因果推論とゲノミクスにおける共同ターゲットの最尤推定の適用

この号のコンパニオン記事で導入された共同二重ロウブターゲット尤度推定器（C-TMLE）の具体的な例が提示され、ゲノムデータの因果効果と変動的重要性パラメーターの推定に適用されます。焦点は、ポイント処理データ構造のノンパラメトリック推定にあります。シミュレーションは、治療メカニズムの外部非共虐待推定器に依存する治療加重推定器の増強された逆確率、および傾向スコアマッチングおよび治療の標準的な逆逆確率を含む非効率的な推定手順に依存する現在の競合他社と比較して、C-tmleのパフォーマンスを示しています。重み付け。C-TMLEは、抗レトロウイルス薬ロピナビルに対する耐性に対する個々のHIV変異の共変量調整辺縁の辺縁効果の推定にも適用されます。C-TMLEの影響曲線は、漸近的に有効な統計的推論を確立するために使用されます。抵抗性と統計的に有意な関連性があることがわかった変異のリストは、Stanford HIVDB変異スコアデータベースによって提供される突然変異スコアと非常に一致しています。

A concrete example of the collaborative double-robust targeted likelihood estimator (C-TMLE) introduced in a companion article in this issue is presented, and applied to the estimation of causal effects and variable importance parameters in genomic data. The focus is on non-parametric estimation in a point treatment data structure. Simulations illustrate the performance of C-TMLE relative to current competitors such as the augmented inverse probability of treatment weighted estimator that relies on an external non-collaborative estimator of the treatment mechanism, and inefficient estimation procedures including propensity score matching and standard inverse probability of treatment weighting. C-TMLE is also applied to the estimation of the covariate-adjusted marginal effect of individual HIV mutations on resistance to the anti-retroviral drug lopinavir. The influence curve of the C-TMLE is used to establish asymptotically valid statistical inference. The list of mutations found to have a statistically significant association with resistance is in excellent agreement with mutation scores provided by the Stanford HIVdb mutation scores database.