Resumo Técnico: Justiça Causal para Análise de Sobrevivência

Declaração do Problema

Em domínios de alto risco, como saúde, emprego e justiça criminal, sistemas de aprendizado de máquina dependem cada vez mais de conjuntos de dados em grande escala para informar decisões. Embora o campo do Aprendizado de Máquina Justo (Fair ML) tenha avançado significativamente na detecção de viés e previsão justa, esses esforços focam amplamente em cenários estáticos (instantâneos de um único ponto no tempo). Por outro lado, a justiça em contextos temporais, especificamente em Análise de Sobrevivência ou análise de Tempo até o Evento (TTE), permanece pouco explorada.

As abordagens existentes para análise de sobrevivência justa adotam predominantemente definições estatísticas de justiça. O artigo argumenta que, mesmo com dados ilimitados, definições estatísticas não conseguem desvendar os mecanismos causais que geram disparidades. Elas falham em distinguir entre efeitos diretos de um atributo protegido, efeitos indiretos mediados por outras variáveis e efeitos espúrios (confundidos). Essa limitação impede uma explicação compreensível para humanos sobre por que as disparidades surgem e como elas evoluem ao longo do tempo.

Metodologia

Os autores propõem uma estrutura causal não paramétrica para justiça na análise TTE. A abordagem fundamenta-se em Modelos Causais Estruturais (SCMs) e procede através de quatro etapas distintas:

1. Formalização de Pressupostos: Os autores adaptam o Modelo Padrão de Justiça (SFM) para análise de sobrevivência. Este modelo gráfico inclui:

   • $X$: Atributo protegido (ex.: raça).
   • $Z$: Confundidores (não causalmente influenciados por $X$).
   • $W$: Mediadores (potencialmente influenciados por $X$).
   • $T$: Tempo de sobrevivência (não observado).
   • $C$: Tempo de censura.
   • $(M, \delta)$: Dados observados, onde $M = \min(T, C)$ e $\delta$ indica se o evento ocorreu.
     A estrutura considera três regimes de censura:
   • Censura Não-Informativa (NIC): $T \perp \perp C \mid X, Z, W$.
   • Riscos Competitivos (CR): Múltiplos tipos de evento ($T_1, \dots, T_K$) onde todos são de interesse.
   • Censura Informativa (IC): $T$ e $C$ compartilham causas comuns não observadas, exigindo análise de sensibilidade.

2. Recuperação da Sobrevivência Condicional: O método recupera primeiro a função de sobrevivência condicional $P(T \mid X, Z, W)$ (ou Funções de Incidência Acumulada em cenários CR) a partir dos dados censurados observados $(M, \delta)$.

3. Teorema da Redução Causal: Uma contribuição teórica central é o Teorema da Redução Causal (Teorema 1). Ele prova que qualquer funcional $\Phi$ da distribuição de sobrevivência condicional (ex.: probabilidade de sobrevivência no tempo $t$) é uma função determinística de $(X, Z, W)$. Isso permite reformular o problema: em vez de analisar diretamente a curva de sobrevivência complexa, pode-se analisar os efeitos causais de $X$ sobre a variável derivada $\Phi$. Isso permite a decomposição das disparidades em:

   • Efeito Direto (DE): $X \to T$ (ou $X \to \Phi$).
   • Efeito Indireto (IE): $X \to W \to T$.
   • Efeito Espúrio (SE): $X \leftrightarrow Z \to T$.

4. Estimação Eficiente: O artigo fornece estratégias de estimação para esses efeitos:

   • Estimação Baseada em Modelos: Utilizando Florestas Aleatórias de Sobrevivência (RSF) para estimar hazards condicionais e propensões.
   • Estimação Duplamente Robusta: Os autores derivam uma nova função de influência (Teorema 2) para dados censurados, permitindo estimação consistente mesmo se um dos modelos de incômodo (sobrevivência ou censura) estiver mal especificado.
   • Tratamento de Censura Informativa: Para cenários IC, o artigo emprega um Estimador Gráfico de Copula (CGE) baseado em cópulas arquimedianas. Como a distribuição conjunta não é totalmente identificável sem pressupostos fortes, os autores derivam limites afiados (Teorema 3) para a função de sobrevivência, que colapsam para estimativas pontuais à medida que a grade temporal se refina.

Principais Contribuições

1. Formalização da Justiça Causal em TTE: O artigo formaliza a justiça causal especificamente para análise de sobrevivência, provando o Teorema da Redução Causal para permitir a decomposição de caminhos das disparidades ao longo do tempo.
2. Resultados de Identificação: Deriva resultados de identificação para efeitos causais sob três regimes distintos: censura não-informativa, riscos competitivos e censura informativa.
3. Novos Estimadores Técnicos:
   • Um estimador duplamente robusto para efeitos contrafactuais em dados censurados (Teorema 2).
   • Limites afiados para estimação gráfica de cópula sob incrementos não-disjuntos (Teorema 3), abordando o desafio da censura informativa sem assumir independência.
4. Aplicação Empírica: A estrutura é aplicada a um conjunto de dados do mundo real de admissões em UTI para analisar disparidades raciais na mortalidade pós-UTI e readmissão.

Resultados

A metodologia foi aplicada ao Banco de Dados de Pacientes Adultos do ANZICS (249.958 pacientes, incluindo 10.436 pacientes indígenas) para estudar disparidades raciais em:

• Tempo até a Morte (Censura Não-Informativa):
  • A análise estatística padrão (medida de Variação Total) mostrou uma disparidade quase nula após 80 dias, sugerindo nenhuma diferença.
  • A Decomposição Causal revelou que esse resultado nulo mascarava efeitos substanciais e opostos específicos de cada caminho:
    • Efeito Direto: Pacientes minoritários mostraram melhor sobrevivência ao longo do caminho direto.
    • Efeito Indireto: Pacientes minoritários mostraram redução na sobrevivência devido a maiores cargas de doenças crônicas/agudas (mediadas por $W$).
    • Efeito Espúrio: Pacientes minoritários mostraram melhor sobrevivência devido à idade média mais baixa na admissão (confundida por $Z$).
  • A decomposição demonstrou que métricas padrão de justiça estatística podem obscurecer os mecanismos causais subjacentes que impulsionam as disparidades.
• Tempo até a Readmissão (Censura Informativa):
  • Analisado sob a suposição de que a morte atua como censura informativa para readmissão.
  • Usando análise de sensibilidade com parâmetros de dependência variáveis ($\tau$), o estudo encontrou que pacientes minoritários enfrentaram uma maior carga de readmissão, impulsionada largamente por efeitos indiretos (diagnósticos mais complexos e saúde crônica pior) e efeitos diretos, apesar de uma menor carga espúria devido à idade.

Significado e Alegações

O artigo alega que sua abordagem fornece uma explicação principial e compreensível para humanos das disparidades de sobrevivência que as análises padrão de justiça estatística perdem. Ao ir além de instantâneos estáticos e definições estatísticas, a estrutura permite que pesquisadores:

• Desvirem se as disparidades são causadas pelo próprio atributo protegido (direto), por fatores sistêmicos que afetam mediadores (indireto) ou por variáveis confundidoras (espúrio).
• Observem como essas disparidades evoluem ao longo do tempo, em vez de tratá-las como um único número agregado.
• Lidem com cenários complexos de dados do mundo real, incluindo riscos competitivos e censura informativa, que são comuns na saúde, mas frequentemente ignorados na literatura de Fair ML.

Os autores enfatizam que, embora sua estrutura dependa de pressupostos causais específicos (codificados no SFM), esses pressupostos permitem a identificação de mecanismos causais que seriam de outra forma não identificáveis apenas com métodos estatísticos. Eles reconhecem limitações, como a dependência da suposição de cópula arquimediana para censura informativa e a suposição de covariáveis invariantes no tempo, notando essas questões como direções para trabalhos futuros.