Assessing Racial Disparities in Healthcare Expenditures via Mediator Distribution Shifts

Resumo Técnico: Avaliando Disparidades Raciais nos Gastos com Saúde via Deslocamentos na Distribuição de Mediadores

Problema
As disparidades raciais nos gastos com saúde são bem documentadas, mas os métodos existentes para decompor essas disparidades frequentemente enfrentam limitações conceituais e metodológicas. Abordagens tradicionais baseadas em regressão e decomposições de Oaxaca-Blinder frequentemente caracterizam erroneamente os mediadores como confundidores ou dependem de especificações lineares rígidas que falham em capturar relações complexas e não lineares. Além disso, as estruturas padrão de mediação causal tratam a raça como uma exposição manipulável, uma interpretação que é mal definida dada a natureza da raça como um atributo construído socialmente, moldado por processos históricos e estruturais, em vez de um tratamento direto. Consequentemente, há uma necessidade de um arcabouço que decomponha as disparidades sem postular intervenções contrafatuais sobre a raça, enquanto lida de forma robusta com a natureza de inflação de zeros e distribuição assimétrica à direita dos dados de gastos com saúde.

Metodologia
Os autores propõem um arcabouço não paramétrico que define as disparidades raciais como diferenças nas distribuições de covariáveis ajustadas. Em vez de estimar um "efeito total da raça", o estudo decompõe a disparidade total em componentes atribuíveis a deslocamentos nas distribuições de variáveis mediadoras específicas (Status Socioeconômico [SSE], acesso ao seguro, comportamentos de saúde e estado de saúde) e um componente residual.

Inovações metodológicas principais incluem:

1. Decomposição de Deslocamento de Distribuição: O arcabouço define a disparidade total ($\rho_{total}$) como uma diferença de gastos esperados padronizada por covariáveis. Ele isola a disparidade atribuível ao mediador ($\rho_{R \to M_k \leadsto Y}$) quantificando como a distribuição do resultado para um grupo desfavorecido mudaria se a distribuição de um mediador específico $M_k$ fosse deslocada para corresponder à do grupo favorecido, mantendo o processo gerador do resultado e outros mediadores fixos nos níveis do grupo desfavorecido. Isso evita tratar a raça como uma causa manipulável.
2. Estimativa Baseada em Função de Influência: Para enfrentar os desafios de especificação de modelo e a alta dimensionalidade das densidades dos mediadores, os autores derivam estimadores assintoticamente lineares baseados em funções de influência não paramétricas. Esses estimadores utilizam uma correção de um passo para eliminar o viés de estimadores de plug-in, garantindo inferência raiz-$n$ válida mesmo quando as funções de ruído são estimadas usando métodos flexíveis de aprendizado de máquina.
3. Robustez Múltipla: Os estimadores exibem uma estrutura de robustez múltipla, o que significa que a consistência é alcançada se qualquer uma de várias combinações distintas de funções de ruído (por exemplo, escores de propensão, modelos de mediadores, regressões de resultado e regressões sequenciais) for corretamente especificada. Isso protege contra a má especificação do modelo em cenários complexos.
4. Tratamento de Dados de Gastos: Reconhecendo que os gastos com saúde apresentam inflação de zeros e são assimétricos à direita, o estudo emprega uma estratégia de modelagem de duas partes dentro do ensemble super learner, onde o modelo de regressão de resultado modela separadamente a probabilidade de qualquer gasto e a média condicional de gastos positivos (em uma escala de log-transformação), combinando-os depois para estimar as médias geométricas.
5. Integração de Aprendizado de Máquina: O arcabouço integra super learners (métodos de ensemble combinando GLMs, florestas aleatórias, gradient boosting, etc.) para estimar parâmetros de ruído, aumentando a robustez e a precisão preditiva sem depender de suposições paramétricas.

Principais Contribuições

• Arcabouço Conceitual: O artigo avança uma perspectiva que trata a raça como um índice de posição social racializada, em vez de um tratamento manipulável. Fornece uma decomposição estatística formal das disparidades em contribuições de vias mediadoras específicas e um componente residual que representa fatores estruturais não medidos.
• Teoria de Estimativa: Os autores derivam novos estimadores assintoticamente lineares para disparidades atribuíveis a mediadores em cenários com múltiplos mediadores ordenados. Esses estimadores são provados como consistentes e assintoticamente normais sob condições de convergência mais fracas do que as abordagens paramétricas padrão, desde que pares específicos de funções de ruído sejam estimados com precisão suficiente.
• Implementação de Software: O estudo introduz o pacote R flexPaths, estendendo o conjunto de ferramentas metodológicas para análise de disparidade focada em mediadores.
• Aplicação Empírica: O arcabouço é aplicado aos dados do Medical Expenditures Panel Survey (MEPS) de 2009 e 2016, analisando disparidades entre populações não hispânicas brancas, negras, asiáticas e hispânicas.

Resultos
A aplicação do arcabouço aos dados do MEPS revela disparidades raciais substanciais nos gastos com saúde que persistem em ambos os anos, sendo observadas as maiores lacunas entre não hispânicos brancos e hispânicos.

• Principais Vetores: O status socioeconômico (SSE) e o estado de saúde foram identificados como os maiores contribuintes para as disparidades de gastos. Alinhar as distribuições de SSE entre os grupos raciais reduziria significamente as disparidades, particularmente para as populações hispânica e negra. Da mesma forma, as diferenças nas distribuições de estado de saúde explicaram partes substanciais da disparidade.
• Acesso ao Seguro: O acesso ao seguro desempenhou um papel relevante, particularmente para as populações hispânicas. No entanto, o componente de disparidade atribuído ao seguro estreitou entre 2009 e 2016, refletindo provavelmente o impacto do Affordable Care Act, embora os hispânicos continuem a enfrentar taxas de desproteção mais altas.
• Comportamentos de Saúde: Diferenças em comportamentos de saúde mensurados (tabagismo e atividade física) contribuíram minimamente para as disparidades de gastos, com estimativas frequentemente próximas de zero.
• Disparidades Residuais: Uma disparidade residual significativa persistiu, especialmente em comparações envolvendo não hispânicos brancos. Este resíduo, que captura diferenças não explicadas pelos mediadores observados, sugere a influência de fatores não medidos, como racismo sistêmico, viés do provedor ou inequidades estruturais na entrega do cuidado. Notavelmente, a disparidade atribuída ao resultado (a parte restante após a equalização de todos os mediadores) foi significativa para as comparações entre brancos e grupos marginalizados, mas frequentemente não significativa para as comparações entre os próprios grupos marginalizados.

Significância e Alegações
O artigo alega que seu arcabouço oferece uma abordagem robusta, interpretável e relevante para políticas públicas para entender as disparidades em saúde. Ao mudar o foco do "efeito da raça" para o "efeito de mediadores modificáveis", o estudo fornece uma base orientada por dados para direcionar intervenções. Os resultados sugerem que reduzir as disparidades requer abordar determinantes estruturais ascendentes, especificamente as desigualdades socioeconômicas e as barreiras ao acesso ao seguro, em vez de focar apenas em comportamentos de saúde individuais.

Os autores enfatizam que seus achados destacam a persistência de inequidades estruturais que não são capturadas por variáveis observadas. As disparidades residuais indicam que, mesmo que o SSE, o seguro, os comportamentos de saúde e o estado de saúde fossem equalizados, lacunas significativas permaneceriam, apontando para a necessidade de reformas institucionais para abordar o viés sistêmico e a discriminação na prestação de cuidados de saúde. O estudo conclui que, embora ferramentas metodológicas como estimadores baseados em função de influência e aprendizado de máquina sejam essenciais para uma inferência válida em cenários observacionais complexos, o avanço da equidade em saúde exige, em última análise, esforços políticos sustentados visando os determinantes estruturais da saúde.