Causal Mediation Analysis with Multi-dimensional and Indirectly Observed Mediators

要約

因果媒介分析 (CMA) は、潜在的な結果の枠組み内で、治療の全体的な効果を直接効果と媒介効果に分析する強力な方法です。
これは、治療効果の根底にあるメカニズムを特定するために、多くの科学的応用において重要です。
ただし、多くの科学的応用ではメディエーターは観察されませんが、関連する測定値が存在する可能性があります。
たとえば、脳の活動や構造の変化が抗うつ薬の行動への影響をどのように媒介するかを特定したい場合がありますが、電気生理学的または画像による脳の測定しかアクセスできない場合があります。
現在まで、ほとんどの CMA 手法はメディエーターが 1 次元で観測可能であることを前提としているため、このような現実世界のシナリオが過度に単純化されています。
この制限を克服するために、識別可能な変分オートエンコーダー (iVAE) アーキテクチャに基づいて、複雑で間接的に観察されるメディエーターを処理できる CMA フレームワークを導入します。
提案された方法により、観測変数と潜在変数にわたる真の同時分布が識別可能であることを証明します。
さらに、私たちのフレームワークは、間接的に観察されたメディエーターのもつれを解いた表現を捕捉し、合成および半合成実験における直接効果と媒介効果を正確に推定し、現実世界のアプリケーションにおける潜在的な有用性の証拠を提供します。

要約(オリジナル)

Causal mediation analysis (CMA) is a powerful method to dissect the total effect of a treatment into direct and mediated effects within the potential outcome framework. This is important in many scientific applications to identify the underlying mechanisms of a treatment effect. However, in many scientific applications the mediator is unobserved, but there may exist related measurements. For example, we may want to identify how changes in brain activity or structure mediate an antidepressant’s effect on behavior, but we may only have access to electrophysiological or imaging brain measurements. To date, most CMA methods assume that the mediator is one-dimensional and observable, which oversimplifies such real-world scenarios. To overcome this limitation, we introduce a CMA framework that can handle complex and indirectly observed mediators based on the identifiable variational autoencoder (iVAE) architecture. We prove that the true joint distribution over observed and latent variables is identifiable with the proposed method. Additionally, our framework captures a disentangled representation of the indirectly observed mediator and yields accurate estimation of the direct and mediated effects in synthetic and semi-synthetic experiments, providing evidence of its potential utility in real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google