Chiara Moccia, Epidemiologia dei Tumori, Dipartimento di Scienze Mediche, Università di Torino e CPO Piemonte
chiara.moccia@unito.it
Giovenale Moirano, Maja Popovic, Costanza Pizzi, Piero Fariselli, Lorenzo Richiardi, Claus Thorn Ekstrøm, Milena Maule
- Categoria Primaria: Metodi epidemiologici e biostatistici
In inferenza causale, l’obiettivo principale è stimare l’effetto di un’esposizione su un esito. Soprattutto negli studi osservazionali, il confondimento rappresenta la principale minaccia alla corretta stima di un effetto causale. Le tecniche tradizionali per controllare il confondimento, come regressione multivariata, propensity score, g-methods, si basano generalmente su modelli parametrici che assumono una relazione funzionale specifica tra le variabili. Tuttavia, una specificazione errata del modello può portare a stime distorte, soprattutto in contest ad alta dimensionalità, come l’epidemiologia genetica, ambientale o life course. Gli algoritmi di Machine Learning (ML) offrono una soluzione promettente per il controllo del confondimento in contesti ad alta dimensionalità, in quanto non richiedono di specificare una forma funzionale della relazione tra variabili. Grazie alla loro capacità di identificare autonomamente modelli e relazioni nei dati, possono ridurre le distorsioni derivanti da una errata specificazione statistica del modello. I metodi di ML possono essere usati per modellare il meccanismo di esposizione (propensity score) o il meccanismo di esito (outcome model), generando predizioni che possono essere poi integrate in una formula predefinita dello stimatore di interesse, come per esempio l’Average Treatment Effect (ATE). Questo approccio è tipico degli stimatori singolarmente robusti, come l’Inverse Probability Weighting e la g-computation. Tuttavia, l’integrazione diretta delle predizioni in una formula predefinita dell’effetto di interesse può introdurre un “plug-in bias” nella stima. Il plug-in bias si verifica perché le predizioni sono ottenute ottimizzando il modello del meccanismo specifico (ad esempio il meccanismo di esposizione o di esito), ma questa ottimizzazione potrebbe non essere adeguata per l’obiettivo finale, ovvero ottenere una stima non distorta dell’ATE. Inoltre, l’uso di metodi di ML per ottenere le predizioni può comportare tassi di convergenza più lenti rispetto a quando vengono utilizzati metodi parametrici, influenzando l’efficienza dello stimatore. Per superare queste limitazioni e ottenere stimatori con utili proprietà asintotiche, sono stati proposti stimatori innovativi che combinano il potenziale predittivo del ML e le proprietà asintotiche dei metodi statistici tradizionali. Per gli epidemiologi interessati a sfruttare il ML in studi di inferenza causale, viene illustrata una panoramica di tre stimatori che rappresentano l’attuale stato dell’arte: Targeted Maximum Likelihood Estimation (TMLE), Augmented Inverse Probability Weighting (AIPW) e Double/Debiased Machine Learning (DML). Vengono analizzati i contesti d’uso, le principali assunzioni, i punti di forza, i limiti e si forniscono esempi di applicazione nel contesto epidemiologico.