Everything all at once: On choosing an estimand for multi-component environmental exposures

1. Declaração do Problema

A epidemiologia ambiental enfrenta cada vez mais o desafio de estimar os efeitos na saúde de misturas de exposição (por exemplo, múltiplos pesticidas, poluentes) em vez de exposições binárias únicas. Essas misturas apresentam quatro complexidades específicas:

1. Multivariadas e Contínuas: Os componentes são frequentemente contínuos e interdependentes, não discretos.
2. Natureza Longitudinal: As exposições ocorrem em múltiplos pontos no tempo, criando confusão que varia no tempo e ciclos de retroalimentação.
3. Interação: Os componentes podem interagir (por exemplo, efeitos supra-aditivos), exigindo métodos que capturem efeitos conjuntos, e não apenas marginais.
4. Suporte de Dados e Extrapolacão: Uma lacuna crítica na literatura existente é a falta de avaliação sobre se uma intervenção hipotética proposta (por exemplo, "reduzir todos os pesticidas em 20%") é suportada pelos dados observados. Muitas mudanças propostas dependem de extrapolação (prever resultados em regiões do espaço de covariáveis onde não existem dados), levando a estimativas enviesadas se o modelo paramétrico estiver mal especificado nessas regiões.

Os métodos atuais frequentemente dependem de regressão paramétrica (por exemplo, modelos de Cox com LASSO) ou índices de resumo, que podem falhar em capturar interações não lineares complexas ou exigir suposições fortes e não testáveis em configurações de alta dimensão.

2. Metodologia

Os autores propõem uma estrutura para definir, avaliar e estimar efeitos causais de Políticas de Tratamento Modificadas (MTPs) aplicadas a misturas de exposição longitudinais.

A. Formulação do Estimando

Em vez de definir as exposições para valores fixos (o que frequentemente leva a parâmetros não diferenciáveis em modelos não paramétricos), os autores focam em intervenções de deslocamento:

• Definição: Uma intervenção hipotética $d(A_t)$ que desloca o valor natural da exposição $A_t$ por uma quantidade específica (aditiva ou multiplicativa).
• Aplicação Longitudinal: O deslocamento é aplicado sequencialmente. Para um deslocamento multiplicativo de $\delta$ (por exemplo, redução de 20%), a exposição no tempo $t$ é definida como $A^d_t = \delta \times A_t(A^d_{t-1})$, onde $A_t$ é o valor natural condicional ao histórico de exposições deslocadas.
• Parâmetro Alvo: O estimando causal é a diferença esperada nos resultados: $E[Y(\bar{A}^d) - Y]$, onde $Y(\bar{A}^d)$ é o resultado contrafactual sob a política de deslocamento.

B. Avaliação do Suporte de Dados (Positividade e Extrapolacão)

Uma contribuição central é a avaliação rigorosa de se um deslocamento proposto é suportado pelos dados para evitar extrapolação.

• Abordagem de Casco Convexo: Os autores utilizam o casco convexo dos dados observados de mistura de exposição. O casco convexo representa o menor conjunto convexo contendo todos os pontos de dados observados.
• Métricas de Extrapolacão: Eles definem métricas para quantificar o quão longe um ponto de dados deslocado está fora do casco convexo:
  • Medida Relativa ($R$): A proporção da distância do deslocamento que está fora do casco.
  • Medida Absoluta: A distância euclidiana do deslocamento fora do casco (em unidades padronizadas).
• Refinamento Iterativo: Se um deslocamento proposto (por exemplo, redução de 20%) resultar em muitos pontos fora do casco convexo (indicando extrapolação), o deslocamento é redefinido. A política é modificada para aplicar o deslocamento apenas se o ponto resultante permanecer dentro do casco (ou dentro de uma pequena tolerância, por exemplo, $\le 0.05$ unidades padronizadas); caso contrário, a exposição permanece em seu valor observado.

C. Estratégia de Estimação

Para estimar o estimando refinado sem depender de suposições paramétricas:

• Estimadores Não Paramétricos: Os autores utilizam Estimação Baseada em Perda Mínima Alvo (TMLE) e estimação Duplamente Robusta Sequencialmente (SDR).
• Integração com Aprendizado de Máquina: Esses estimadores utilizam o Super Learner (um ensemble de algoritmos de aprendizado de máquina como Random Forests, LASSO e Gradient Boosting) para ajustar parâmetros de incômodo (modelos de resultado, exposição e censura). Isso garante "robustez de taxa dupla", permitindo inferência válida mesmo se as relações subjacentes forem complexas e não lineares, desde que os algoritmos de aprendizado de máquina convirjam em taxas suficientes.
• Software: Os autores fornecem ferramentas de código aberto em R (pacote lmtp) e Julia (MTPConvexHull.jl) para facilitar o cálculo de cascos convexos e a estimação desses efeitos.

D. Teste de Interação

A estrutura permite testes não paramétricos de interações entre componentes específicos da mistura (por exemplo, glifosato e paraquat) comparando o efeito do deslocamento conjunto contra a soma dos efeitos de deslocamento individuais.

3. Contribuições Principais

1. Estimandos Baseados em Deslocamento para Misturas: Propõe um estimando flexível e interpretável (intervenções de deslocamento) adequado para misturas contínuas, multi-componentes e longitudinais, evitando as armadilhas de definir exposições para valores fixos.
2. Diagnósticos de Extrapolacão: Introduz um método prático e escalável computacionalmente usando cascos convexos para visualizar e quantificar o risco de extrapolação em configurações de mistura de alta dimensão, um passo frequentemente ignorado na pesquisa aplicada.
3. Definição Iterativa de Deslocamento: Fornece um protocolo para modificar iterativamente deslocamentos hipotéticos até que sejam bem suportados pelos dados observados, garantindo que a questão causal seja respondível com os dados disponíveis.
4. Estimação Longitudinal Não Paramétrica: Demonstra a aplicação de TMLE/SDR com aprendizado de máquina para dados de mistura longitudinal, removendo a dependência de especificação correta de modelos paramétricos.
5. Reprodutibilidade de Código Aberto: Fornece código passo a passo e módulos de software para reduzir a barreira para pesquisadores aplicados implementarem essas técnicas avançadas de inferência causal.

4. Resultados (Exemplo Motivador: Coorte CHAMACOS)

Os autores aplicaram a estrutura ao Estudo de Cognição Materna CHAMACOS, analisando a relação entre a exposição longitudinal a sete classes de pesticidas agrícolas e o risco de hipertensão em mães.

• Análise de Suporte de Dados:
  • Uma redução ingênua de 20% em todos os pesticidas e pontos no tempo foi encontrada com extrapolação mínima (0% dos pontos fora do casco convexo além do limiar).
  • No entanto, deslocamentos específicos (por exemplo, reduzir apenas neonicotinoides) resultaram em extrapolação significativa (>36% dos pontos fora do casco) devido a correlações com outros pesticidas.
• Estimativas Causais:
  • Redução Longitudinal de 20% (Todos os Pesticidas): Estimada para reduzir o risco de hipertensão crônica em 4,4 pontos percentuais (IC 95%: -0,2, 11,0) até o acompanhamento final (aproximadamente idade 48 anos).
  • Reduções de Subconjuntos: Reduzir apenas as primeiras cinco classes de pesticidas (inseticidas) produziu uma redução de risco semelhante (4,9 pp), enquanto reduzir apenas os últimos dois (herbicidas) ou paraquat sozinho produziu reduções menores e não significativas.
  • Interpretação: Os resultados sugerem que os inseticidas (organofosforados, piretróides, etc.) podem impulsionar o risco de hipertensão mais do que os herbicidas nesta coorte.
• Ponto Único no Tempo vs. Longitudinal: Análises de ponto único no tempo mostraram efeitos menores e não significativos, destacando a importância de capturar a dinâmica cumulativa e longitudinal da exposição.

5. Significado

Este artigo aborda uma lacuna crítica na epidemiologia ambiental ao fornecer uma estrutura robusta e baseada em dados para estudar misturas de exposição complexas.

• Robustez: Ao priorizar o suporte de dados (via cascos convexos) e usar aprendizado de máquina não paramétrico, o método minimiza o viés decorrente de má especificação do modelo e extrapolação.
• Relevância para Políticas Públicas: O estimando de "deslocamento" alinha-se bem com intervenções de saúde pública (por exemplo, "reduzir o uso de pesticidas em 20%") em vez de contrafactuais abstratos.
• Escalabilidade: O uso de cascos convexos e aprendizado de máquina de ensemble torna a abordagem computacionalmente viável para grandes conjuntos de dados e misturas de alta dimensão.
• Reprodutibilidade: O lançamento de ferramentas de software dedicadas democratiza o acesso a esses métodos avançados de inferência causal, encorajando uma análise mais rigorosa de dados de saúde ambiental.

Em resumo, o artigo move o campo de "estimar o que o modelo permite" para "escolher um estimando que os dados possam realmente suportar", aumentando assim a credibilidade e a aplicabilidade das descobertas causais na saúde ambiental.