反事実的推論

反事実的推論は、現代の因果推論の基礎となる論理です。これは、ある曝露の効果を、実際に起こったことと、同じ個人または集団が異なる、事実に反する曝露を受けた場合に起こったであろうこととの比較として定義します。これらの結果のうち、常に1つしか観察されないため、因果推論は、欠落している反事実を回復する問題となります。

Definition

反事実的推論は、因果効果を潜在的結果間の対比として定義します。潜在的結果とは、ある単位が異なる曝露を受けた場合に経験するであろう結果であり、各単位について最大で1つしか観察されません。

Scope

このトピックでは、潜在的結果（ルービン因果モデル）の枠組み、反事実的対比としての個別および平均因果効果の定義、および単位ごとに1つの潜在的結果しか観察できないという因果推論の根本的な問題について扱います。これは方法論的な参考文献であり、臨床的ガイダンスではありません。

Core questions

• 異なる曝露を受けた場合、同じ人々に何が起こったでしょうか？
• 1つの結果しか観察できない場合、因果効果はどのように定義されますか？
• 個別因果効果と平均因果効果はどのように関連していますか？

Key concepts

• 潜在的結果
• 個別因果効果と平均因果効果
• 因果推論の根本問題
• 反事実的対比
• 交換可能性
• 一貫性

Mechanisms

ルービンによって定式化された潜在的結果モデル（rubin-1974）では、各単位は可能な各曝露の下で潜在的結果を持ちます。個別の因果効果はそれらの間の対比であり、平均因果効果はそれらの対比の集団平均です。根本的な問題は、実際に受けた曝露の下での結果のみが観察されるため、反事実は比較群を用いて推定されなければならないことです。これは、群が交換可能である場合、すなわち、同じ曝露を受けていれば同じ結果分布を持っていたであろう場合（greenland-robins-1986）、および観察された結果が対応する潜在的結果と一致する場合（一貫性）にのみ有効です。無作為化は設計上、交換可能性を成立させます。観察データでは、それは仮定され、擁護されなければなりません（hernan-robins-2006）。因果ダイアグラムは、これらの同じ反事実的仮定の補完的な構造的表現を提供します（greenland-pearl-robins-1999）。

Clinical relevance

反事実的定義は、治療または曝露効果が実際に何を意味するのか、そしてなぜ有効な比較群が不可欠であるのかを明確にし、これは健康科学におけるすべての因果的証拠の評価を支えます。これは効果推定の論理を記述するものであり、個別の診断や治療の決定の基礎となるものではありません。

Epidemiology

潜在的結果の枠組みは、無作為化試験から調整、重み付け、またはg-メソッドを用いた観察研究分析に至るまで、現代の疫学的手法の概念的基盤です。これは、交絡、選択バイアス、および効果修飾が現在定義されている言語を提供します（hernan-robins-2006）。

History

潜在的結果のアイデアは、ネイマンの20世紀初頭の無作為化実験に関する研究に端を発し、1974年にルービンによって観察研究に一般化されました（rubin-1974）。グリーンランドとロビンスは、交換可能性を通じてそれを疫学的な交絡に結びつけ（greenland-robins-1986）、その後因果ダイアグラムと統合されたこの枠組み（greenland-pearl-robins-1999）は、疫学者が因果効果を定義し推定する方法の中心となりました（hernan-robins-2006）。

Debates

反事実的介入はどの程度明確に定義されるべきか？

一部の学者は、反事実的対比は、合理的に明確に定義された仮説的介入に対応する曝露に対してのみ意味があるとし、人種や体重などの属性の効果について疑問を呈しています。一方、より広範な許容される対比の見方をする学者もいます。

Key figures

• Donald Rubin
• Jerzy Neyman
• James Robins
• Sander Greenland
• Miguel Hernán

Seminal works

• rubin-1974
• greenland-robins-1986
• greenland-pearl-robins-1999

Frequently asked questions

なぜ因果推論の「根本問題」と呼ばれるのですか？

なぜなら、どの単位についても、実際に受けた曝露の下での結果しか観察できないからです。代替曝露の下での結果は欠落しているため、個別の因果効果を直接測定することは決してできません。

無作為化は反事実に関してどのように役立ちますか？

無作為割り付けは、曝露群を平均的に交換可能にするため、一方の群で観察された結果が、もう一方の群の欠落している反事実的結果を推定し、平均因果効果の推定を可能にします。