The Role of Measured Covariates in Assessing Sensitivity to Unmeasured Confounding

Resumo Técnico

1. O Problema

A análise de sensibilidade é uma ferramenta padrão para avaliar a robustez de conclusões causais em estudos observacionais, determinando quão forte um confundidor não medido precisaria ser para anular um efeito causal estimado. No entanto, a interação entre essa análise e a estrutura das covariáveis medidas (variáveis de controle) é frequentemente negligenciada.

O problema central abordado é o seguinte: quando confundidores latentes ($U$) não podem ser ajustados diretamente e são controlados por meio de variáveis proxy ($X$), uma forte associação (multicolinearidade) entre a exposição ($A$) e essas covariáveis medidas pode, paradoxalmente, amplificar a sensibilidade do resultado a confundimento residual. Enquanto a multicolinearidade é tradicionalmente vista apenas como um problema de precisão estatística (aumento do erro padrão), este artigo demonstra que, na presença de confundimento não medido, ela pode distorcer a validade das estimativas causais, tornando-as mais frágeis a viés de variáveis omitidas.

2. Metodologia e Estrutura Teórica

Os autores formalizam esse fenômeno no contexto de regressão linear e desenvolvem uma nova métrica observável para quantificar essa sensibilidade ampliada.

• Modelo Estrutural:
  Considera-se um modelo onde o resultado $Y$ depende da exposição $A$, de uma covariável medida $X$ (proxy de um confundidor latente $U$) e do próprio $U$:
  $$Y = \alpha_0 + \beta A + \theta_X X + \gamma U + \varepsilon_Y$$
  $$X = U + \varepsilon_X$$
  Onde $\beta$ é o efeito causal verdadeiro e $\gamma$ representa a força do confundimento.

• Proposição 1 (O Principal Resultado Teórico):
  Os autores derivam uma expressão para o viés na estimativa do coeficiente de regressão ($\hat{\beta}$) quando $X$ é incluído no modelo, mas $U$ não. O viés é decomposto em três componentes:

  1. $\gamma$: A força do confundimento de $U$ sobre $Y$.
  2. $Var(\varepsilon_X)$: A qualidade do proxy $X$ (erro de medição).
  3. Fator de Amplificação: Uma razão observável envolvendo a associação entre a exposição e o proxy.

  A fórmula do viés amplificado é dada por:
  $$\text{Viés} \propto \gamma \cdot Var(\varepsilon_X) \cdot \frac{\beta_{A \sim X}}{Var(A)(1 - R^2_{A \sim X})}$$
  Onde:

  • $\beta_{A \sim X}$ é o coeficiente de regressão de $A$ sobre $X$.
  • $Var(A)(1 - R^2_{A \sim X})$ é a variância residual de $A$ após ajustar por $X$.

  Interpretação: À medida que a associação entre a exposição e o proxy ($X$) se torna mais forte (maior $\beta_{A \sim X}$ ou maior $R^2$), o denominador (variância residual) diminui, amplificando o impacto do viés residual. Isso significa que, mesmo que o modelo pareça estatisticamente significativo, a conclusão causal é extremamente sensível a qualquer viés não controlado.

• Aplicação Empírica:
  Os autores aplicam esse quadro teórico a dados reais do NHANES (National Health and Nutrition Examination Survey), analisando a relação entre fumo e câncer de pulmão em dois períodos distintos: 1971–1974 e 2015–2016.

  • Hipótese: O fumo tornou-se mais estratificado socioeconomicamente ao longo do tempo.
  • Variáveis: $A$ = Status de fumante; $Y$ = Incidência de câncer de pulmão; $X$ = Proxy de status socioeconômico (ex: índice de pobreza, educação).

3. Resultados Principais

• Evolução da Multicolinearidade:
  A análise dos dados do NHANES revela que a associação entre o status de fumante e as covariáveis socioeconômicas (como índice de pobreza e educação) aumentou drasticamente entre 1971 e 2016.

  • Em 1971-74, o fumo era mais distribuído entre diferentes grupos socioeconômicos.
  • Em 2015-16, o fumo tornou-se fortemente concentrado em grupos de menor status socioeconômico, resultando em uma alta multicolinearidade entre a exposição e as variáveis de controle.

• Amplificação da Sensibilidade:
  Ao calcular a razão proposta na Proposição 1 (coeficiente do índice de pobreza na regressão de propensão dividido pela variância residual do fumo), os autores encontraram:

  • Intervalos de confiança não sobrepostos entre os dois períodos.
  • A sensibilidade ao confundimento não medido é significativamente maior nos dados contemporâneos (2015-16) do que nos dados históricos (1971-74).
  • Isso ocorre porque a variância residual do fumo (o que não é explicado pelo status socioeconômico) diminuiu, enquanto a associação com o proxy aumentou, tornando a estimativa causal muito mais frágil a qualquer viés residual não capturado pelo proxy.

• Simulação (Figura 1):
  Uma simulação controlada demonstrou que dois estudos podem ter estimativas de efeito e erros padrão semelhantes, mas o estudo onde a exposição é fortemente prevista pelas covariáveis (Study 1) possui uma sensibilidade muito maior a confundimento não medido do que o estudo com associação mais fraca (Study 2).

4. Contribuições Chave

1. Reformulação da Multicolinearidade: O artigo desafia a visão tradicional de que a multicolinearidade é apenas um problema de eficiência (precisão). Ele estabelece que, na presença de confundimento não medido, a multicolinearidade é um problema de validade, amplificando o viés de variáveis omitidas.
2. Nova Métrica Observável: Propõe uma razão simples e calculável (coeficiente da exposição no modelo de covariáveis / variância residual da exposição) como um indicador direto de quão sensível uma conclusão causal é a confundimento não medido quando se usam proxies.
3. Evidência Empírica Histórica: Demonstra que a interpretação de estudos observacionais deve evoluir com o tempo. Uma conclusão causal robusta em 1970 pode não ser robusta hoje, mesmo com os mesmos métodos estatísticos, devido a mudanças na estrutura social (estratificação) que alteram a relação entre exposição e covariáveis.

5. Significado e Implicações

• Cautela em Estudos Observacionais: O trabalho serve como um alerta para pesquisadores que utilizam variáveis de controle como proxies para confundidores latentes. Se a exposição estiver altamente correlacionada com essas covariáveis, a análise de sensibilidade padrão pode subestimar a fragilidade da conclusão causal.
• Interpretação de Sensibilidade: A robustez de um estudo não depende apenas do tamanho do efeito ou do valor-p, mas também da estrutura de correlação entre a exposição e as variáveis de controle.
• Relevância para Políticas Públicas: No caso do fumo e câncer de pulmão, sugere que estudos recentes que não levam em conta essa amplificação de viés podem estar superestimando a certeza causal ou subestimando a necessidade de evidências experimentais ou quasi-experimentais mais rigorosas.

Em suma, o artigo fornece um quadro matemático e empírico para entender como a estrutura dos dados observados (especificamente a multicolinearidade entre exposição e proxies) pode tornar as conclusões causais mais vulneráveis a confundimento não medido, exigindo uma reavaliação crítica de estudos observacionais em contextos de alta estratificação social.