A Novel Approach to Instrumental Variable Estimation: TEAM-IV

Resumo Técnico: TEAM-IV

Definição do Problema
A análise de variável instrumental (IV) é uma abordagem padrão para estimar efeitos causais na presença de confusão não medida. No entanto, a validade das estimativas de IV depende da restrição de exclusão, que postula que os instrumentos afetam o desfecho apenas por meio da exposição. Na prática, particularmente em randomização mendeliana, os instrumentos frequentemente violam essa restrição via efeitos diretos (pleiotropia horizontal). Métodos de IV robustos existentes, como sisVIVE e CIIV, dependem de condições de "validade majoritária" ou "validade de pluralidade", exigindo que os instrumentos válidos constituam mais da metade (ou o maior grupo) do conjunto de candidatos. Esses métodos podem falhar ou produzir estimativas enviesadas quando os instrumentos inválidos são prevalentes, quando os efeitos diretos são grandes ou quando a condição de maioria é violada.

Metodologia: TEAM-IV
Os autores propõem o TEAM-IV (estimativa de Variável Instrumental baseada em Equipes), uma nova abordagem projetada para identificar e agregar conjuntos de instrumentos que parecem válidos juntos ("equipes"), permitindo uma estimativa confiável mesmo quando apenas um pequeno número de instrumentos candidatos é válido (potencialmente apenas dois). O método procede através de quatro estágios principais:

1. Ordenação Baseada em Ridge: Para mitigar a heterogeneidade na força dos instrumentos, que pode distorcer as estimativas de efeito direto, os autores primeiro constroem um vetor de exposição ajustado ($d_{adj}$) tal que sua projeção no espaço dos instrumentos corresponda a forças de instrumentos homogêneas. Eles então ajustam um modelo penalizado por ridge para estimar efeitos diretos ($\hat{\alpha}$) e ordenam os instrumentos com base nessas estimativas. Resultados teóricos sugerem que, sob regimes populacionais simétricos, essa ordenação coloca os instrumentos válidos em um bloco contíguo.
2. Construção de Equipes via Janela MCP: Os instrumentos ordenados são analisados usando janelas contíguas sobrepostas. Dentro de cada janela, uma regressão de Penalidade de Concavidade de Minimax (MCP) é ajustada para estimar efeitos diretos. Uma matriz de "equipe" (teamness) é construída agregando evidências diádicas através das janelas; instrumentos que frequentemente têm seus efeitos diretos reduzidos a zero conjuntamente (indicando status de validade concordante) são agrupados em "equipes" candidatas.
3. Avaliação por Validação Cruzada: Cada equipe candidata é avaliada como um conjunto potencial de instrumentos válidos. O método emprega um critério de validação cruzada do tipo sisVIVE: para um conjunto válido candidato $G$, os instrumentos restantes ($G^c$) são tratados como covariáveis em uma regressão do desfecho sobre a exposição projetada. O risco de predição fora da amostra é estimado via validação cruzada K-fold. Equipes contendo instrumentos inválidos (omitidos do conjunto de covariáveis) devem apresentar maior risco de predição.
4. União e Estimativa: O conjunto final de instrumentos válidos é definido como a união das equipes "próximas do melhor" (aquelas com risco de validação cruzada dentro de um erro padrão do mínimo). O efeito causal é então estimado usando mínimos quadrados em dois estágios (2SLS), onde os instrumentos no conjunto selecionado servem como instrumentos excluídos, e os instrumentos classificados como inválidos são incluídos como covariáveis exógenas para ajustar seus efeitos diretos.

Principais Contribuições

• Novo Procedimento de Seleção: O artigo introduz um procedimento de seleção-e-agregação baseado em equipes que constrói múltiplos conjuntos de instrumentos válidos candidatos, em vez de depender de um único ajuste penalizado.
• Resultados Teóricos: Os autores estabelecem duas propriedades teóricas:
  1. Sob um regime populacional simétrico simplificado com covariância de simetria composta, a ordenação baseada em ridge coloca assintoticamente os instrumentos válidos em um bloco contíguo.
  2. O estimador MCP específico da janela atribui assintoticamente uma classificação de sinal comum com tolerância aos instrumentos válidos dentro de uma janela, mesmo quando seus efeitos diretos estimados são não-zero.
• Robustez à Invalidade: O método é projetado para funcionar quando os instrumentos inválidos constituem a maioria do conjunto de candidatos, um cenário onde sisVIVE e CIIV frequentemente enfrentam dificuldades.

Simulação e Resultados Empíricos

• Estudo de Simulação: Em simulações variando o número, magnitude e sinais dos efeitos diretos inválidos, correlação de instrumentos e endogeneidade da exposição, o TEAM-IV geralmente obteve menor erro de estimativa absoluta do que o sisVIVE e o CIIV.
  • Os ganhos relativos foram maiores quando os instrumentos inválidos eram prevalentes (violando a condição de validade majoritária) e quando os efeitos diretos inválidos eram grandes.
  • O TEAM-IV permaneceu robusto sob instrumentos correlacionados (estruturas autorregressivas e de simetria composta) e efeitos diretos de sinais mistos, embora a diferença de desempenho em relação ao sisVIVE tenha diminuído em configurações de sinais mistos.
• Aplicação MESA: O método foi aplicado ao Estudo Multiétnico de Aterosclerose (MESA) para estimar o efeito do colesterol LDL na espessura da íntima-média carotídea (IMT). Na análise empírica, tanto o TEAM-IV quanto o sisVIVE mantiveram todos os oito SNPs candidatos e produziram estimativas pontuais idênticas ($\hat{\beta} = 2.19$).
• Estudos de Validação: Dois estudos de validação ancorados em dados destacaram as diferenças entre os métodos:
  1. Teste de Estresse Adversário: Usando pseudo-instrumentos informados pelo desfecho (deliberadamente inválidos), o TEAM-IV identificou corretamente 100% dos pseudo-instrumentos como inválidos, enquanto o sisVIVE identificou apenas 1,2%. As estimativas do TEAM-IV permaneceram mais próximas da referência empírica do que as do sisVIVE.
  2. Desfecho Semi-Sintético: Em um cenário com verdade fundamental conhecida onde 62,5% dos instrumentos eram inválidos, o TEAM-IV alcançou classificação perfeita de instrumentos (100% de sensibilidade e especificidade) e menor viés, MAE e RMSE comparado ao sisVIVE.

Significância e Alegações
O artigo afirma que o TEAM-IV oferece uma alternativa robusta aos métodos de IV penalizados existentes, particularmente em configurações desafiadoras onde os instrumentos inválidos são numerosos ou fortes. Os autores enfatizam que o TEAM-IV é "geralmente" mais preciso que o sisVIVE e o CIIV em simulações com altas proporções de instrumentos inválidos.

No entanto, os autores mantêm um tom modesto em relação às suas alegações:

• Eles afirmam que os resultados apoiam a robustez do TEAM-IV "sob os mecanismos geradores de dados examinados", mas não implicam "superioridade uniforme em todas as configurações de variáveis instrumentais".
• Observam que, na análise MESA, o acordo entre os métodos não prova a validade dos instrumentos, especialmente dado o fraco estatístico F da primeira etapa conjunta.
• Reconhecem limitações, incluindo o uso de um tamanho de amostra fixo ($n=2000$) e um pequeno número de instrumentos ($L=10$) nas simulações, e pedem trabalhos futuros sobre configurações com grande $L$ em relação a $n$, garantias teóricas para seleção e quantificação de incerteza válida.

O artigo conclui que os métodos de seleção de instrumentos penalizados, combinados com o 2SLS pós-seleção, podem fornecer robustez substancial aos efeitos diretos dos instrumentos, sendo o TEAM-IV particularmente promissor quando os instrumentos inválidos violam a condição de validade majoritária exigida pelos métodos existentes.