Transport G-Computation: A Distributional Approach to Longitudinal Causal Inference via Optimal Transport

Resumo Técnico: Transport G-Computation (TGC)

Definição do Problema
A inferência causal longitudinal utilizando dados observacionais de saúde enfrenta desafios significativos, principalmente o confundimento dependente do tempo, loops de feedback entre a atribuição de tratamento e estados evolutivos do paciente, e distribuições de resultados pós-intervenção heterogêneas. Os métodos convencionais de g-computation longitudinal focam tipicamente na estimativa de efeitos de nível de média (ex: efeitos médios de tratamento). No entanto, em muitos contextos clínicos, as intervenções podem alterar a forma, a dispersão ou a multimodalidade das distribuições de resultados, em vez de apenas a média. Além disso, a g-computation paramétrica depende fortemente da especificação correta dos modelos de transição condicional; quando os dados exibem não linearidade, multimodalidade, heterocedasticidade ou estruturas de feedback complexas, esses modelos frequentemente falham, levando a um viés sistemático. Há uma necessidade de um framework que possa estimar efeitos causais distributivos enquanto lida de forma robusta com dependências dinâmicas complexas sem depender de suposições paramétricas globais rígidas.

Metodologia: Transport G-Computation (TGC)
Os autores propõem o Transport G-Computation (TGC), um framework distributivo que integra a g-computation longitudinal com a teoria do transporte ótimo (OT). O objetivo central é estimar o Efeito Causal de Wasserstein (WCE), definido como a distância de Wasserstein de segunda ordem ($W_2$) entre as distribuições de resultados potenciais terminais sob dois regimes de intervenção estática ($A_t \equiv 1$ e $A_t \equiv 0$).

O algoritmo TGC procede da seguinte forma:

1. Identificação: Sob suposições padrão (Consistência, Ignorabilidade Sequencial e Positividade), a distribuição terminal é identificada via a fórmula g longitudinal.
2. Estimativa de Transição Local: Em vez de ajustar um modelo paramétrico global para o kernel de transição condicional $\mathbb{P}(L_{t+1} | L_t, A_t)$, o TGC constrói uma aproximação não paramétrica em cada ponto no tempo e nível de tratamento.
   • Ele extrai uma biblioteca de transição empírica de pares de dados observados $(L_t, L_{t+1})$ onde $A_t = a$.
   • Para um estado de consulta, ele identifica vizinhos próximos locais para formar uma subamostra, restringindo a estimativa à região observada para mitigar o viés de alta dimensionalidade.
   • Ele resolve um problema de transporte ótimo com regularização de entropia sobre esta subamostra local para gerar um acoplamento de "correspondência suave" (soft-matching) entre os estados de origem e alvo. Isso preserva a multimodalidade e a estrutura estocástica da distribuição empírica.
   • Pesos de kernel Gaussiano são aplicados aos estados de origem locais, e o acoplamento OT é normalizado por linha para formar uma distribuição condicional local.
3. Simulação Recursiva: Começando a partir de amostras de estados iniciais, o algoritmo simula trajetórias recursivamente sob intervenções estáticas, amostrando das distribuições condicionais locais estimadas em cada passo temporal.
4. Estimativa de Efeito: A distância de Wasserstein é computada entre as distribuições terminais empíricas dos dois braços de intervenção.
5. Tratamento de Positividade: O método verifica explicitamente a suficiência de amostra em vizinhanças locais. Se o tamanho efetivo da amostra cair abaixo de um limite, o algoritmo sinaliza uma violação de positividade em vez de extrapolar, evitando assim estimativas espúrias em regiões não identificáveis.

Principais Contribuições

1. Alvo Causal Distributivo: O artigo introduz a distância de Wasserstein como um estimando formal para efeitos causais longitudinais, capturando mudanças de localização, dispersão e forma, em vez de focar apenas em médias.
2. Novo Framework: Propõe o TGC, que combina suavização de kernel local com acoplamento de transporte ótimo para estimar distribuições terminais sob intervenções estáticas sem suposições paramétricas globais.
3. Análise Teórica: Os autores fornecem provas de identificação para o WCE sob suposições causais padrão e analisam as propriedades de aproximação do estimador de transição local. Eles estabelecem que o erro terminal é limitado pela soma dos erros de estimativa local, destacando a importância da estabilidade em cada etapa recursiva.
4. Capacidade Diagnóstica: O método inclui um mecanismo explícito para diagnosticar e relatar violações de positividade, prevenindo a extrapolação descontrolada.

Resultados
O desempenho do TGC foi avaliado contra a g-computation paramétrica em quatro cenários de simulação (100 replicações cada):

• Cenário Gaussiano Linear: A g-computation paramétrica superou o TGC (RMSE 0,075 vs. 0,659), indicando que quando o modelo verdadeiro é linear e corretamente especificado, a abordagem paramétrica é superior, e o TGC introduz um viés de suavização desnecessário.
• Cenário de Mistura Gaussiana: A g-computation paramétrica permaneceu mais precisa (RMSE 0,080 vs. 0,252). O TGC não demonstrou a vantagem antecipada em capturar estruturas multimodais nestes cenários específicos, sugerindo sensibilidade a hiperparâmetros como tamanho de vizinhança e força de regularização.
• Cenário de Feedback Confundido: O TGC mostrou sua vantagem mais forte, reduzindo significativamente o RMSE de 1,821 (paramétrico) para 0,486. Neste cenário complexo com feedback dinâmico, a abordagem de OT local mitigou efetivamente o viés sistemático causado pela má especificação do modelo de baseline paramétrico.
• Cenário Heterocedástico Não Linear: Ambos os métodos exibiram erros substanciais (RMSE ~3,65 para ambos), indicando que nenhuma das abordagens capturou totalmente as estruturas distributivas complexas neste cenário específico.
• Custo Computacional: O TGC foi substancialmente mais lento, exigindo aproximadamente 136–235 segundos por replicação em comparação com ~1,1 segundo para o método paramétrico, representando um overhead de cerca de duas ordens de magnitude.
• Estabilidade: Ambos os métodos alcançaram uma taxa de falha de 0% em todos os cenários, com o TGC evitando com sucesso o colapso de positividade através de seus diagnósticos explícitos.

Significância e Alegações
O artigo conclui que o TGC não é um substituto universalmente superior para a g-computation paramétrica. Seu valor primário reside em cenários caracterizados por confundimento de feedback dinâmico e transições distributivas complexas onde modelos paramétricos são propensos à má especificação. Nesses cenários, o TGC oferece uma abordagem mais robusta, flexível e interpretável para a inferência causal distributiva.

No entanto, os autores reconhecem modestamente que, em configurações lineares simples e corretamente especificadas, os métodos paramétricos tradicionais permanecem preferíveis devido ao menor viés e variância. Eles também observam que o TGC atualmente envolve custos computacionais significativos e requer um ajuste cuidadoso de hiperparâmetros. O método é posicionado como uma ferramenta especializada para pesquisa médica observacional onde o foco está em mudanças distributivas e onde estruturas de feedback complicam a modelagem padrão, e não como uma solução padrão para todos os problemas causais longitudinais. O trabalho futuro é identificado como necessário para melhorar a eficiência, a seleção de hiperparâmetros e a implementação prática.