Double Variable Importance Matching to Estimate Distinct Causal Effects on Event Probability and Timing

Resumo Técnico: Correspondência de Importância de Variáveis Dupla para Estimar Efeitos Causais Distintos na Probabilidade e no Tempo do Evento

Definição do Problema
Em análises de tempo até o evento em contextos clínicos, os métodos de sobrevivência padrão frequentemente falham em distinguir dois mecanismos de tratamento distintos: (1) a probabilidade de ser "curado" (ou seja, o evento nunca ocorrer dentro de um intervalo de tempo relevante) e (2) o tempo do evento entre aqueles que não foram curados. As abordagens tradicionais, como a análise de sobrevivência padrão ou métodos de inferência causal que tratam todos os indivíduos censurados como potenciais experienciadores do evento, confundem esses efeitos. Essa confusão obscurece os mecanismos específicos do tratamento, levando a informações prognósticas imprecisas e à tomada de decisão clínica subótima. O desafio é agravado por covariáveis de alta dimensão, confusão (confounding) e censura, que tornam difícil identificar quais características impulsionam a probabilidade de cura versus o tempo do evento.

Metodologia
Os autores propõem uma estrutura de Correspondência de Importância de Variáveis Dupla (DVIM - Double Variable Importance Matching) projetada para estimar separadamente os Efeitos de Tratamento Heterogêneos (HTE) na probabilidade de cura e no tempo médio condicional do evento (CMET). A metodologia procede através dos seguintes passos:

1. Divisão de Dados e Modelagem de Cura de Mistura: O conjunto de dados é dividido em conjuntos de treinamento e de estimação. No conjunto de treinamento, modelos de cura de mistura separados são ajustados para os braços de tratamento e controle. Esses modelos consistem em dois componentes:

   • Um modelo de regressão logística para a probabilidade de ser curado ($P(\text{cura}|X)$).
   • Um modelo de Tempo de Falha Acelerado (AFT) (especificamente log-normal) para a distribuição do tempo do evento entre indivíduos não curados.
   • Os parâmetros são estimados via máxima verossimilhança.

2. Aprendizado de Métricas de Distância: Os valores absolutos dos coeficientes estimados dos modelos de cura de mistura são usados para quantificar a importância das características. Duas métricas de distância euclidiana ponderadas distintas são construídas:

   • $d_{\text{cura}}$: Ponderada pelos coeficientes do componente de probabilidade de cura.
   • $d_{\text{tempo}}$: Ponderada pelos coeficientes do componente de tempo do evento.
   • Esses pesos aproximam a ponderação ideal de covariáveis para cada estimando específico, priorizando as características mais relevantes para o respectivo desfecho.

3. Procedimento de Correspondência Dupla: Para cada indivíduo no conjunto de estimação, dois grupos pareados distintos são formados:

   • Um grupo pareado usando $d_{\text{cura}}$ para estimar o HTE na probabilidade de cura.
   • Um grupo pareado usando $d_{\text{tempo}}$ para estimar o HTE no CMET.
   • Os vizinhos mais próximos são identificados a partir dos respectivos coortes de tratamento e controle.

4. Estimativa de HTE: Dentro dos grupos pareados, estimadores não paramétricos de Kaplan-Meier são aplicados:

   • HTE da Probabilidade de Cura: Estimado como a diferença nas probabilidades de sobrevivência em um horizonte de tempo pré-especificado $H$ ($S_1(H) - S_0(H)$).
   • HTE do CMET: Estimado como a diferença no tempo de evento esperado, condicionado ao evento ocorrer antes de $H$, derivado da área sob a curva de Kaplan-Meier.

Principais Contribuições
O artigo descreve seis contribuições primárias:

1. Estrutura Inovadora: Uma estrutura baseada em correspondência (matching) que estima separadamente o HTE na probabilidade de cura e no tempo do evento, abordando a limitação de confundir esses distintos efeitos clínicos.
2. Métricas de Distância Sob Medida: A construção de métricas de distância específicas para cura e tempo, derivadas das importâncias de covariáveis em um modelo de cura de mistura auxiliar.
3. Otimalidade Teórica: Prova de que essas métricas aprendidas são ótimas para a estimativa de HTE sob uma restrição de escala igual, minimizando a discrepância de pior caso (constante de Lipschitz) sob perturbações locais.
4. Consistência: Demonstração de que os estimadores propostos são consistentes para ambos os efeitos causais sob suposições padrão (consistência, não-confundimento, positividade e censura não informativa).
5. Decomposição de Erro: Decomposição teórica e empírica do erro de estimação em contribuições de censura, ajuste de modelo e ruído irredutível.
6. Validação: Validação abrangente através de diversos cenários de simulação e um estudo de caso do mundo real.

Resultados

• Simulações: Em quatro cenários de simulação (variando conforme se o efeito do tratamento modifica a cura, o tempo, ambos ou covariáveis sobrepostas), o método proposto alcançou consistentemente um Menor Erro Absoluto Médio (MAE) em comparação com a correspondência euclidiana padrão, correspondência de escore de propensão, correspondência de escore prognóstico e modelos de Cox. O desempenho do método aproximou-se de estimadores "oráculo" (que conhecem os parâmetros reais do processo gerador de dados), sugerindo que as métricas de distância aprendidas aproximam efetivamente as estruturas de correspondência ideais.
• Aplicação no Mundo Real: O método foi aplicado a uma coorte multicêntrica de 1.157 pacientes com leucemia aguda de linfoblasto, comparando transplantes de doadores haploidênticos versus doadores irmãos compatíveis. O método proposto estimou um HTE de sobrevivência livre de leucemia mais conservador e concentrado (aproximadamente 5% de melhoria) em comparação com outros métodos de correspondência, que produziram estimativas mais dispersas ou bimodais. Os autores atribuem isso à capacidade do método de separar a probabilidade de cura do tempo de sobrevivência de curto prazo.

Significância e Alegações
Os autores afirmam que sua abordagem oferece uma solução robusta e interpretável para a inferência causal em dados de tempo até o evento com uma subpopulação curada. Ao separar explicitamente a estimativa da probabilidade de cura e do tempo do evento, o método fornece insights mais claros sobre os mecanismos de tratamento, o que é crítico para decisões clínicas de alto risco. O artigo enfatiza que, embora o método seja teoricamente fundamentado e performe bem em simulações, ele depende da especificação correta do modelo de cura de mistura para a etapa de aprendizado da métrica de distância. Os autores observam que o método requer validação adicional em diversos conjuntos de dados do mundo real e permanece sensível à má especificação do modelo, apesar de combinar elementos paramétricos (para aprendizado de métrica) e não paramétricos (para a estimativa final). O trabalho não pretende resolver todos os desafios de inferência causal, mas visa especificamente a área subexplorada de abordar conjuntamente subpopulações curadas e distintos mecanismos de tratamento via correspondência.