Two-stage Estimation for Causal Inference Involving a Semi-continuous Exposure

Resumo Técnico: Estimação em Duas Etapas para Inferência Causal com Exposições Semicontínuas

1. O Problema

Na pesquisa em saúde pública e epidemiologia, é comum encontrar variáveis de exposição que são semicontínuas. Essas variáveis apresentam uma massa significativa de probabilidade em zero (indivíduos não expostos) e uma distribuição contínua (frequentemente assimétrica) entre os expostos. Exemplos clássicos incluem consumo de álcool, tabagismo, uso de cannabis e exposição a toxinas ambientais.

Os métodos tradicionais de inferência causal enfrentam desafios com esses dados:

• Exposições Binárias: Métodos baseados em Propensity Score (PS) funcionam bem, mas não capturam a intensidade da dose.
• Exposições Contínuas: O uso de Generalized Propensity Scores (densidade condicional) pode levar a estimadores altamente variáveis devido a pesos extremos (sobrepesagem) quando há sobreposição limitada ou outliers.
• Abordagens Atuais: Trabalhos anteriores propuseram modelos de duas partes (status de exposição + dose), mas muitas vezes focaram apenas na modelagem e ajuste, sem definir formalmente os estimandos causais dentro de um quadro unificado de resultados potenciais, nem estabelecer propriedades assintóticas robustas para estimadores que separam o efeito do "status" (exposto vs. não exposto) do efeito da "dose" (intensidade).

O objetivo deste artigo é preencher essa lacuna, propondo um framework causal rigoroso para estimar simultaneamente o efeito de mudar o status de exposição e o efeito da dose entre os expostos.

2. Metodologia Proposta

Os autores desenvolvem um framework de estimação em duas etapas baseado em Propensity Scores (PS) e o modelo de resultados potenciais.

A. Definição dos Estimandos Causais
O framework define dois parâmetros causais distintos:

1. Efeito Dose-Resposta ($\Delta_D$): O efeito causal de aumentar a dose em uma unidade entre os indivíduos que já estão expostos ($A=1$).
   • Formulação: $E\{Y(1, d+1) - Y(1, d) | A=1\}$.
2. Efeito de Status de Exposição ($\Delta_0(c)$): O efeito causal de estar exposto em uma dose de referência $c$ (clinicamente significativa) em comparação com não estar exposto ($A=0$).
   • Formulação: $E\{Y(1, c) - Y(0, 0)\}$.

B. Estrutura de Propensity Score de Duas Partes
Para lidar com a natureza semicontínua, o método introduz um PS de duas partes:

• Parte 1 (Status): Um modelo logístico para estimar a probabilidade de exposição $P(A=1 | Z_2)$.
• Parte 2 (Dose): Um modelo linear (ou similar) para estimar a dose esperada entre os expostos $E(D | A=1, Z_1)$.
• Os conjuntos de covariáveis $Z_1$ e $Z_2$ podem ser diferentes, permitindo que fatores distintos confundam a decisão de expor-se e a intensidade da exposição.

C. O Algoritmo de Duas Etapas
O método separa a estimação dos dois efeitos para permitir flexibilidade e robustez:

• Etapa I (Efeito Dose-Resposta):

  • Foca apenas nos indivíduos expostos ($A=1$).
  • Utiliza ajuste por regressão baseado no PS (regressão da dose no PS da dose) para estimar o efeito da dose ($\gamma_{11}$).
  • Assume que o modelo do PS para a dose está corretamente especificado.

• Etapa II (Efeito de Status):

  • Compara expostos vs. não expostos.
  • Utiliza o efeito da dose estimado na Etapa I como um offset (termo fixo) no modelo de resultado. Isso "remove" a variação atribuída à intensidade da dose, isolando o efeito de ter sido exposto em uma dose de referência $c$.
  • Oferece três abordagens para a Etapa II:
    1. Ajuste por Regressão com PS.
    2. Inverse Probability Weighting (IPW).
    3. Augmented Inverse Probability Weighting (AIPW): Esta é a abordagem preferida por sua propriedade de dupla robustez. O estimador permanece consistente se ou o modelo de PS para o status ou o modelo de imputação (resultado) estiver corretamente especificado.

D. Propriedades Assintóticas e Robustez

• Os autores provam a consistência e a normalidade assintótica dos estimadores.
• Derivam as expressões para os valores limites (viés assintótico) quando os modelos de PS estão mal especificados, mostrando como o viés se propaga da Etapa I para a Etapa II.
• O uso de AIPW na Etapa II mitiga o risco de viés se o modelo de imputação for correto, mesmo que o PS esteja errado.

3. Resultados Principais

A. Estudos de Simulação
Os autores realizaram simulações extensas com dois processos de geração de dados e cenários de especificação incorreta de modelos.

• Desempenho sob Especificação Correta: Todos os métodos baseados em PS (duas partes, duas etapas) apresentaram viés baixo e cobertura de intervalo de confiança próxima ao nível nominal (95%), superando significativamente a regressão de covariáveis simples (naive) e modelos de uma etapa.
• Robustez (Dupla Robustez): O estimador AIPW na Etapa II manteve-se consistente mesmo quando o modelo de PS para o status foi mal especificado, desde que o modelo de imputação estivesse correto.
• Sensibilidade à Etapa I: A precisão da Etapa II depende criticamente da correção do modelo na Etapa I. Se o modelo de PS para a dose (Etapa I) estiver errado, o viés se propaga para ambas as etapas, destacando a importância de modelar corretamente a distribuição da dose entre os expostos.
• Variância: Métodos baseados em ponderação (IPW/AIPW) tenderam a ter erros padrão maiores do que os baseados em regressão, mas ofereceram maior proteção contra viés de modelo.

B. Aplicação Real: Exposição ao Álcool Pré-natal (PAE)
O método foi aplicado ao Detroit Longitudinal Cohort Study, investigando o efeito do consumo de álcool durante a gravidez no QI das crianças (WISC-III) aos 7 anos.

• Dados: 377 crianças. A exposição é semicontínua (16,2% das mães não beberam; as que beberam tiveram consumo variável).
• Resultados:
  • Métodos baseados em PS estimaram efeitos negativos tanto para o status de beber quanto para a dose de álcool entre as bebadoras, indicando um efeito causal prejudicial.
  • O modelo de ajuste de covariáveis convencional produziu estimativas positivas para o status de beber, sugerindo viés residual devido à má especificação do modelo de resultado.
  • O estimador AIPW de duas etapas forneceu uma estimativa negativa para o efeito de beber ($\approx -0.176$), embora não estatisticamente significativo ao nível de 5%, o que é consistente com a literatura que aponta efeitos modestos mas nocivos.
  • A abordagem permitiu separar o impacto de "ter bebido" do impacto de "beber mais", algo difícil com métodos tradicionais.

4. Contribuições Chave

1. Framework Unificado: Estabelece formalmente um quadro de resultados potenciais para exposições semicontínuas, definindo claramente os estimandos para status e dose.
2. Estratégia de Duas Etapas: Propõe uma separação lógica da estimação que permite o uso de um offset para isolar o efeito do status, facilitando a interpretação causal.
3. Dupla Robustez Aplicada: Adapta o estimador AIPW para o contexto de duas etapas, oferecendo proteção contra erros de modelagem na segunda etapa.
4. Análise de Sensibilidade: Fornece derivações teóricas detalhadas sobre como a má especificação do PS afeta os estimadores finais, guiando os pesquisadores sobre os riscos de cada etapa.

5. Significado e Conclusão

Este trabalho oferece uma solução metodológica robusta para um problema comum em epidemiologia: a análise causal de exposições com massa em zero. Ao decompor o problema em "status" e "dose", o método permite responder a perguntas científicas distintas: "O ato de beber é prejudicial?" e "Beber mais é pior?".

A aplicação ao estudo do álcool pré-natal demonstra a utilidade prática do método, mostrando como ele pode corrigir viéses presentes em análises convencionais e fornecer estimativas mais confiáveis para políticas de saúde pública. A limitação principal identificada é a dependência da correção do modelo na Etapa I; portanto, o uso de métodos flexíveis ou não paramétricos na primeira etapa é recomendado para futuras pesquisas.

Em suma, o artigo avança significativamente a capacidade dos pesquisadores de realizar inferência causal precisa em cenários de dados complexos e semicontínuos, combinando rigor teórico com aplicabilidade prática.