Resumo Técnico: Uma Estrutura Matemática para Análise de Dados Causais Topológicos

Declaração do Problema

Os resultados científicos modernos frequentemente se manifestam como objetos estruturados — tais como imagens, nuvens de pontos, redes e campos espaciais — em vez de valores escalares. Nesses contextos, o contraste causal padrão $Y_1 - Y_0$ é frequentemente indefinido ou cientificamente inadequado. Reduzir essas estruturas complexas a um único resumo escalar pode descartar informações geométricas ou topológicas críticas, enquanto a subtração simples falha em capturar mudanças de forma, conectividade ou agrupamento (clustering).

Embora a Análise de Dados Topológicos (TDA) forneça resumos multiescala (ex: diagramas de persistência, paisagens/landscapes) que são estáveis e sensíveis à forma, essas ferramentas carecem de uma interpretação causal inerente. Um recurso topológico descreve a geometria observacional, mas não contabiliza confusão (confounding) ou atribuição de tratamento. Inversamente, os frameworks de inferência causal padrão são tipicamente projetados para resultados de valores escalares ou vetoriais. Há uma necessidade de uma arquitetura matemática rigorosa que integre a identificação causal com a representação topológica sem confundir os papéis distintos de intervenção, identificação e extração de características.

Metodologia: O Framework TCDA

O artigo introduz a Análise de Dados Causais Topológicos (TCDA), um framework definido pela tupla $P_{TCDA} = (S, M(G), T, C)$. Esta arquitetura separa explicitamente quatro camadas:

1. Espaço de Observação ($S$): O espaço mensurável dos dados observados $(X, A, Y)$.
2. Classe de Modelo Causal ($M(G)$): O conjunto de modelos causais compatíveis com um grafo $G$, determinando os resultados potenciais $Y^a$.
3. Representação Topológica ($T$): Um mapa mensurável transformando resultados ou leis em um espaço métrico ou de Banach.
4. Consulta Causal ($C$): O alvo específico da inferência definido sobre o modelo causal.

O framework distingue dois ramos primários de análise, que geralmente não comutam:

1. TCDA ao Nível do Resultado (Outcome-Level)

Neste ramo, a topologia é aplicada aos resultados potenciais individuais antes da média.

• Representação: Seja $T_{out}: Y \to B$ um mapa mensurável em um espaço de Banach separável $B$ (ex: paisagens de persistência, silhuetas).
• Alvo: O Efeito de Tratamento Médio Topológico (TATE) é definido como:
  $$TATE_{out} = E[T_{out}(Y^1)] - E[T_{out}(Y^0)]$$
• Identificação: Sob suposições padrão (Consistência, Troca de Condicionalidade/Exchangeability, Positividade Estrita), o efeito ao nível do resultado é identificado via padronização ou ponderação pela probabilidade inversa (IPW). O artigo estende esses resultados para resultados com valores em espaços de Banach, estabelecendo condições para integrabilidade de Bochner e derivando estimadores duplamente robustos com limites de taxa de produto para funções de incômodo (nuisance functions).
• Efeitos Livres de Vetorização: Para casos onde a vetorização é evitada, o framework considera estimandos de espaço métrico como médias de Fréchet ou medianas geométricas de diagramas de persistência, baseando-se na geometria métrica do espaço do diagrama (ex: distância de Wasserstein).

2. TCDA ao Nível da Distribuição (Distribution-Level)

Neste ramo, a topologia é aplicada às próprias leis de resultado intervencionais.

• Representação: Seja $T_{dist}: \mathcal{P}^*(Y) \to Z_{dist}$ um mapa que atua sobre leis de probabilidade (ex: aplicando homologia persistente ao suporte ou à função de distância-para-a-medida).
• Alvo: O efeito ao nível da distribuição é:
  $$\Delta_{dist} = T_{dist}(P^1_Y) - T_{dist}(P^0_Y)$$
  (ou uma discrepância escalar $d_{dist}(T_{dist}(P^1_Y), T_{dist}(P^0_Y))$).
• Identificação: As leis intervencionais $P^a_Y$ são identificadas via a fórmula-$g$ causal. A representação topológica é aplicada após este passo de identificação.
• Não-Comutação: O artigo demonstra que contrastes ao nível do resultado e ao nível da distribuição geralmente diferem. Eles concordam se, e somente se, $T_{dist} - A$ for constante sobre a classe relevante de leis (onde $A$ é o funcional da média). Representações não-afins (ex: aquelas sensíveis a agrupamento ou conectividade) criam uma divergência fundamental entre a média de resumos topológicos e o resumo de leis médias.

Estabilidade e Garantias de Plug-in

O framework estabelece que, se a representação topológica for Lipschitz contínua em relação a uma métrica de diagrama específica (ex: distância de bottleneck ou Wasserstein), o contraste causal herda essa estabilidade.

• Nível do Resultado: A estabilidade é transferida do espaço de resultados para o TATE através do acoplamento dos resultados potenciais.
• Nível da Distribuição: A estabilidade é transferida do espaço de leis de probabilidade (ex: distância $W_2$) para o efeito ao nível da distribuição. Para a persistência de Distância-para-a-Medida (DTM), o erro no efeito estimado é limitado pelo erro $W_2$ das leis intervencionais estimadas, escalonado pelo parâmetro $m$ do DTM.

Ignorabilidade Topológica e Limites de Descoberta

• Ignorabilidade Específica ao Alvo: Baseando-se em Saki e Faghihi [32], o artigo formaliza a ignorabilidade topológica condicional. Esta é uma suposição mais fraca que a troca de condicionalidade fraca, suficiente para identificar efeitos padronizados por covariáveis mesmo quando as leis intervencionais completas não são identificadas, desde que a representação seja não-injetiva e leis distintas residam na mesma fibra.
• Descoberta Causal: O artigo esclarece os limites da topologia na descoberta causal. Embora resumos topológicos possam distinguir classes de modelos restritas (ex: separando um mecanismo circular latente de dependências funcionais baseadas na topologia do suporte), eles não podem, por si só, orientar arestas causais ou identificar intervenções sem suposições adicionais (ex: ordem temporal, ruído independente).

Principais Contribuições

1. Arquitetura Unificada: Uma separação formal de observação, modelos causais, representações topológicas e consultas, evitando a confusão entre questões científicas sobre intervenções, identificação e relevância de características.
2. Formulação em Espaço de Banach: Um tratamento rigoroso da TCDA ao nível do resultado para resumos com valores em espaços de Banach, incluindo identificação, estimativa duplamente robusta e condições para integrabilidade de Bochner.
3. Caracterização da Não-Comutação: Uma caracterização teórica de quando os efeitos ao nível do resultado e ao nível da distribuição concordam, provando que transformações topológicas não-afins geralmente levam a alvos causais distintos.
4. Transferência de Estabilidade: Derivação de limites de estabilidade para contrastes causais baseados nas constantes de Lipschitz de representações topológicas, especificamente ligando erros $W_2$ na estimativa de leis a erros em efeitos causais baseados em DTM.
5. Esclarecimento dos Limites de Descoberta: Uma formalização de quando a topologia observacional pode auxiliar na descoberta causal (via separação de classes de modelos) e declarações explícitas sobre sua incapacidade de substituir suposições causais para identificação de estrutura.

Resultados e Significância

O artigo não propõe novos algoritmos de estimativa para conjuntos de dados específicos, mas sim fornece a infraestrutura matemática para justificar e analisar métodos existentes e futuros.

• Significância: O framework esclarece que a topologia não define intervenções; ela fornece resumos estáveis e sensíveis à forma após as suposições causais serem especificadas. Ele destaca que a ordem das operações (transformação topológica vs. agregação populacional) define o alvo causal.
• Implicação Prática: Pesquisadores devem escolher explicitamente se sua questão científica diz respeito à mudança média em formas individuais (nível do resultado) ou à mudança na geometria da distribuição populacional (nível da distribuição), pois estes são alvos distintos que podem gerar conclusões diferentes.
• Robustez: O framework mostra que, embora a ignorabilidade topológica possa permitir a identificação de efeitos grosseiros sob suposições mais fracas, ela não fornece robustez genérica contra confusão oculta para efeitos marginais ou identificação total da lei.

Em conclusão, a TCDA coloca a análise de dados topológicos dentro da sequência padrão de inferência causal (definição de alvo $\to$ suposições $\to$ identificação $\to$ estimativa), garantindo que os resumos topológicos sejam interpretados com o rigor causal apropriado.