode estar diretamente ligada ao estado de saúde do paciente (ex.: morte, deterioração clínica ou efeitos colaterais de medicamentos).

Quando a ausência é "não ao acaso" (Missing Not At Random - MNAR), os efeitos causais pontuais (como o Efeito Médio do Tratamento - ATE) geralmente não são identificáveis. O desafio central abordado neste trabalho é: como quantificar a incerteza e estabelecer limites para efeitos causais quando a ausência de dados é uma mistura desconhecida de componentes informativos (MNAR) e não-informativos (MAR), sem que o pesquisador saiba quais observações específicas pertencem a qual componente?

2. Metodologia

Os autores propõem um novo framework de sensibilidade que modela a ausência de dados como uma mistura de dois tipos de mecanismos latentes:

1. Ausência Não-Informativa ($UNI$): Independente do desfecho potencial (equivalente a MAR).
2. Ausência Informativa ($UI$): Dependente do desfecho potencial (equivalente a MNAR), podendo ser vista como um evento competitivo (ex.: morte) ou um mediador.

Suposições Chave:

• Mistura Desconhecida: O indicador observado de ausência ($C$) é a união de $UNI$e$UI$. O pesquisador não observa $UNI$ ou $UI$ individualmente, apenas $C$.
• Ignorabilidade do Tratamento: Assumem-se condições padrão de causalidade (sem confusão não medida, consistência e positividade) para o tratamento, focando a incerteza apenas no mecanismo de ausência.
• Limites de Desfecho: O desfecho é binário ou limitado (rescalado para $[0,1]$).

Estratégia de Limitação (Bounding):
Em vez de tentar identificar um ponto único, os autores derivam limites inferiores e superiores para o ATE ($\Psi_0$) baseados apenas nos dados observáveis e em parâmetros de sensibilidade.

• Limites Gerais: Derivados sem suposições adicionais sobre a proporção de ausência informativa ou a magnitude do viés.
• Limites Mais Estreitos (Narrower Bounds): Obtidos ao introduzir parâmetros de sensibilidade:
  • $\delta_a$: A proporção de ausência que é informativa dentro de cada braço de tratamento.
  • $\tau_a$: A razão de risco do desfecho entre os indivíduos com ausência informativa e os observados (monotonicidade ou limites de risco).
• Análise de "Ponto de Virada" (Tipping Point): Em vez de fixar os parâmetros, o método inverte as equações para determinar qual magnitude de ausência informativa seria necessária para anular o efeito causal observado (mudar o sinal do efeito).

Estimação e Inferência:

• Estimadores Duplamente Robustos: Os autores desenvolvem estimadores baseados em funções de influência (influence-function based estimators).
• Flexibilidade: Esses estimadores permitem o uso de métodos não-paramétricos e de machine learning (como florestas aleatórias) para estimar as funções de nuisance (propensão, probabilidade de ausência, regressão de desfecho).
• Propriedades Assintóticas: Sob condições de regularidade, os estimadores atingem convergência na raiz-$n$ ($\sqrt{n}$) e normalidade assintótica, desde que os estimadores das funções de nuisance convirjam a uma taxa de $n^{-1/4}$.
• Pacote R: A metodologia foi implementada no pacote marbounds.

Desfechos Alternativos:
O artigo também aborda cenários onde a ausência é um evento competitivo (ex.: morte), propondo limites para:

• ATE Composto ($\Psi_1$): Combina o desfecho principal e o evento competitivo.
• Efeito Direto Separável (SDE - $\Psi_2$): Isola o efeito do tratamento sobre o desfecho, mantendo o efeito sobre o evento competitivo constante.

3. Resultados Principais

Simulações:

• Estudos de simulação confirmaram que os estimadores propostos são não tendenciosos e que os intervalos de confiança atingem a cobertura nominal (95%) quando as funções de nuisance são estimadas com precisão suficiente (taxa de convergência $> n^{-1/4}$).
• Quando a taxa de convergência é lenta (ex.: $n^{-0.1}$), observa-se viés e perda de cobertura, validando as condições teóricas de consistência.

Aplicação Empírica (Estudo de Caso):

• Contexto: Avaliação do efeito causal de cinco antipsicóticos (aripiprazol, haloperidol, olanzapina, quetiapina, risperidona) no risco de diabetes tipo 2 e hospitalização psiquiátrica em idosos (dados de seguros de saúde).
• Achados Iniciais (Análise Ingênua): Assumindo MAR, o haloperidol e a quetiapina pareciam reduzir significativamente o risco de diabetes e hospitalização.
• Análise com Limites (Sensibilidade):
  • Os limites gerais (sem suposições adicionais) foram muito amplos, não descartando efeitos grandes em qualquer direção para nenhum dos medicamentos.
  • Ao aplicar suposições de monotonicidade (pacientes mais doentes têm maior risco de desfecho e maior chance de ausência), os limites estreitaram-se.
  • Conclusão Robusta: O haloperidol manteve uma evidência forte de redução de risco de diabetes, desde que a proporção de ausência informativa não excedesse ~40%. A aripiprazol e a quetiapina foram menos robustas, exigindo proporções de ausência informativa muito baixas (<20%) para manter a conclusão de redução de risco.
  • Para hospitalização, os resultados não foram robustos a nenhuma quantidade significativa de ausência informativa.

4. Contribuições Chave

1. Framework de Mistura Desconhecida: Propõe um modelo realista onde o pesquisador não sabe quais dados faltantes são informativos, tratando a ausência como uma mistura latente, o que é mais aplicável a dados do mundo real do que assumir que todo o missing é MNAR ou MAR.
2. Estimadores Duplamente Robustos para Limites: Adapta a teoria de funções de influência para estimar limites de efeitos causais, permitindo o uso de algoritmos modernos de ML e garantindo inferência válida (normalidade assintótica) sob condições fracas.
3. Flexibilidade de Sensibilidade: Oferece múltiplas estratégias para lidar com parâmetros desconhecidos: desde limites conservadores (sem suposições) até análises de "ponto de virada" que comunicam claramente a robustez dos resultados a stakeholders não estatísticos.
4. Extensão para Eventos Competitivos: Generaliza a abordagem para estimandos alternativos (ATE composto e SDE) que são mais interpretáveis quando a ausência de dados representa um evento fatal ou competitivo.

5. Significado e Impacto

Este trabalho preenche uma lacuna crítica na literatura de inferência causal, onde a maioria das análises de sensibilidade foca em confusão não medida, mas pouca atenção é dada à violação de MAR em cenários de dados observacionais complexos.

• Para Pesquisadores Clínicos e Epidemiologistas: Fornece ferramentas para quantificar o viés potencial em estudos de segurança de medicamentos onde a perda de acompanhamento é comum e suspeita de ser informativa.
• Para Tomadores de Decisão: A abordagem de "ponto de virada" permite que decisores entendam quão improvável precisa ser a ausência informativa para que uma conclusão clínica (ex.: "o medicamento X é seguro") seja falsa.
• Avanço Metodológico: A capacidade de usar machine learning para estimar limites de causalidade, mantendo propriedades estatísticas rigorosas, representa um avanço significativo na aplicação prática de métodos de causalidade em grandes conjuntos de dados complexos.

Em resumo, o artigo oferece um conjunto robusto de ferramentas para lidar com a incerteza inerente a dados incompletos, permitindo que estudos observacionais forneçam conclusões mais honestas e matizadas sobre efeitos causais, mesmo na presença de mecanismos de ausência de dados complexos e desconhecidos.