Bayesian Latent Class Causal Analysis of Cognitive Decline in the Canadian Longitudinal Study on Aging
Dementia is a major and growing public health challenge in Canada. Prevention efforts target modifiable risk factors (MRF) that shape cognitive aging trajectories characterized by multiple time-point cognitive features and substantial heterogeneity. We estimate causal effects on latent trajectory clusters jointly defined by these features, whereas standard causal methods are derived for a single outcome and do not account for latent trajectory structure during estimation. We propose a Bayesian latent class causal framework that explicitly models trajectory clusters during causal estimation and compare it with a frequentist two-step approach. Simulations show lower mean squared error and improved 95% credible interval coverage in low class-separation settings by propagating class uncertainty. Applied to the Canadian Longitudinal Study on Aging (CLSA), the analysis suggests beneficial causal effects of MRF on cognitive decline under the assumed identification framework.
Analyse causale bayésienne par classes latentes du déclin cognitif dans l’Étude longitudinale canadienne sur le vieillissement
La démence est un défi majeur et croissant en matière de santé publique au Canada. Les efforts de prévention ciblent les facteurs de risque modifiables (FMR) qui façonnent les trajectoires du vieillissement cognitif, caractérisées par des caractéristiques cognitives à plusieurs moments et une hétérogénéité importante. Nous estimons les effets causaux sur les groupes de trajectoires latentes définis conjointement par ces caractéristiques, alors que les méthodes causales standard sont dérivées pour un seul résultat et ne tiennent pas compte de la structure des trajectoires latentes lors de l'estimation. Nous proposons un cadre causal bayésien à classes latentes qui modélise explicitement les groupes de trajectoires pendant l'estimation causale et le comparons à une approche fréquentiste en deux étapes. Les simulations montrent une erreur quadratique moyenne plus faible et une couverture supérieure de l'intervalle de crédibilité à 95 % dans les contextes à faible séparation des classes en propageant l'incertitude des classes. Appliquée à l'Étude longitudinale canadienne sur le vieillissement (ELCV), l'analyse suggère des effets causaux bénéfiques des FMR sur le déclin cognitif dans le cadre d'identification supposé.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais