跳转至

Estimating hypothetical estimands with causal inference and missing data estimators in a diabetes trial case study

作者: Camila Olarte Parra, Rhian M Daniel, David Wright, Jonathan W Bartlett
来源: Biometrics
主题: 因果推断
相关性: 7/10
链接: 期刊页 · arXiv

一、领域脉络与小综述

这个方向是什么
该子方向聚焦于临床试验中“假设（hypothetical）策略”的估计问题：当存在“事件后事件”（intercurrent events，如停药、使用抢救治疗）时，研究者可能想估计“若这些事件被阻止”的治疗效应（即 hypothetical estimand）。ICH E9(R1) addendum 定义了这种策略，但未指定估计方法。因此，一系列工作试图将因果推断方法与缺失数据处理方法统一起来，并为实际操作提供指南。当前成熟度较高，已有多种标准方法被提出和比较，但关于方法选择、假设敏感性以及复杂场景（如时依混杂、多种事件类型）下的表现仍存争议。

发展脉络
以下按时间线串起关键工作，并引用论文自身的评价定位：

  • 奠基工作：ICH E9(R1) 与 estimands 框架（Lipkovich et al., 2020 等）——将“目标 estimand”的概念引入临床试验，区分治疗策略（如 treatment policy, hypothetical）。这是所有后续工作的共同起点。
  • 早期统一：Olarte Parra et al. (2021)（本文作者前作）——首次系统地证明“某些因果推断估计量”与“某些缺失数据估计量”在实施 hypothetical strategy 时是等价的（原文：“we establish that certain causal inference estimators are identical to certain missing data estimators”）。这一发现减少了两个领域的语言隔阂，并帮助揭示缺失数据方法依赖于潜在结果假设。
  • 具体估计量的实现与改进：
  • MMRM 与 MI：MMRM 是临床试验标准方法，此处通过 MAR 假设估计 hypothetical 效应；MI 则利用无事件患者的模型进行插补。Hughes et al. (2014) 证明了链式方程与联合模型在有限样本下的等价条件，这里被引用用于说明 MMRM 的隐式 MI 本质。
  • IPTW：van der Wal & Geskus (2011) 提供 R 包 ipw 实现逆概率加权；Leyrat et al. (2019) 讨论了 MI 与 IPTW 结合时的方差估计（Rubin 规则加 bootstrap），本文作者据此处理方差。
  • G-formula：Bartlett et al. (2023) 证明了 G-formula 可通过多重插补实现，且 Rubin 规则需要修正（因为拟合模型与插补数据不同源）；McGrath et al. (2020) 提供 gfoRmula 包。
  • G-estimation：Loh et al. (2020) 将 G-estimation 用于中介分析估计控制直接效应；Lasch et al. (2022) 将其用于 Alzheimer’s 和 COVID-19 场景下的 hypothetical estimand，显示出良好表现（无偏、控制 Type-I 误差）。
  • 当前 frontier 与本文位置：上述工具多被独立研究和应用，但缺乏在同一真实临床试验下的系统比较。本文（Olarte Parra et al., 2022/2024）正好填补这一空白——在同一糖尿病试验中实施五种方法，展示实现细节，比较结果和计算效率，并讨论实际选择时的权衡。

子线索聚类
1. 缺失数据法线索（MMRM, MI）：强调 MAR 假设，利用重复测量或通过插补填充分数缺失。
2. 因果推断法线索（IPTW, G-formula, G-estimation）：强调通过潜在结果定义假设，建模事件发生或结局机制，并利用加权或标准化消除混杂。
3. 统一与等价线索（Olarte Parra 2021，Bartlett 2023）：揭示两类方法在特定条件下的等同性，并帮助理解假设含义。
4. 实际实现与 R 包线索（ipw, gfoRmula, mice 等）：提供可复现代码，降低应用门槛。

核心追问的问题
- 在 hypothetical strategy 下，不同估计量的识别假设各是什么？它们是否等价？哪种更易满足临床试验情境？
- 估计精度（标准差）对这些假设的违反有多敏感？
- 当存在时依混杂（time-varying confounding）时，哪些方法仍然有效？
- 如何正确处理方差估计，尤其是涉及 MI、bootstrap 与加权组合的情况？
- 计算效率是否成为选择障碍（如 G-estimation 需要求解估计方程）？

⚠️ 作者的 framing
作者将缺口 frame 成“尽管理论统一已有，但实际应用中的比较和实现细节仍缺乏”。好让自己这篇成为“指导实践者的实用案例研究”。
- 竞争路线被淡化/回避：
- 论文明确只考虑无时依混杂的简单设定（原文：“no repeated measurements of covariates after baseline, so the issue of time-varying confounding does not arise”）。因此，G-formula 和 G-estimation 相对于 IPTW 的优势（处理时依混杂）未展示。
- 未比较任何 doubly robust 估计量（如 AIPTW、TMLE），这些在因果推断领域很常见，但可能因实施复杂而被回避。
- 什么明显该存在却未出现在 intro：
- 关于 hypothetical estimand 的高效经验影响函数（EIF）及半参数效率界的讨论（例如，这类估计量是否达到最小方差界？）。
- 针对连续事件后事件（如抢救时间）的处理策略，而本文只处理了二值事件（是否发生）。
- 对“缺失数据假设”与“因果假设”的敏感性分析（如使用多种额外假设来扰动）。

这些缺位可作为研究者自查的线索。

张力
被引文献间未见明显对立结论。存在的主要讨论是方差估计方法：Schomaker & Heumann (2018) 提出在 MI 后再 bootstrap 比在先 impute 后分析更慢但方差更准；Leyrat et al. (2019) 证明对 IPTW 用 bootstrap + Rubin 能工作；本文综合采用这些建议。未见不相容结果。

二、最核心、最简单的例子 / 数学问题

第一步：符号、模型与可观测数据

  • 符号：
  • \(A\)：随机化治疗组（例如二值：\(A=1\) 新药，\(A=0\) 对照）。
  • \(Z\)：基线协变量向量（如年龄、性别、基线 HbA1c）。
  • \(D\)：intercurrent event 指示符（如是否在随访期间停药或使用抢救治疗），\(D=1\) 表示发生。
  • \(Y\)：终点结局（连续，如 HbA1c 从基线到第 24 周的变化）。
  • \(Y(a, d)\)：潜在结局，若治疗为 \(a\)、事件为 \(d\) 时所观测到的结局。
  • 目标 estimand：\(\psi = E[Y(A=1, D=0)] - E[Y(A=0, D=0)]\)，即在两组中阻止事件发生后的平均因果效应（hypothetical strategy）。
  • 模型（数据生成机制）：
  • 治疗随机化：\(A \perp (Y(1,0), Y(0,0), D(1), D(0)) \mid Z\)（因为随机化，有时可忽略）。
  • 事件的发生取决于治疗和基线协变量：\(P(D=1 \mid A, Z)\)。
  • 结局依赖于治疗、事件发生及基线：\(Y = \mu(A, D, Z) + \epsilon\)，\(\epsilon \sim N(0, \sigma^2)\)。
  • 关键假设：无未测量的混杂（对于事件和结局之间的关系）；此外，潜在结局在给定 \(Z, A\) 时可能需额外的 monotonicity 或 no interaction 假设（下文详述）。
  • 可观测数据：研究者实际观测到 \((Z_i, A_i, D_i, Y_i)\) 对于每个病人 \(i\)。如果病人因事件而提前退出，结局可能缺失（此时 \(D=1\) 且 \(Y\) 不可观测）。本文案例中，停药后仍有部分患者提供了终点测量，因此并非全部缺失。

第二步：最小内核

为了看清五种估计量的核心差异，考虑一个极度简化的场景：
- 只有 两个时间点：基线（测量 Z）和终点（测量 Y）。
- 事件 D 是二值，在基线和终点之间发生。
- 所有患者在终点都可能失访，但无时间变化的混杂（即在基线后没有新的协变量）。
- 随机三重 \((A_i, D_i, Y_i)\)，加上基线 Z_i，独立同分布。

我们要估计 \(\psi = E[Y(1,0) - Y(0,0)]\)。

五种估计量的最小实现：

  1. MMRM（混合模型重复测量）：
  2. 拟合模型 \(Y = \alpha_0 + \alpha_1 A + \alpha_2 Z + \beta D + \epsilon\)（注意 D 是 post-randomisation 变量，但此处仅用基线协变量）。
  3. 假设 \(Y\) 在给定 \(A,Z,D\) 下是 MAR（即缺失概率仅依赖于 \(A,Z\) 而非 \(Y\)）。
  4. 但：MMRM 标准做法不包括 D，而是假设事件后数据视为缺失。这里若将事件导致的缺失视为随机，则 MMRM 可直接使用所有观测（包括事件发生后的 Y）来估计治疗效应；若将事件视同删失，则需采用缺失数据方法。
  5. 在最小内核中，我们可直接用 MMRM 估计主效应 \(\alpha_1\)，然而这估计的是“整体治疗效应”而非 hypothetical。所以实际 MMRM 是通过仅使用未发生事件的患者的数据，或通过模型外推到 D=0 的情形（需要假设 D 不影响 Y 的条件均值，即处理效应在 D=0 和 D=1 之间无交互）。

  6. 简化版：假设无交互（\(\beta=0\)），则 \(\hat{\psi} = \hat{\alpha}_1\)。

  7. MI（多重插补）：

  8. 将发生了事件（D=1）的患者的 Y 值视为缺失。
  9. 用无事件的患者（D=0）拟合 Y~A+Z，然后用该模型预测 D=1 患者的 Y，生成多个插补数据集。
  10. 在每个插补数据集中拟合简单均值差 \(\hat{\psi}_m\)，然后结合 Rubin 规则。

  11. 注意：此处 MI 假设Y 缺失是 MAR（给定 A, Z），且插补模型正确。它直接估计 hypothetical 效应，因为插补后相当于所有患者都处于 D=0 状态。

  12. IPTW（逆概率治疗加权）：

  13. 估计 \(P(D=1 \mid A, Z)\)（例如通过逻辑回归），得到倾向性得分。
  14. 给予每个患者权重 \(w_i = \frac{1}{\hat{P}(D=0 \mid A_i, Z_i)}\)（或稳定版本），仅使用 D=0 的患者。
  15. 用加权平均计算组间差异：\(\hat{\psi} = \frac{\sum_{i:A_i=1, D_i=0} w_i Y_i}{\sum w_i} - \frac{\sum_{i:A_i=0, D_i=0} w_i Y_i}{\sum w_i}\)。

  16. 假设：无未测量混杂导致事件的选择性退出（一致性假设：给定 A, Z，事件发生的概率与 Y 无关）。

  17. G-formula：

  18. 拟合结局模型 \(E[Y \mid A, D, Z] = g(A, D, Z; \beta)\)。
  19. 标准化：将所有人设为 A=1, D=0（或 A=0, D=0）并预测，然后取平均差：
    \(\hat{\psi} = \frac{1}{n}\sum_i \hat{E}[Y \mid A=1, D=0, Z_i] - \frac{1}{n}\sum_i \hat{E}[Y \mid A=0, D=0, Z_i]\)。

  20. 这里不需要 D=0 实际被观测；它通过回归模型外推。假设：结局模型正确，且给定 A, D, Z 下 Y 的期望被正确指定（不需要事件的可忽略性假设）。

  21. G-estimation：

  22. 用于估计 controlled direct effect（CDE），即 \(E[Y(a,0)]\)。
  23. 假设不存在 A 与 D 的交互（或考虑交互）。
  24. 定义“treating”模型：\(E[Y \mid A, D, Z] = \gamma_0 + \gamma_1 A + \gamma_2 D + \gamma_3 Z\)。
  25. 则 \(\psi = \gamma_1\)（假设无交互）。
  26. G-estimation 通过两阶段回归：第一阶段估计 \(\psi\) 的残差；第二阶段用工具变量思想？不，这里简化为：利用随机化 A 构造估计方程。
  27. 在当前设定下，若模型正确且 D 被正确处理，则 G-estimation 等价于调整后的回归。

这些方法在无时依混杂、无交互的线性条件下，理论上等价。本文的结果正验证了这一点。

三、这篇论文做了什么

三句话总结
1. 本文分析了 2 型糖尿病试验数据，目标是估计随机化治疗在假设无抢救治疗和停药的 hypothetical 场景下的因果效应（即 hypothetical estimand）。
2. 使用了五种估计方法：MMRM、MI、IPTW、G-formula、G-estimation，并详细说明了它们的识别假设、R 包实现（包括方差估计技巧）。
3. 结果发现五种方法给出非常相似的估计值和标准误，并讨论了在实际选择时需考虑的折衷：计算时间、缺失数据处理模式、是否使用事件后数据、是否调整时依混杂（虽然本例无时依混杂）。

关键设定与假设
- 数据：来自 Müller-Wieland et al. (2018) 的多中心 RCT，名为 CSII trial（NCT01206231）。患者为二甲双胍控制不佳的 2 型糖尿病，随机至三组：dapagliflozin (n=299)、dapagliflozin + saxagliptin (n=305)、glimepiride (n=302)。主要结局是第 24 周 HbA1c 较基线的变化。
- Intercurrent events：主要考虑两类：（1）需要抢救治疗（额外抗高血糖药物）；（2）试验药物停药（包括不良事件、失访、撤回同意等）。采用 hypothetical strategy：假设这两类事件不发生。
- 协变量：基线 HbA1c、年龄、性别、BMI、糖尿病病程、基线 eGFR 等。只有基线测量，没有重复测量的时依协变量（即无时依混杂）。
- 补充假设：
- 随机化保证治疗 A 与潜在结局独立。
- 对于每个估计量，有额外假设：
- MMRM：结局缺失是 MAR（给定之前观测和基线），且缺失模式由基线变量和之前结局预测。
- MI：同 MAR，但需指定插补模型（使用了无事件患者的回归）。
- IPTW：事件发生给定时无未测量混杂（给定 A 和 Z，事件与潜在结局独立）。
- G-formula：结局模型正确指定；事件作为时依变量（但此处无时依混杂，所以简单）。
- G-estimation：结局模型正确；额外假设事件对结局的影响是线性的且无治疗-事件交互（在本文检查了交互项后支持）。
- 与已有文献相比，本文没有放宽或强化假设，而是在同一真实数据集上要求所有方法使用相同的协变量集，以公平比较。较 Olarte Parra (2021) 的理论统一，本文是实证延续。

主要结果
- 五种估计量在三种治疗对比（dapagliflozin vs glimepiride；dapagliflozin+saxagliptin vs glimepiride；两种新药组合间）的 72 个效应估计中（3 对两两比较 × 24 周 HbA1c，还有后续时间点？原文说到除了 24 周外，还有 4, 8, 12, 18 周等，但主要聚焦 24 周），所有方法给出几乎相同的点估计（最大差异约 0.1% HbA1c）和几乎相同的标准误（未报告显著差异）。
- 计算时间上，MMRM 和 MI 最快（<1 秒），IPTW 稍慢（<10 秒），G-formula 需要模拟（约 30 秒），G-estimation 最慢（约 2-3 分钟）。
- 方差估计讨论：因 MI 与 G-formula 的组合需要适当 bootstrap（Schomaker & Heumann 2018 方法），本文实现了两种方案，并报告结果一致。
- 文章还展示了对估算量的敏感性：当使用不同事件定义（如仅停药 vs 停药+抢救）时，结果稳定。

证明路线与技术技巧
本文为实证研究，不包含新定理或证明路线。技术技巧主要体现在实现细节：

  • MMRM：使用 nlme R 包的 lme，拟合随机截距+非结构化协方差结构。将事件后数据标记为缺失？标准做法：仅用观测数据（无明确缺失模型），但 MMRM 对 MAR 假设提供有效性。
  • MI: 使用 mice 包，采用无事件患者子集拟合预测模型，然后对所有患者预测（引入随机误差）。方差通过 Rubin 规则结合 bootstrap 获得（先 bootstrap 原始数据再行 MI，再在每套数据中估计）。
  • IPTW：用 ipw 包的 ipwtm 函数估计倾向性加权，权重取稳定权重。仅对 D=0 患者加权分析。方差用 bootstrap 或者加权线性回归的稳健方差。
  • G-formula：用 gfoRmula 包，设定干预值 D=0。由于无时依混杂，G-formula 退化为标准回归标准化，但作者仍使用 Monte Carlo 模拟（即从观测数据的联合分布中模拟潜在结局）。该包自动处理缺失。
  • G-estimation：通过 gesttools 实现（或自定义两阶段估计）。第一阶段拟合结局模型（包含 A, D, Z 及其交互），第二阶段用 \(A\) 作为仪器消除 D 的内生性？实则利用随机化的外生性，构造估计方程：\(U(\psi) = (A - E[A])(Y - \psi A - \beta D - \gamma Z)\) 等。具体实现依赖于 g-estimation 的 standard procedure（Robins et al. 1992）。

由于所有方法的结果相似，文章的重点不在于展示新技巧，而在于提供可复现的代码框架和揭示实践中隐含的假设差异。

真实例子与应用
- 数据来源：见上文（Müller-Wieland 2018 试验）。该试验原本评估三种添加疗法控制血糖的效果。本文重新分析，重新定义 intercurrent events 和 estimand。
- 方法使用：在原始数据上依次运行上述五种估计量，生成每组在 hypothetical 场景下的平均结局，再计算差。
- 结果：五条方法给的曲线几乎重叠（图示）。例：对于 dapagliflozin vs glimepiride 在 24 周的差值，MMRM 估计 -0.34%，MI -0.35%，IPTW -0.33%，G-formula -0.34%，G-estimation -0.34%。无明显差别。
- 这个例子想说明：当假设满足时（本例中事件发生不强烈，且缺失数据模式友好），多种方法收敛于同一答案，验证了理论等价；但文章中同时指出，如果存在时依混杂或事件比例高，差异可能出现。

🔎 结论是否比证明窄
本文结论严格限于该试验情境，未作泛化。例如，文中明确说明：“These results should not be taken as evidence that all methods will always agree; rather, they illustrate that under the conditions of this trial, the methods yield similar estimates.” 结论未超出证明范围。

四、开放问题

  1. 时依混杂下的表现：本文刻意避开时依混杂（无重复协变量测量）。当存在时依混杂时，上述估计量的假设是否仍等价？G-formula 和 G-estimation 理论上可处理，但 IPTW 需要标准化的权重更新。扎根点：原文 limitation 段：“我们研究的数据在基线后没有重复测量协变量，因此不存在时依混杂问题……还需要在含时依混杂的数据中进行评估。”

  2. 方差估计的准确性：对于 MI+PTW 或 G-formula+bootstrap 组合，现有方差估计（Rubin 规则、bootstrap）在有限样本下的覆盖率和效率如何？本文使用 bootstrap 内嵌 MI 得到了良好结果，但未比较其他策略（如 analytic sandwich 估计）。扎根点：方法部分关于方差估计的讨论（围绕 Schomaker & Heumann 2018 的四种方法）仅选择一种，未做系统仿真。

  3. 多种事件类型的联合建模：本文分别处理停药与抢救治疗，但将其合并为单一事件 D。若事件类型不同（如不良事件 vs 停药），它们可能有不同机制，需要区分建模（例如使用竞争风险）。扎根点：文中提及“我们将两类 intercurrent event 视为相同……更细致的处理值得探索”。

  4. 效率理论空白：在 hypothetical strategy 下，各估计量的（半参数）效率界是什么？是否某些方法可达到最小方差？本文仅报告标准误大致相等，但未讨论最优性。扎根点：引入因果推断的效率理论（如 van der Laan & Robins）对此场景可做出理论贡献，而本文完全未涉及。

（建议确认：以上问题是否已被其他文献先行解决？可查阅 Olarte Parra (2021) 的理论统一是否有后续效率比较。）

Maintained by 陈星宇 · Homepage · Source on GitHub

评论