A Diagnostic to Find and Help Combat Stochastic Positivity Issues -- with a Focus on Continuous Treatments

Resumo Técnico: Um Diagnóstico para Encontrar e Auxiliar no Combate a Problemas de Positividade Estocástica

Declaração do Problema
A suposição de positividade é fundamental para identificar efeitos causais, mas sua variante estocástica — onde certos valores de tratamento são raramente ou nunca observados para subgrupos específicos devido ao acaso ou baixa probabilidade — é frequentemente negligenciada, particularmente em estudos envolvendo tratamentos contínuos ou Políticas de Tratamento Modificadas (MTPs). Embora violações determinísticas sejam frequentemente identificáveis por meio da lógica, as violações estocásticas em configurações contínuas são difíceis de diagnosticar porque o número de potenciais valores de tratamento excede o número de pontos de dados.

As abordagens atuais para abordar este problema são limitadas. Ferramentas existentes, como bootstraps paramétricos, são frequentemente específicas para o estimador e falham em distinguir entre a falha do estimador e a esparsidade dos dados. Abordagens de escore de propensão generalizado (GPS) exigem estimativa de densidade, o que é desafiador em altas dimensões e não revela facilmente problemas de positividade. Além disso, embora mudar o estimando (por exemplo, para um MTP) seja uma recomendação comum para mitigar o viés, os pesquisadores carecem de uma maneira sistemática de determinar qual estimando alternativo equilibrará com sucesso a proximidade com a questão de pesquisa original com a viabilidade de estimação, dado os dados disponíveis.

Metodologia
Os autores propõem um novo diagnóstico de esparsidade baseado em kernel, projetado para ser específico ao estimando e independente do estimador. A premissa central é que as violações de positividade estocástica se manifestam como uma falta de suporte de dados nas regiões do espaço covariável-tratamento necessárias para um esquema de intervenção específico.

1. Conceito Central (Pontos de Dados Efetivos - EDP): O diagnóstico quantifica os "pontos de dados efetivos" disponíveis para estimar o desfecho para cada observação sob um esquema de intervenção específico. Ele utiliza uma medida de proximidade (função kernel) para ponderar os pontos de dados observados ($o^{obs}$) com base em sua distância dos pontos de intervenção contrafactual ($o^{int}$).

   • Escolha do Kernel: Os autores recomendam um kernel Gaussiano, onde a inclinação (largura de banda/bandwidth) é determinada pelo quão longe um pesquisador está disposto a extrapolar. Os hiperparâmetros são definidos com base no conhecimento do domínio ou regras de bolso (por exemplo, metade de um desvio padrão da variável de tratamento).
   • Cálculo: Para cada observação $i$, o diagnóstico soma os pesos do kernel de todos os pontos de dados observados $j$ em relação ao valor de intervenção $o^{int}_i$. Isso resulta em um escore EDP para cada observação.

2. Duas Variações:

   • Diagnóstico Centrado nos Dados: Uma versão simplificada que avalia o suporte de dados para o modelo de desfecho ($\bar{Q}_n$) através da distribuição conjunta de tratamento e covariáveis. É visualizado via boxplots para identificar observações com baixo suporte (baixo EDP).
   • Diagnóstico Focado na Estimação: Uma versão mais complexa que avalia separadamente o suporte para o modelo de desfeço ($\bar{Q}_n$) e o modelo de tratamento ($g_n$). Também estima a magnitude potencial dos pesos ($1/g_n$) para pontos intervencionados, ajudando a identificar onde a ponderação pela probabilidade inversa pode amplificar o viés devido a pesos extremos.

3. Aplicação a MTPs: O diagnóstico é aplicado a vários esquemas de intervenção, incluindo intervenções estáticas, curvas de resposta de deslocamento ingênuas (naive shift-response curves), deslocamentos estocásticos, curvas de resposta de limiar (threshold) e curvas de resposta de deslocamento condicional.

Principais Resultados
O artigo valida o diagnóstico através de estudos de simulação e uma aplicação prática utilizando dados do ensaio CHAPAS-3 (crianças com HIV).

• Estudo de Simulação:

  • O estudo simulou três cenários de dados: distribuições de tratamento sobre níveis de confundidores sobrepostas, adjacentes e divididas (sem sobreposição).
  • Intervenções Estáticas: O diagnóstico identificou corretamente que curvas de dose-resposta estáticas sofrem de viés severo em cenários de dados "divididos", onde a extrapolação é necessária através de regiões vazias.
  • MTPs: O diagnóstico revelou que nem todos os MTPs resolvem problemas de positividade. Por exemplo, um "deslocamento ingênuo" (adicionar uma constante a todas as doses) frequentemente desloca os dados para regiões sem suporte, levando ao viés. Por outro lado, políticas de "deslocamento condicional" ou de "limiar", que restringem as intervenções aos intervalos observados, mostraram alto suporte e menor viés esperado.
  • Poder Preditivo: O diagnóstico previu com sucesso onde o viés ocorreria nas curvas estimadas sem acesso ao processo gerador de dados real, destacando regiões onde a extrapolação era instável.

• Aplicação Prática (CHAPAS-3):

  • Aplicado a um estudo sobre a concentração de efavirenz e falha viral, o diagnóstico identificou subgrupos específicos (pacientes não aderentes e metabolizadores lentos) com escores EDP extremamente baixos no limite inferior da janela terapêutica.
  • Demonstrou como os pesquisadores podem refinar iterativamente o estimando: ao excluir pacientes não aderentes ou restringir a população alvo a grupos específicos de metabolização, os escores EDP melhoraram, indicando uma estimação mais viável.
  • Em uma extensão longitudinal, o diagnóstico mostrou que a introdução de um "pico" na concentração de tratamento em um ponto específico de tempo resultou em suporte próximo de zero para pontos de tempo subsequentes, sinalizando corretamente o estimando como inestimável sem viés massivo.

Significância e Alegações
Os autores afirmam que este diagnóstico fornece uma ferramenta de pré-modelagem crucial para pesquisadores aplicados. Sua principal significância reside em:

1. Avaliação de Viabilidade: Permite que os pesquisadores determinem antes do ajuste do modelo se um estimando específico é estimável dados os seus dados, economizando tempo e recursos computacionais.
2. Seleção de Estimando: Guia a seleção de Políticas de Tratamento Modificadas ao visualizar o compromisso entre a proximidade da intervenção com a questão de pesquisa e a esparsidade do suporte de dados.
3. Diagnóstico de Viés: Ajuda a distinguir o viés causado pelo estimador do viés causado pela estrutura dos dados (esparsidade), abordando uma lacuna na literatura atual onde as ferramentas costumam estar ligadas a estimadores específicos.
4. Generalidade: Ao contrário dos métodos baseados em densidade, esta abordagem trabalha diretamente com a distribuição dos dados e aplica-se a estimandos estáticos, dinâmicos e MTPs, tanto em configurações de tratamento binário quanto contínuo.

O artigo conclui que, embora o diagnóstico dependa de hiperparâmetros definidos pelo usuário (largura de banda do kernel) que exigem conhecimento do domínio, ele oferece um framework transparente e intuitivo para navegar pelas complexidades da positividade estocástica na inferência causal contínua.