Causal Sufficient Dimension Reduction for Multiple Continuous Exposures with an Application to Environmental Mixtures

Problema de Pesquisa
Estimar efeitos causais com exposições contínuas multivariadas é desafiador devido à alta dimensionalidade das superfícies de resposta-exposição (ERS) causais, o que complica tanto a estimação quanto a interpretação dos efeitos conjuntos das exposições. Este problema é particularmente agudo na epidemiologia ambiental, onde pesquisadores estudam os impactos na saúde de misturas de produtos químicos e poluentes. Nesses cenários, a regressão não paramétrica flexível sofre com a maldição da dimensionalidade, e superfícies de alta dimensão são difíceis de interpretar. Embora os métodos existentes de análise de misturas (ex: BKMR, BART) estimem relações complexas, eles frequentemente carecem de resumos de baixa dimensão ou são computacionalmente dispendiosos. Por outro lado, os métodos clássicos de redução de dimensão suficiente (SDR) — que identificam resumos lineares de baixa dimensão preservando a média condicional $E(Y|X)$ — falham em estudos observacionais com confusão (confounding), pois a média condicional difere da média causal $E(Y^x)$. Consequentemente, a SDR clássica pode recuperar resumos que não preservam a relação de resposta-exposição causal.

Metodologia
Os autores propõem a Redução de Dimensão Suficiente Causal (CSDR), um framework semiparamétrico projetado para identificar um resumo linear de baixa dimensão do vetor de exposição $X$ que preserve a ERS causal, $\mu(x) = E(Y^x)$.

1. Estimando Alvo: Os autores formalizam o Subespaço da Média Central Causal (CCMS), denotado por $S_{E(Y^x)}$, como o subespaço mínimo gerado por uma matriz $\beta$ tal que $\mu(x) = g(\beta^\top x)$. Isso difere do CMS clássico (Subespaço da Média Central), que visa a média condicional observacional.
2. Estimação Modular em Dois Estágios: Para superar os encargos de computação e de estimação de variáveis de confusão (nuisance) dos abordagens de Modelos Estruturais Marginais (MSM) existentes, os autores desenvolvem um framework modular:
   • Estágio 1 (Transformação): Construir variáveis transformadas $(\tilde{Y}, \tilde{X})$ tais que a média condicional de $\tilde{Y}$ dado $\tilde{X}$ seja igual à ERS causal. O artigo propõe três construções:
     • Alvos de Superfície de Resposta-Exposição (ERS): Usando estimativas diretas de $\mu(X)$ via Ajuste de Regressão (RA) ou estimadores Duplamente Robustos (DR).
     • Alvos de Pseudo-desfecho (PO): Usando pseudo-desfechos estocásticos cuja média condicional é igual a $\mu(X)$.
     • Pares de Resíduos (RP): Sob um modelo de confusão aditivo, usando resíduos de $Y$ e $X$ após regredir os confundidores $C$.
   • Estágio 2 (Redução de Dimensão): Aplicar um estimador padrão de SDR (especificamente o Estimador de Variância Média Mínima, MAVE) aos dados transformados $(\tilde{Y}, \tilde{X})$ para estimar o subespaço gerado por $\beta$. Os autores referem-se a isso como MAVE causalmente suficiente (csMAVE).
3. Framework Teórico: O artigo estabelece que o CCMS é identificável sob suposições causais padrão (consistência, positividade forte, ignorabilidade condicional) e condições de suavidade. Eles provam que o erro de estimação de variáveis de confusão do primeiro estágio se propaga para o segundo estágio, derivando taxas de convergência para a recuperação do subespaço e mostrando consistência para o estimador da dimensão estrutural.
4. Interpretação: Para lidar com a não unicidade da matriz de base $\beta$, os autores introduzem escores de importância do subespaço ($\lambda_j$), definidos como os elementos diagonais da matriz de projeção ortogonal sobre o CCMS. Esses escores quantificam a contribuição de cada exposição original para a representação causal reduzida e são invariantes à escolha da base.

Principais Contribuições

• Formalização do CCMS: O artigo define o CCMS como o estimando alvo para a redução de dimensão causal, distinguindo-o dos alvos de SDR clássica.
• Framework Modular: Propõe uma estratégia de estimação em dois estágios que desacopla a estimação de funções de confusão da estimação do subespaço. Isso simplifica a implementação em comparação com as abordagens de MSM baseadas em score existentes, que exigem a otimização iterativa de múltiplas funções de confusão dependentes da redução desconhecida.
• Garantias Teóricas: Os autores estabelecem taxas de convergência para a recuperação do subespaço causal, levando em conta os erros de estimação do primeiro estágio, e provam a consistência do estimador da dimensão estrutural.
• Ferramenta de Interpretabilidade: A introdução dos escores de importância do subespaço fornece um método invariante à base para interpretar a contribuição de cada exposição individual para a redução causal.
• Validação Empírica: Através de simulações e uma aplicação de dados reais, o artigo demonstra que a CSDR produz uma estimativa mais precisa e uma melhor quantificação de incerteza da ERS em comparação com métodos que utilizam redução de dimensão não causal ou as exposições originais de alta dimensão.

Resultos

• Simulações: Em simulações de Monte Carlo com $p=10$ exposições e $q=5$ confundidores, os métodos de SDR causal (particularmente as variantes RA e DR) superaram significativamente os métodos de linha de base (PCA, pCCA e MAVE baseado em associação) na recuperação do verdadeiro CCMS. O erro na recuperação do subespaço diminuiu com o tamanho da amostra, enquanto os métodos de linha de base mostraram convergência mais lenta ou falha em identificar o subespaço correto devido à confusão.
• Seleção de Dimensão: Os métodos CSDR recuperaram consistentemente a verdadeira dimensão estrutural ($d_0=2$), enquanto o MAVE baseado em associação tendeu a superestimar a dimensão.
• Estimação da ERS: Usando a exposição reduzida $\hat{Z} = \hat{\beta}^\top X$, os métodos CSDR alcançaram menor Erro Quadrático Médio (RMSE) e melhor cobertura de 95% pontual para a ERS em comparação com métodos usando o vetor de exposição completo ou reduções não causais.
• Aplicação de Dados Reais: Aplicado ao Coorte Materno-Infantil Afro-Americano de Atlanta ($n=305$), a CSDR estimou um resumo unidimensional ($d=1$) da exposição materna a PFAS (PFOS, PFOA, PFNA, PFHxS) afetando o peso ao nascer do bebê. O resumo de exposição resultante revelou uma relação não linear e monotonicamente decrescente. Os escores de importância do subespaço indicaram o PFOS como o principal contribuidor, contrastando com o MAVE padrão, que enfatizou incorretamente o PFOA.

Significância e Alegações
O artigo afirma que a CSDR fornece uma abordagem principada e computacionalmente eficiente para estudar os efeitos causais conjuntos de misturas ambientais. Ao preservar a superfície de resposta-exposição causal enquanto reduz a dimensionalidade, o método facilita a estimativa subsequente mais eficiente e resumos interpretáveis. Os autores enfatizam que seu framework modular reduz substancialmente o ônus da estimação de variáveis de confusão em relação às abordagens de modelos estruturais marginais existentes, tornando a redução de dimensão causal mais acessível. O trabalho preenche a lacuna entre a inferência causal para tratamentos contínuos e a redução de dimensão suficiente, ofereando uma ferramenta especificamente desenhada para lidar com a confusão em configurações de exposição de alta dimensão. Os autores notam modestamente que, embora seu framework simplifique a implementação, ele depende da precisão dos estimadores de variáveis de confusão do primeiro estágio e que trabalhos futuros podem explorar o relaxamento das suposições de suavidade ou a extensão do framework para estruturas de confusão mais gerais.