2.5 Phương pháp Phản thực (Counterfactual Approach) — Mô hình Nhân quả Rubin
Phương pháp phản thực (counterfactual approach), còn được gọi là Mô hình Nhân quả Rubin (Rubin Causal Model), cung cấp một khuôn khổ lý thuyết chặt chẽ để định nghĩa tác động nhân quả (causal effect). Cách tiếp cận này dựa trên khái niệm kết cục tiềm ẩn (potential outcomes).
Khái niệm cốt lõi: Đối với mỗi cá thể trong nghiên cứu, về mặt lý thuyết tồn tại hai kết cục tiềm ẩn: kết cục nếu cá thể đó được phơi nhiễm, ký hiệu là Y₁ (hoặc Y(1)), và kết cục nếu cùng cá thể đó không được phơi nhiễm, ký hiệu là Y₀ (hoặc Y(0)). Tác động nhân quả (causal effect) của phơi nhiễm trên một cá thể cụ thể được định nghĩa là sự khác biệt giữa hai kết cục tiềm ẩn này:
Tác động nhân quả trên cá thể = Y₁ − Y₀ (2.4)
Vấn đề cơ bản của suy luận nhân quả (Fundamental Problem of Causal Inference): Chúng ta chỉ có thể quan sát được một trong hai kết cục tiềm ẩn cho mỗi cá thể — cụ thể là kết cục tương ứng với tình trạng phơi nhiễm thực tế của cá thể đó. Kết cục còn lại — kết cục đã không xảy ra — là phản thực (counterfactual) và không thể quan sát được. Do đó, tác động nhân quả trên một cá thể cụ thể là không thể quan sát được, và chúng ta phải dựa vào các so sánh ở cấp độ nhóm (group-level comparisons) để suy luận về nhân quả.
Nhiễu dưới góc nhìn phản thực: Trong một nghiên cứu, chúng ta so sánh kết cục trung bình ở nhóm phơi nhiễm với kết cục trung bình ở nhóm không phơi nhiễm. Tuy nhiên, kết cục trung bình ở nhóm không phơi nhiễm, E(Y₀ | unexposed), chỉ có thể được sử dụng làm ước lượng cho kết cục phản thực của nhóm phơi nhiễm, E(Y₀ | exposed), nếu hai nhóm có thể so sánh được. Cụ thể:
E(Y₁ | exposed) − E(Y₀ | unexposed) = [E(Y₁ | exposed) − E(Y₀ | exposed)] + [E(Y₀ | exposed) − E(Y₀ | unexposed)]
Số hạng thứ nhất là tác động nhân quả trung bình (average causal effect) trên nhóm phơi nhiễm. Số hạng thứ hai là nhiễu — nó khác 0 nếu nhóm phơi nhiễm và nhóm không phơi nhiễm có các đặc điểm nền khác nhau ảnh hưởng đến kết cục tiềm ẩn Y₀. Nhiễu biến mất khi Y₀ độc lập với phơi nhiễm, tức là E(Y₀ | exposed) = E(Y₀ | unexposed). Đây chính là điều kiện "không nhiễu" (unconfoundedness).
Ngẫu nhiên hóa (Randomization): Phân bổ ngẫu nhiên phơi nhiễm đảm bảo rằng, về mặt kỳ vọng, Y₀ độc lập với phơi nhiễm. Đây là lý do tại sao các thử nghiệm ngẫu nhiên có đối chứng (RCT) được coi là tiêu chuẩn vàng cho suy luận nhân quả.
(Nguồn: Newman SC. Biostatistical Methods in Epidemiology. Wiley, 2001. Chương 2, tr.55-66.)
