Prédiction contrefactuelle pour l'estimation causale à partir de données de vie réelle

Counterfactual prediction in causal estimation from real-life data

• Auteur / Autrice : Arthur Chatton
• Direction : Yohann Foucher
• Type : Thèse de doctorat
• Discipline(s) : Biostatistique
• Date : Soutenance le 13/12/2021
• Etablissement(s) : Nantes
• Ecole(s) doctorale(s) : École doctorale Biologie-Santé (Nantes)
• Partenaire(s) de recherche : Laboratoire : SPHERE (Nantes ; Tours)
• Jury : Examinateurs / Examinatrices : Florent Le Borgne, Cécile Proust-Lima, Anne-Laure Boulesteix, Julie Josse

Mots clés

Mots clés libres

Biais de confusion

Etudes de simulation

G-Computation

Inférence causale

Machine learning

Score de propension

Causal inference

Confounding bias

G-Computation

Machine learning

Propensity score

Simulation studies

Résumé

L’absence de randomisation pour les données de vie réelle complique l’analyse statistique et nécessite l’utilisation de méthodes complexes. L’application web Plug-Stat® facilitece type d’analyse en proposant des interfaces intuitives pour les non-spécialistes. La présente thèse cherche à optimiser Plug-Stat® en automatisant le plus possible l’étape d’estimation causale. Trois travaux étudiant le comportement de ces méthodes et un quatrième proposant un outil d’aide à la décision sont présentés. Le premier travail compare par simulations les méthodes d’inférence causale les plus courantes selon différents ensembles d’ajustement. Le second travail compare différentes approches de machine learning en combinaison avec la g- computation pour éviter les biais liés à une mauvaise spécification du modèle. Le troisième travail présente le développement d’un estimateur de g-computation en présence de censure à droite. Ce nouvel estimateur est également combiné avec un score de propension pour former un estimateur doublement robuste. Ces trois méthodes sont ensuite comparées par simulations. Le dernier travail propose un algorithme d’aide à la vérification de l’hypothèse de positivité. Au final, la g-computation semble être une méthode à considérer pour l'automatisation de Plug-Stat®. Elle ne nécessite pas d'hypothèse d'équilibre et le machine learning évite les problèmes de spécification. Enfin, la vérification de la positivité est automatisée au moyen d'arbres de décision pour permettre à l’investigateur de redéfinir sa population d'étude.

The lack of randomisation in observational studies makes statistical analysis harder and requires complex methods. Plug-Stat®, a web application, facilitates such analyses by proposing intuitive interfaces. This thesis searches to optimise Plug-Stat® by maximally automating the causal estimation step. This thesis presents three works investigating the behaviour of these specific methods, and a fourth one showing a decision-making tool for causal studies. The first study compares by simulations the most common causal inference methods across several adjustment sets. The second work compares several machine learning approaches associated with the g-computation to avoid model misspecifications. The third work presents the development of a g-computation estimator in the presence of right censoring. This novel estimator is also associated with a propensity score to form a doubly robust estimator. The three methods are then compared through simulations. The last work proposes an algorithm able to check potential positivity violations. The g-computation should be considered for the automation of Plug-Stat®. It is free of the balancing assumption, and machine learning avoids misspecifications. Positivity checking is also automated through decision trees for helping the investigator to redefine his study population.