Resumo Técnico: Análise de Variáveis Instrumentais Aninhadas Baseada em Design

Título Original: Design-based nested instrumental variable analysis
Autores: Zhe Chen, Xinran Li, Michael O. Harhay e Bo Zhang.

---

1. O Problema (Contexto e Motivação)

Em estudos de inferência causal, variáveis de confusão não observadas frequentemente enviesam a estimativa do efeito do tratamento. A técnica clássica de Variáveis Instrumentais (IV) resolve isso utilizando uma fonte de variação no tratamento que é independente dos confundidores. No entanto, a análise de IV tradicional geralmente foca no efeito médio sobre o grupo de "complacentes" (compliers).

O problema abordado neste artigo surge quando existem dois instrumentos binários aninhados. O aninhamento ocorre quando indivíduos que cumprem o tratamento sob um instrumento mais "fraco" também o cumprem sob um instrumento mais "forte" (ex: um incentivo maior). A análise tradicional não consegue distinguir entre dois subgrupos latentes cruciais:

1. Always-compliers (ACO): Indivíduos que aderem ao tratamento independentemente da intensidade do incentivo.
2. Switchers (SW): Indivíduos que só aderem ao tratamento quando o incentivo é mais forte.

A incapacidade de separar esses grupos impede a compreensão da heterogeneidade do efeito do tratamento e da eficácia de diferentes estratégias de implementação de políticas de saúde.

2. Metodologia Proposta

Os autores propõem uma estrutura de inferência baseada em design (design-based inference), que se afasta dos modelos estruturais tradicionais e foca no mecanismo de randomização.

A. Design "Pair-of-Pairs" (PoP-NIV)

Eles introduzem um novo desenho experimental chamado PoP-NIV. Em cada estrato pareado, o design organiza quatro unidades em dois pares:

• Um par recebe o par de doses de IV $\{0a, 1a\}$ (mais fraco).
• O outro par recebe o par de doses de IV $\{0b, 1b\}$ (mais forte).
  Este desenho permite estimar o ACO-SATE (Efeito Médio do Tratamento na amostra de always-compliers) e o SW-SATE (Efeito Médio do Tratamento na amostra de switchers).

B. Inferência Baseada em Design

Diferente de métodos que dependem de modelagem de resultados potenciais, a metodologia proposta utiliza a probabilidade de atribuição do instrumento para realizar testes de hipóteses exatos e intervalos de confiança assintoticamente válidos. Eles desenvolvem testes para:

• O efeito nos always-compliers ($\kappa$).
• O efeito nos switchers ($\lambda$).
• A homogeneidade do efeito ($\kappa = \lambda$), permitindo verificar se o tratamento afeta ambos os grupos da mesma forma.

C. Esquema de Randomização Parcialmente Enviesada

Em cenários reais (como ensaios multicêntricos), a atribuição do instrumento entre diferentes centros pode não ser perfeitamente aleatória. Para lidar com isso, os autores propõem um esquema de randomização parcialmente enviesado, quantificando o desvio da randomização ideal através de um parâmetro de sensibilidade $\Gamma$. Isso permite que a inferência permaneça válida mesmo quando há viés na seleção de centros ou estudos.

3. Principais Contribuições

1. Identificação de Subgrupos: Capacidade de decompor o efeito do tratamento em always-compliers e switchers, fornecendo uma visão muito mais rica da heterogeneidade do efeito.
2. Robustez de Design: A abordagem baseada em design é robusta contra instrumentos fracos e não exige a modelagem de funções de confusão latentes.
3. Flexibilidade de Implementação: O novo design PoP-NIV e o tratamento de randomização enviesada tornam o método aplicável a dados observacionais complexos e ensaios clínicos reais.
4. Eficiência Computacional: Uso de algoritmos de fluxo de rede (network flow) para construir estratos pareados de forma rápida e eficiente.

4. Resultados e Aplicação (Caso de Estudo)

Os autores aplicaram o framework ao ensaio de rastreamento de câncer PLCO (Prostate, Lung, Colorectal, and Ovarian).

• Descobertas sobre a População: Estima-se que 52,2% dos participantes eram always-compliers e 26,7% eram switchers.
• Efeito do Tratamento:
  • Entre os always-compliers, o rastreamento de sigmoidoscopia flexível mostrou uma tendência de redução na taxa de câncer colorretal (-0,62%).
  • Entre os switchers, não foi detectado efeito significativo (1,46%).
• Significância Clínica: A análise explicou por que o efeito de intenção de tratar (ITT) não aumentou após 1997, apesar do aumento na adesão: o aumento na adesão foi impulsionado por switchers que, neste caso, não se beneficiaram tanto do tratamento quanto o grupo de adesão constante.

5. Significância

Este trabalho é fundamental para a ciência da implementação. Ao permitir que pesquisadores identifiquem quais grupos respondem a incentivos mais fortes e qual é o efeito real do tratamento nesses grupos, o método fornece uma base científica para decidir se políticas de saúde devem focar em aumentar a adesão geral ou em refinar o tratamento para aqueles que já são naturalmente aderentes. Além disso, a robustez contra vieses de seleção em múltiplos centros torna o método altamente relevante para a prática de ensaios clínicos globais.