Geautomatiseerde detectie van mogelijkheden voor causale inferentie: ontdekking van subgroepen met regressie-discontinuïteit
Author
Venue
ICML IMLH (niet-archief), TMLR
Abstract
De gouden standaard voor het vaststellen van causale effecten zijn gerandomiseerde gecontroleerde studies (RCT's), maar het is niet altijd haalbaar om RCT's uit te voeren. Wanneer behandelingen echter afhankelijk zijn van een drempelwaarde, zoals de bloedsuikerdrempel voor de diagnose van diabetes, kunnen we causale effecten soms toch schatten met behulp van regressie-discontinuïteiten (RD's). RD's zijn geldig wanneer eenheden net boven en onder de drempel dezelfde verdeling van covariaten hebben en er dus geen verstoring is in aanwezigheid van ruis, waardoor een 'alsof'-randomisatie ontstaat. In de praktijk kan het uitvoeren van RD-studies echter moeilijk zijn, aangezien het identificeren van behandelingsdrempels aanzienlijke domeinexpertise vereist. Bovendien kunnen de drempels verschillen tussen subgroepen (bijvoorbeeld de bloedsuikerdrempel voor diabetes kan verschillen tussen demografische groepen), en het negeren van deze verschillen kan de statistische kracht verminderen. Het vinden van de drempels en voor wie ze gelden, is een belangrijk probleem dat momenteel handmatig wordt opgelost door domeinexperts, en er zijn datagestuurde benaderingen nodig wanneer domeinexpertise niet toereikend is. Hier introduceren we Regression Discontinuity SubGroup Discovery (RDSGD), een machine learning-methode die statistisch krachtige en interpreteerbare subgroepen voor RD-drempels identificeert. Met behulp van een dataset van medische claims met meer dan 60 miljoen patiënten passen we RDSGD toe op meerdere klinische contexten en identificeren we subgroepen met een verhoogde naleving van drempels voor de toewijzing van behandelingen. Aangezien behandelingsdrempels van belang zijn voor veel ziekten en beleidsbeslissingen, kan RDSGD een krachtig hulpmiddel zijn voor het ontdekken van nieuwe wegen voor causale schatting.
