Nonparametric efficient estimation of the longitudinal front-door functional

Título: Estimação Não Paramétrica Eficiente do Funcional Front-Door Longitudinal

Autores: Marie S. Breum, Helene C. W. Rytgaard, Torben Martinussen e Erin E. Gabriel.
Instituição: Universidade de Copenhague, Dinamarca.

---

1. O Problema

O critério front-door (porta da frente) é uma estratégia de identificação causal proposta por Pearl (1995) para estimar o efeito médio de uma exposição sobre um resultado em cenários onde existem confundidores não medidos entre a exposição e o resultado. A identificação é possível se existir uma variável intermediária (mediador) que:

1. Medie completamente o efeito da exposição sobre o resultado.
2. Não seja afetada pelos confundidores não medidos.

Embora o critério tenha sido estendido para o cenário longitudinal (onde exposição e mediador variam ao longo do tempo) por Sjölander e Bellocco (2013), a literatura carecia de técnicas de estimação adequadas além de um simples estimador "plug-in". O estimador plug-in tradicional enfrenta o "mal da dimensionalidade" ao exigir a estimação direta de densidades de mediadores de alta dimensão e o cálculo de integrais complexas, tornando-o impraticável em muitos casos reais. Além disso, métodos existentes frequentemente falham em fornecer inferência válida quando utilizam métodos de aprendizado de máquina (data-adaptive) para estimar as funções de nuisance (modelos de confusão).

2. Metodologia

Os autores propõem estimadores não paramétricos eficientes para o funcional front-door longitudinal, baseados na Função de Influência Eficiente (EIF) da teoria semiparamétrica.

A. Identificação e Representação

• O artigo formaliza a identificação do resultado médio contrafactual sob o critério front-door longitudinal, assumindo independências condicionais específicas e positividade sequencial.
• São apresentadas representações alternativas do funcional (expectativas aninhadas e ponderação por probabilidade inversa - IPW), mas os autores argumentam que estimadores baseados puramente nessas representações não são robustos o suficiente ou sofrem com viés quando modelos paramétricos são mal especificados.

B. Estimação da Densidade do Mediador

Um dos maiores desafios é a estimação da densidade condicional do mediador, especialmente quando este é de alta dimensão.

• Reparametrização: Os autores propõem uma reparametrização da razão de densidades do mediador usando o Teorema de Bayes. Isso permite estimar a razão de densidades utilizando regressões binárias (ou modelos de resultado binário) em vez de estimar a densidade multivariada diretamente. Isso torna o método viável para mediadores contínuos e de alta dimensão.

C. Estimadores Propostos

Dois tipos de estimadores são derivados baseados na EIF:

1. Estimador One-Step: Calculado resolvendo a equação de estimação definida pela média empírica da EIF estimada. É simples de computar, mas pode produzir estimativas fora do espaço de parâmetros e é sensível a violações de positividade próxima.
2. Targeted Minimum Loss-Based Estimator (TMLE): Um estimador de substituição que atualiza os estimadores iniciais das funções de nuisance de forma direcionada ("targeted") para minimizar uma função de perda ao longo de um submodelo menos favorável.
   • O TMLE garante que as estimativas permaneçam dentro dos limites do espaço de parâmetros.
   • Ambos os estimadores são multiplicamente robustos (ou duplamente robustos em certas condições), mantendo a consistência mesmo que algumas partes dos modelos de nuisance sejam mal especificadas, desde que certas combinações de modelos estejam corretas.

D. Propriedades Assintóticas

• Os estimadores são assintoticamente lineares e normais.
• Eles permitem o uso de métodos data-adaptive (como Super Learners e algoritmos de Machine Learning) para estimar as funções de nuisance, desde que a taxa de convergência desses estimadores seja superior a $n^{-1/4}$. Isso é crucial em cenários longitudinais complexos onde modelos paramétricos corretos são difíceis de especificar.

3. Contribuições Principais

1. Pioneirismo na Estimação Longitudinal: É o primeiro trabalho a desenvolver estimadores não paramétricos eficientes para o funcional front-door em dados longitudinais, preenchendo uma lacuna significativa na literatura.
2. Robustez e Flexibilidade: Os estimadores são multiplicamente robustos e compatíveis com métodos de aprendizado de máquina modernos, superando as limitações dos estimadores plug-in e IPW tradicionais.
3. Solução para Alta Dimensionalidade: A reparametrização proposta da densidade do mediador elimina a necessidade de estimar densidades condicionais multivariadas diretamente, permitindo a aplicação do método a mediadores contínuos e de alta dimensão.
4. Validação Empírica: O trabalho fornece uma análise teórica completa (EIF, propriedades assintóticas) e valida os métodos através de simulações e aplicação em dados reais.

4. Resultados

Estudo de Simulação

• Foram simulados quatro cenários de geração de dados (DGM) com mediadores binários e contínuos, com e sem efeitos diretos da exposição.
• Viés: Os estimadores One-Step e TMLE mostraram viés convergindo para zero na taxa $\sqrt{n}$ quando os modelos estavam corretos ou parcialmente corretos (cenários de robustez). Estimadores baseados em IPW e regressão sequencial não apresentaram essa convergência rápida sob má especificação.
• Erro Quadrático Médio (MSE): O TMLE apresentou um MSE ligeiramente melhor que o estimador One-Step em cenários de amostras finitas, devido à sua natureza de estimador de substituição.
• Cobertura: As probabilidades de cobertura dos intervalos de confiança de 95% foram próximas do nível nominal, mesmo com o uso de Super Learners, exceto quando todos os modelos de nuisance estavam mal especificados.

Aplicação Real: Ensaio de Alergia a Amendoim

• Os métodos foram aplicados aos dados do ensaio clínico de Du Toit et al. (2015) sobre o consumo de amendoim em lactentes e o desenvolvimento de alergia.
• Contexto: A exposição (consumo de amendoim) e o resultado (alergia) podem ter confundidores não medidos (comportamentais/genéticos). Os anticorpos imunoglobulina (IgE, IgG, IgG4) serviram como mediadores longitudinais.
• Resultados:
  • O efeito causal médio (ACE) estimado foi negativo ($\approx -0.078$), indicando que o consumo de amendoim tem um efeito protetor contra o desenvolvimento de alergia em comparação com a evitação.
  • O efeito de intervenção populacional (PIE) também confirmou que o consumo reduz o risco em comparação com a situação observada.
  • As estimativas do TMLE e do One-Step foram quase idênticas, validando a aplicabilidade prática do método.

5. Significância e Conclusão

Este trabalho é fundamental para a inferência causal em estudos observacionais complexos onde a randomização não é possível e existem confundidores não medidos. Ao fornecer ferramentas robustas para o critério front-door longitudinal, os autores permitem que pesquisadores explorem mecanismos causais em cenários de saúde pública e epidemiologia que antes eram considerados não identificáveis.

A capacidade de utilizar algoritmos de aprendizado de máquina para modelar relações complexas entre variáveis temporais, sem sacrificar a validade da inferência estatística, representa um avanço significativo na metodologia causal. As limitações atuais (exposição binária) são apontadas como direções para pesquisa futura, mas o método estabelecido abre caminho para aplicações em diversos campos, desde medicina até ciências sociais.