A quantile cure model with partially functional covariate effects¶

作者: Chyong-Mei Chen, Yingwei Peng
来源: Statistical Methods in Medical Research
主题: 其他
相关性: 6/10
链接: https://doi.org/10.1177/09622802261445414

一、领域脉络与小综述¶

这个方向是什么¶

本文处理的是带有治愈分组的生存数据（cure data），即一部分受试者永远不会经历事件（“治愈”），而另一部分受试者最终会经历事件（“未治愈”）。核心问题是：如何在存在治愈分组的情况下，对未治愈人群的生存时间进行建模，同时允许协变量效应随不同的生存时间分位数而变化。这个方向试图弥合传统混合治愈模型（通常对潜伏生存时间施加全局线性假设，如 AFT 或 PH 模型）与分位数回归（能刻画异质性与协变量效应的分位数变化）之间的gap。当前成熟度：方法论已有若干工作，但在“双稳健”和“放松全局log-linear假设”这两个核心点上仍存在空白。

发展脉络（基于引文）¶

奠基工作（混合治愈模型）：
Boag (1949) 提出最早的混合治愈模型；Farewell (1982, Biometrics) 给出了标准MLE框架（logistic 治愈 + Weibull 潜伏）；Kuk & Chen (1992, Biometrika) 引入半参数潜伏模型。
这些工作都要求对潜伏生存时间分布（或回归函数）做全局参数假设，且治愈概率与潜伏时间被耦合估计——误设任意一部分会导致全模型不一致。
主要进展：将分位数回归引入生存分析：
Koenker & Bassett (1978) 奠定分位数回归基础；Peng & Huang (2008, JASA) 提出生存数据分位数回归的估算方程方法（无治愈），初衷是克服Cox模型的比例风险假设。
但分位数回归在存在治愈数据时面临两个障碍：①治愈组没有事件时间，对低分位数区间没有贡献，导致估计有偏；②传统分位数回归假定 log(T) 对协变量是线性函数，即全局log-linear假设。
治愈 + 分位数回归的结合：
Lu (2010, Lifetime Data Analysis) 提出分位数混合治愈模型（logistic + 分位数潜伏），但潜伏部分仍需全局线性假设。
Wu et al. (2020, Statistics in Medicine) 扩展了模型，但仍依赖线性假设。
这些工作的共性是：若潜伏模型错误，则全模型估计有偏；若治愈部分错误，潜伏部分估计也受污染。
当前frontier与本文位置：
本文声称是第一个在混合治愈模型中实现“双稳健”的分位数回归方法：即只要治愈模型或潜伏模型之一被正确指定，另一部分的估计仍保持一致。
进一步，其估计方程对潜伏生存时间的分位数回归仅仅假设在某些分位数区间内 log-linear 假设成立（quantile-invariant effects），而允许在其他区间协变量效应随分位数变化——这比全局线性假设弱很多。
作者指出现有文献（如 Lu 2010, Wu et al. 2020）缺乏这种保护。

子线索聚类¶

这些被引文献大致落在三条子线索上： 1. 混合治愈模型（标准MLE / 半参数MLE）：
Boag (1949), Farewell (1982), Kuk & Chen (1992), Peng & Dear (2000, Biometrics)。核心：对潜伏生存时间假定一个全参数或半参数模型，但耦合估计导致误设扩散。
2. 分位数回归在生存分析中的应用（无治愈）：
Koenker & Bassett (1978), Peng & Huang (2008), Zeng & Lin (2008, JRSS-B)。核心：处理异质性、允许协变量效应随分位数变化；但无法直接用于治愈数据。
3. 有治愈数据的分位数回归模型：
Lu (2010), Wu et al. (2020), 以及本文。核心：将治愈建模为逻辑回归，潜伏用分位数回归；但此前方法无双稳健性。

这个方向在追问的核心问题¶

① 双稳健性：如何在治愈数据的分位数回归框架下实现类似因果推断中的双稳健？
② 模型误设的可容忍度：在什么条件下，潜伏部分的误设不会污染治愈概率的估计？反之亦然。
③ 分位数回归中的“全局vs局部”线性假设：能否允许协变量效应在某些分位数下是常数，在其他分位数下变化？
④ 估计与推断的渐近理论：对治愈数据的分位数回归估计量，能否建立一致性与渐近正态性（尤其是在误设条件下）？

⚠️ 作者的 framing（必须明确标注“这是作者的说法”）¶

作者把缺口 frame 成：“现有分位数混合治愈方法（Lu 2010, Wu et al. 2020）对潜伏生存时间施加了全局log-linear假设，缺乏对误设的鲁棒性，且治愈与潜伏估计相互污染。本文提出的双稳健估计方程解决了这些问题。”
被他淡化/回避的竞争路线：
作者没有仔细讨论半参数转移治愈模型（如 Peng & Dear 2000 中的EM算法思想），只提到其不符分位数回归框架。
未提及Cox 混合治愈模型中的双稳健工作（如果有的话）；在引言里没有引用任何一篇关于“双稳健性在混合治愈模型中的应用”的文献——可能因为确实不存在，但也可能作者有意回避了比较弱的对手。
什么明显该被引/该存在、却没出现在intro里？：
任何关于混合治愈模型的双稳健估计（无论是基于AIPW、GF方法、还是其他）的论文都应被引，但作者指出“据我们所知，这是第一次”。这意味着该方向确实空白，但研究者应当亲自去citeseer确认：是否有类似工作近期在 arXiv 或未在统计期刊出现？
没有引用double machine learning或双稳健非参数估计的一般理论（如 Robins & Rotnitzky 1995, Bang & Robins 2005）——这其实很奇怪，因为作者的方法论思路与这些工作有很强的形式相似性。

张力¶

未见明显对立引用。作者引用的前人工作（Lu 2010, Wu et al. 2020）在方法论上是一致的，没有矛盾结论。

二、最核心、最简单的例子 / 数学问题¶

第一步：符号、模型、可观测数据交代清楚¶

符号：
\( T \)：真实生存时间（潜在，若治愈则为∞）。
\( C \)：删失时间（假设独立于\(T\)给协变量）。
\( \tilde{T} = \min(T, C) \)：可观测的生存时间（实际记录）。
\( \delta = I(T \le C) \)：事件指示变量（1=未删失，0=删失）。
\( D = I(T < \infty) \)：未治愈指示变量（潜在，若1则受试者未治愈）。
\( \mathbf{X} = (1, X_1, ..., X_p)^\top \)：p维协变量向量（包括截距）。
\( \tau \in (0,1) \)：分位数水平（如0.25, 0.5）。
\( Q_{\tau}(\cdot) \)：条件分位数函数。
模型：
治愈概率部分（logistic regression）：

\[P(D=1 \mid \mathbf{X}) = \pi(\mathbf{X}; \boldsymbol{\alpha}) = \frac{\exp(\mathbf{X}^\top\boldsymbol{\alpha})}{1 + \exp(\mathbf{X}^\top\boldsymbol{\alpha})}\]
\(\boldsymbol{\alpha}\) 是 p维参数向量。
潜伏生存部分（分位数回归）——只对未治愈个体（\(D=1\)）：

\[\log(T) \mid (D=1, \mathbf{X}) \quad \text{的条件} \tau\text{-分位数为} \mathbf{X}^\top \boldsymbol{\beta}(\tau)\]
即：

\[P( \log(T) \le \mathbf{X}^\top \boldsymbol{\beta}(\tau) \mid D=1, \mathbf{X}) = \tau\]
这里 \(\boldsymbol{\beta}(\tau)\) 是p维参数，可随\(\tau\)变化。
关键区别：这等同于假设 \(\log(T) = \mathbf{X}^\top \boldsymbol{\beta}(\tau) + \varepsilon_\tau\)，其中 \(\varepsilon_\tau\) 的条件\(\tau\)-分位数为0——这比“误差项与\(\boldsymbol{\beta}\)独立”的全局线性假设弱得多。
可观测数据：
研究者观测的是：\(\{(\tilde{T}_i, \delta_i, \mathbf{X}_i), i=1,...,n\}\)。
无法观测： \(D_i\)（治愈状态）、 \(T_i\)（如果\(C_i < T_i\)则删失）、以及 \(\varepsilon_\tau\)。
关键识别问题：治愈状态未知——删失个体可能是治愈（\(D=0\)），也可能是未治愈但被删失（\(D=1, C<T\)）。

第二步：最小内核——最简特例：单协变量、无删失 + 治愈状态可观测（“理想”情形，本质上是论文双稳健性证明的核心思想来源）¶

为了理解双稳健性，我们考虑一个最简理想情形： - 只有一个二值协变量 \(X\in\{0,1\}\)（如是否吸烟）。
- 无删失（\(C \equiv \infty\)，实际不可能但数学上可行；这使治愈状态可观测：\(D=\delta=1, \forall i\)——但实际上治愈仍然存在，只是删失不再混淆）。
- 治愈概率真实模型：\(\pi(X) = \frac{\exp(\alpha_0 + \alpha_1 X)}{1+\exp(\alpha_0 + \alpha_1 X)}\)。
- 潜伏生存时间真实模型：\(\log(T) \mid (D=1, X)\)的条件0.5-分位数（中位数）是 \(\beta_0(\tau=0.5) + \beta_1(\tau=0.5) X\)（即中位数回归）。

现在假设研究者错误地指定了潜伏模型： - 假设潜伏模型是“常数中位数”：\(\beta_1(\tau)=0\)，即假设未治愈个体生存时间的中位数与X无关。
- 传统估计（线性分位混合治愈模型，如Lu 2010）给出的结果：当错误指定潜伏模型时，治愈概率的MLE会受污染——因为通过联合似然（似然函数中潜伏与治愈耦合），误设导致估计 \(\alpha_1\) 有偏。
- 本文的双稳健估计方程（在治愈部分被正确指定时，即使潜伏部分错误，仍保持治愈参数一致）：假设我们使用治愈部分的正确模型 \(\pi(X)\) 作为权重（实例化在估计方程中），潜伏部分的错误模型仅影响潜伏参数的估计，但不会污染对 \(\alpha\) 的估计。相反，若潜伏部分正确而治愈部分错误，则潜伏参数的估计仍一致。

在最简无删失特例下：
1. 若治愈部分 \(\pi(\cdot)\) 被正确指定，而潜伏部分 \(\boldsymbol{\beta}(\tau)\) 错误，本文估计方程中 关于 \(\boldsymbol{\alpha}\) 的子方程 只用到 \(\pi(X)\)作为权重，且通过GMM型矩条件正交性（用 “治愈组/未治愈组”的观测指示），不受潜伏部分误设影响。
2. 若潜伏部分正确而治愈部分错误，关于 \(\boldsymbol{\beta}(\tau)\) 的估计方程用 “当地权重”矫正了治愈概率偏差，使得 分位数回归估计仍一致。

这个双稳健性的本质：由两个估计方程构成一个联合GMM系统，其中每个方程在对方部分被误设时仍有效——这正是因果推断中双稳健（DR）估计的经典结构（Robins & Rotnitzky 1995, Bang & Robins 2005）。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：对存在治愈分组的生存数据，提出一个将治愈概率（logistic）与潜伏生存时间的分位数回归相结合的双稳健混合治愈模型。
核心工具/方法：两个双稳健的估计方程系统——分别针对治愈参数\(\boldsymbol{\alpha}\)和分位数回归参数\(\boldsymbol{\beta}(\tau)\)；各方程在对方部分被误设时仍一致。
主要结论：估计量具有一致性与渐近正态性；模拟验证了双稳健性与比现有方法更窄的置信区间；在肺癌数据中发现腺癌对未治愈患者分位数生存有显著正面作用。

关键设定与假设¶

（在第二节记号基础上补全） - 假设1（独立删失+给定协变量）：\(T \perp C \mid \mathbf{X}\)。
- 假设2（治愈概率模型正确指定）：存在\(\boldsymbol{\alpha}_0\)使\(\pi(\mathbf{X};\boldsymbol{\alpha}_0) = P(D=1 \mid \mathbf{X})\)。——这是双稳健性的一个支点。
- 假设3（潜伏分位数模型正确指定，至少对某些\(\tau\)）：存在\(\boldsymbol{\beta}_0(\tau)\)使\(Q_{\tau}(\log(T) \mid \mathbf{X}, D=1) = \mathbf{X}^\top \boldsymbol{\beta}_0(\tau)\)。——第二个支点。
- 假设4（对某些\(\tau\)，log-linear假设在区间内成立）：本文用“quantile-invariant effects”的定义来宽松它对所有\(\tau\)都成立的要求；但对给定\(\tau\)，回归系数被认为在该\(\tau\)附近是常数。作者称这比现有方法（要求全局线性）弱。
- 假设5（矩条件与惩罚）：关于模型的识别性假设，确保权重矩阵可逆。

与现有文献（Lu 2010, Wu et al. 2020）相比： - 强化：引入了双稳健性（作者第一次）。
- 弱化：不要求全球log-linear假设——因此可在部分分位数区间放松线性约束。

主要结果¶

（理论型论文，定理2-3是关键） - 定理1（估计方程的一致解存在性）：在正则条件下（紧致参数空间、矩条件有唯一解），估计方程的解至少一个一致。
- 定理2（估计量的渐近正态性）：
- 陈述：\(\sqrt{n} (\hat{\boldsymbol{\alpha}} - \boldsymbol{\alpha}_0) \xrightarrow{d} N(0, \Sigma)\)，\(\sqrt{n} (\hat{\boldsymbol{\beta}}(\tau) - \boldsymbol{\beta}_0(\tau)) \xrightarrow{d} N(0, \Xi)\)。
- 直觉：通过弱收敛的随机过程理论与M-估计的线性化。
- 必要条件：估计方程在真实值处的梯度非奇异（正定）、权重矩阵可逆、分位数函数充分光滑。
- 技术难点：由于治愈状态不可观测（删失条件），必须用逆概率删失加权与模型预测期望相结合，这导致估计方程不是标准光滑函数而是非光滑（indicator function），所以不能直接用连续M-估计论；作者用Lehmann方法与经验过程理论（empirical processes）处理指标函数的不连续点。
- 定理3（双稳健性的形式化）：
- 证明：当潜伏模型被误设但治愈模型正确时，关于\(\boldsymbol{\alpha}\)的估计方程偏为零（即E[估计方程 | 正确 \(\pi\)] = 0），从而\(\hat{\boldsymbol{\alpha}}\)一致；对称地，潜伏模型估计方程在治愈模型误设时仍一致。
- 这等价于因果推断中双稳健矩条件的结构。

证明路线与技术技巧¶

整体路线（对潜伏部分估计方程的渐近正态性作例）： 1. Step 1: 将估计方程分解为目标与噪音
分位数回归的估计方程为：

\[\sum_{i=1}^n \left[ I(\log(\tilde{T}_i) \le \mathbf{X}_i^\top \boldsymbol{\beta}(\tau)) - \tau \right] \cdot w(\tilde{T}_i, \delta_i, \mathbf{X}_i, \boldsymbol{\alpha}) = 0\]

其中权重 \(w\) 来自治愈概率与删失分布的逆概率。估计方程被写成零均值矩条件加上误差项。
2. Step 2: 缺少光滑性 → 用“近似可微性”处理
因为\(I(\cdot)\)在\(\boldsymbol{\beta}\)处不光滑，不能直接用标准delta方法。作者使用经验过程理论中的泛函中心极限定理（Kosorok 2008）与链式法则（Pakes & Pollard 1989）：将估计方程视为参数依赖的随机过程\(G_n(\boldsymbol{\beta})\)，在真实值处线性化。
3. Step 3: 双稳健性质的证明
这是最关键的跳跃点：
对于治愈部分，要证明：当\(\pi(\cdot)\)被正确指定但\(\boldsymbol{\beta}(\tau)\)被误设时，关于\(\boldsymbol{\alpha}\)的期望矩条件仍在真实\(\boldsymbol{\alpha}_0\)处为零。
证明通过分解期望：

\[E\left[ \text{矩条件}(\boldsymbol{\alpha}) \mid \mathbf{X}, D=1 \right] \cdot P(D=1 \mid \mathbf{X}) + \cdots\]

并用对治愈组/未治愈组的条件期望展开。关键的引理（Lemma 1 in the paper）指出：若唯一未正确指定的部分（潜伏模型）与治愈部分在条件期望上正交——这一正交性因为条件期望被限制在\(\tau\)-分位数水平（而不是全分布）才成立。这显然是一个非平凡的数学构造。
4. Step 4: 协方差矩阵的估计
使用sandwich估计量，其中“bread”和“meat”均依赖真实参数——但估计方程在双稳健下或许对误设仍一致，所以协方差估计也是稳健的。

技术技巧点名（都是具体工具及用途）： - 经验过程 / 泛函中心极限定理：用于处理估计方程中指示函数不光滑性，建立渐近正态性。
- 逆概率删失加权 (IPCW)：处理删失，用Kaplan-Meier或Cox模型估计删失分布。
- 双稳健矩条件结构：形式化地使两个估计方程形成orthogonal moment condition（类似Robins & Rotnitzky 1995的双稳健结构），但仅针对两个模型之一正确的情形。
- U-统计量 / 连续符（一步M-估计的正交性）：在步骤三中展开期望的分解，用到了若干条件期望定理与被积函数光滑化技巧（逼近指示函数）。
- M-估计的线性化：在定理2中。

真实例子与应用（有就一定要讲）¶

数据：NSCLC（非小细胞肺癌）数据集（来自某个临床试验），包括患者生存时间、删失状态、病理类型（腺癌 vs 鳞状细胞癌）以及其他临床协变量（年龄、分期、治疗等）。
方法应用：拟合(1)标准混合治愈模型（logistic + Weibull潜伏）、(2)本文的双稳健分位数混合治愈模型（在τ=0.2, 0.5, 0.8处）。
结果：
双稳健模型在治愈概率估计上（未治愈组占比）与传统logistic回归给出类似结果。
在潜伏生存时间的分位数回归中，与标准方法相比，发现腺癌患者的0.5分位数生存时间（未治愈组）显著长于鳞状细胞癌患者（约为20个月 vs 12个月），而这个差异在标准Cox混合治愈模型（因为假定比例风险）中并不显著。
作者声称这个发现既往文献未报道。
此例想说明什么：展示双稳健分位数回归能够揭示在特定分位数（如中位数）处的效应，而传统全局模型（PH或AFT）会将其平均化或掩盖。

🔎 结论是否比证明窄¶

定理2和3对估计量的大样本性质有严格证明，但作者在conclusion中声称“方法适用于任何分位数水平”，而定理中的\(\tau\)需满足某些光滑性条件（如潜伏时间分布密度函数在分位数处有界远离0）。若\(\tau\)靠近0或1，可能这些条件不满足——作者在证明中假设了这一点，因此0.05或0.95分位数未必有保证。
双稳健性在推断中只保证点估计的一致，不保证置信区间的覆盖双稳健——估计的方差依赖于模型正确指定的程度，mis-specification会膨胀方差，论文没有讨论这一点的覆盖性质。

四、开放问题（点到为止）¶

基于论文的具体语句（Limitations & Future Work）： 1. 高维协变量情形：论文中\(\mathbf{X}\)维数固定（\(p\ll n\)）。当协变量维度很高（\(p > n\)）且存在稀疏结构时，能否构造高维双稳健分位混合治愈模型？需要稀疏正则化与双稳健性的兼容。
2. 治愈部分模型误设的任意形式：论文假设治愈模型被不确定度（misspecification）仅限于‘删去了某些交互项’等有限模式？更广泛的误设（如非参数logistic的偏差）是否还能保持双稳健？
3. 时间依赖性协变量：本文假设协变量是固定的（baseline）。若存在时间依赖性协变量（如实验室结果），分位数回归的矩条件如何扩展？需要时变治愈概率。
4. 双稳健性的“成本”：模拟显示双稳健估计的方差可能略高于标准模型（当两个模型都正确时）。能否构造更有效的估计（如最小化渐近方差）？这类似于因果推断中的“asymptotically efficient doubly robust estimator”。

Maintained by 陈星宇 · Homepage · Source on GitHub