Resumo Técnico: Identificação e Estimação de Mecanismos Causais em Ensaios Randomizados por Aglomerados com Confundimento Pós-Tratamento Usando Não-Parametria Bayesiana

1. Problema e Motivação

Os Ensaios Randomizados por Aglomerados (CRTs, do inglês Cluster-Randomized Trials) são fundamentais em pesquisa de saúde pública e políticas sociais, onde grupos inteiros (escolas, comunidades) são randomizados. A análise de mediação causal nestes contextos visa entender como as intervenções afetam os resultados individuais. No entanto, dois desafios principais complicam a análise padrão:

1. Interferência: O resultado de um indivíduo pode ser afetado pelos mediadores de outros indivíduos dentro do mesmo aglomerado (efeitos de transbordamento ou spillover).
2. Confundimento Pós-Tratamento: Variáveis intermediárias que ocorrem após a atribuição do tratamento, mas antes do mediador, e que influenciam tanto o mediador quanto o resultado. Se não ajustadas, introduzem viés.

A literatura existente frequentemente assume independência entre mundos contrafactuais (cross-world independence) para identificar efeitos, uma suposição não testável. Além disso, muitos métodos falham em lidar simultaneamente com interferência, confundimento pós-tratamento e a estrutura hierárquica complexa dos dados, especialmente quando se busca modelar a distribuição conjunta de covariáveis e respostas sem especificação paramétrica rígida.

O estudo é motivado pela reanálise do estudo RPS (Red de Protección Social), um ensaio na Nicarágua que avaliou programas de transferência de renda condicional. O objetivo era entender como a diversidade alimentar (mediador) afeta o crescimento infantil (resultado), ajustando-se para o estado de consultas de saúde (confundidor pós-tratamento), que é incentivado pelo programa e precede a mudança na dieta.

2. Metodologia Proposta

Os autores propõem um quadro de trabalho unificado que combina identificação causal robusta com uma nova estrutura de prior não-paramétrica bayesiana.

2.1. Identificação Causal e Sensibilidade

• Definição de Estimandos: O trabalho define efeitos diretos naturais (NDE), efeitos indiretos naturais (NIE), e decompõe o NIE em Efeito do Mediador Individual (IME) e Efeito de Transbordamento do Mediador (SME), considerando a interferência dentro do aglomerado.
• Suposições de Identificação: Utilizam a ignorabilidade sequencial e uma suposição de independência inter-individual entre mundos.
• Abordagem de Sensibilidade: Reconhecem que a distribuição conjunta de confundidores em diferentes mundos contrafactuais (ex: estado de saúde sob tratamento vs. controle) não é identificável a partir dos dados observados. Para contornar isso, introduzem um modelo de cópula Gaussiana multivariada.
  • Um parâmetro de sensibilidade ($\rho$) indexa a dependência entre os confundidores pós-tratamento em mundos diferentes.
  • Isso permite uma análise de sensibilidade transparente, onde os investigadores podem avaliar como as conclusões mudam à medida que a suposição de independência é relaxada.

2.2. Prior Não-Paramétrico: CA-EDP

Para a estimação, os autores desenvolvem um novo prior hierárquico chamado Processo de Dirichlet Enriquecido de Átomos Comuns Aninhado (CA-EDP). Este prior combina duas estruturas existentes para superar suas limitações individuais:

1. Modelo de Átomos Comuns (CAM): Permite que diferentes aglomerados compartilhem um conjunto comum de átomos (componentes da mistura), capturando a heterogeneidade entre e dentro dos aglomerados sem forçar a degeneração (onde aglomerados diferentes são forçados a ser idênticos se compartilharem um único átomo).
2. Processo de Dirichlet Enriquecido (EDP): Modela a distribuição conjunta de covariáveis e respostas. Diferente de métodos anteriores (como o nDDP) que tratam as covariáveis como fixas ou empíricas, o CA-EDP modela a distribuição conjunta $P(Y, M, D, X, V, N)$.
   • Estrutura Hierárquica: O modelo possui três níveis de concentração ($\alpha^*, \alpha_\theta, \alpha_\phi$) que controlam a partição de aglomerados, grupos de resposta (resultado/mediador) e grupos de covariáveis, respectivamente.
   • Vantagem: Ao modelar a distribuição das covariáveis, o método propaga corretamente a incerteza sobre a distribuição da população, evitando o viés de substituição por distribuições empíricas e lidando naturalmente com dados faltantes ignoráveis.

2.3. Inferência e Teoria

• Algoritmo: Utilizam um amostrador de Gibbs bloqueado baseado em uma aproximação por truncamento de três níveis para o CA-EDP.
• Garantias Teóricas: Os autores provam propriedades de distribuição (probabilidades de empate e estruturas de correlação), mostram que o modelo evita a degeneração total (mantendo a troca parcial) e estabelecem limites de erro para a aproximação truncada, garantindo a convergência da inferência posterior.

3. Resultados Principais

3.1. Estudos de Simulação

Os métodos foram comparados com o prior nDDP (estado da arte anterior) e modelos paramétricos bayesianos em vários cenários (distribuições multimodais, alta dimensionalidade, tamanhos de aglomerado variados).

• Desempenho: O CA-EDP demonstrou superioridade na quantificação da incerteza, produzindo intervalos de credibilidade com cobertura próxima ao nominal (95%), especialmente em cenários com poucas aglomerações ou distribuições complexas de covariáveis.
• Comparação: Enquanto o nDDP tende a ter menor erro quadrático médio (RMSE) em cenários de alta dimensionalidade com poucas aglomerações (devido à simplicidade de usar distribuições empíricas), ele frequentemente subestima a incerteza (cobertura abaixo do nominal). O CA-EDP oferece um equilíbrio robusto, superando modelos paramétricos em cenários de má especificação.

3.2. Aplicação ao Estudo RPS

Na reanálise do estudo de transferência de renda na Nicarágua:

• Efeito de Mediação: Confirmou-se que a diversidade alimentar é um mediador importante, mas o efeito é modesto.
• Impacto do Confundimento: Ao ajustar para o confundidor pós-tratamento (consultas de saúde), o efeito indireto (mediação) diminuiu e o efeito direto aumentou. Isso indica que parte do efeito atribuído anteriormente à dieta era, na verdade, mediada ou confundida pelo acesso a serviços de saúde.
• Efeitos de Transbordamento: Houve evidências de efeitos de transbordamento (SME) dentro das regiões administrativas, embora com incerteza considerável.
• Robustez: A análise de sensibilidade mostrou que as conclusões qualitativas (sinal e magnitude dos efeitos) são robustas a diferentes valores do parâmetro de dependência cruzada ($\rho$), sugerindo que os resultados não dependem criticamente da suposição não testável de independência.

4. Contribuições Chave

1. Framework de Identificação: Desenvolvimento de um método para mediação causal em CRTs que lida explicitamente com confundimento pós-tratamento e interferência, substituindo suposições de independência de mundos cruzados por um modelo de cópula indexado por parâmetro de sensibilidade.
2. Novo Prior (CA-EDP): Introdução de um prior não-paramétrico hierárquico que combina a flexibilidade do EDP com a estrutura de compartilhamento de átomos do CAM, permitindo modelagem conjunta de covariáveis e respostas em dados multiníveis sem degeneração.
3. Suporte Teórico e Prático: Prova de propriedades de partição, limites de erro de truncamento e implementação via Gibbs sampling, oferecendo uma ferramenta computacionalmente viável para problemas complexos de inferência causal.

5. Significância e Impacto

Este trabalho avança significativamente a metodologia de inferência causal em ensaios clínicos e sociais complexos.

• Validade Causal: Ao lidar com confundimento pós-tratamento e interferência simultaneamente, o método fornece estimativas mais válidas dos mecanismos de ação de intervenções.
• Quantificação de Incerteza: A modelagem conjunta das covariáveis corrige a subestimação comum da incerteza em métodos que tratam covariáveis como fixas, crucial para estudos com poucos aglomerados.
• Transparência: A abordagem de sensibilidade baseada em cópula oferece aos pesquisadores uma maneira rigorosa de avaliar a robustez de suas conclusões contra suposições não testáveis, um requisito essencial para a credibilidade científica em políticas públicas.

Em suma, o artigo fornece tanto a teoria quanto a ferramenta prática necessária para desvendar mecanismos causais em intervenções em grupo, superando limitações de métodos anteriores e oferecendo resultados mais confiáveis para a tomada de decisão em saúde pública e políticas sociais.