跳转至

Robust Estimation and Inference with Selective Borrowing in Hybrid Controlled Trials: A Tutorial with SelectiveIntegrative and intFRT

作者: Ke Zhu, Hairong Huang, Shu Yang, Xiaofei Wang
主题: 因果推断
相关性: 7/10
链接: https://arxiv.org/abs/2607.00350


一、领域脉络与小综述

这个方向是什么

混合对照试验(Hybrid Controlled Trials, HCTs)是因果推断与临床试验设计交叉的一个子方向,其根本问题在于:当随机对照试验(RCT)因样本量有限、入组缓慢或伦理约束而面临统计功效不足时,如何利用外部对照(External Controls, ECs)——来自历史试验、真实世界数据(RWD)或电子健康记录——来提升治疗效应估计的效率,同时不牺牲推断的有效性。这个方向的核心张力在于"借"与"防":借得越多,效率增益越大,但外部对照与 RCT 人群之间可能存在的协变量分布差异(covariate shift)和结局系统性差异(outcome drift)会引入偏差,甚至导致第一类错误率失控。该领域当前处于"方法快速涌现但实践标准尚未固化"的阶段——已有大量贝叶斯和频率学派方法,但缺乏统一的路线图和可复现的软件实现。

发展脉络(history)

该方向的奠基性思想可追溯到 Rubin (1974) 关于随机化与非随机化研究中因果推断的经典论述,其核心观点是:随机化是因果推断的黄金标准,但在无法随机化时,合理使用观测数据仍是必要且可行的。沿着这条线索,HCT 方法的发展大致可分为三个阶段:

第一阶段:全量借用(Full Borrowing)与偏差校正。 早期工作直接将 ECs 并入对照组,通过倾向评分匹配、加权或结局回归来校正协变量分布差异。Li et al. (2023) 系统建立了 HCT 的因果推断框架,明确了在条件均值可交换性(即本文的 Assumption 2)下,通过 IPW、AIPW 等双重稳健估计器可以同时校正协变量漂移并提升效率。这一阶段的代表性工作还包括 Valancius et al. (2024) 的因果推断框架,其将 HCT 刻画为"部分随机化"问题,并给出了识别假设与效率界。Ventz et al. (2022) 则从试验设计角度讨论了 HCT 的适用场景与潜在偏倚来源。

第二阶段:选择性借用(Selective Borrowing)。 全量借用的风险在于:若部分 ECs 存在结局漂移(即观测协变量无法解释的差异),强行借用会引入偏差。为此,Gao et al. (2025a) 提出惩罚性选择性借用(PSB),通过为每个 EC 引入个体偏差参数并用自适应 Lasso 将其收缩到零,实现"只借兼容的"。Zhu et al. (2025) 进一步提出基于共形推断的选择性借用(CSB),利用共形 p 值逐个体检验 EC 与 RCT 对照的可交换性,并以数据自适应方式选择阈值。Liu et al. (2025b) 则将 CSB 扩展到二值结局,处理了标签条件共形 p 值的问题。这一阶段的核心贡献在于将"借不借、借多少"从先验判断转化为数据驱动的决策。

第三阶段:随机化推断与软件实现。 频率学派渐近推断在 HCT 中面临两个困难:小样本下正态近似可能失效;选择性借用引入的"选择效应"使得事后推断的有效性存疑。Zhu et al. (2025) 提出将 Fisher 随机化检验(FRT)与选择性借用结合,在"按随机化分析"(analyze as you randomize)的原则下,通过在每个置换中重放整个选择-估计流程,获得有限样本精确且对选择效应稳健的 p 值。本文(Zhu, Huang, Yang & Wang, 2026)作为一篇教程,将上述方法整合为一条从 estimand 定义到 FRT 推断的完整路线图,并提供了 SelectiveIntegrative 和 intFRT 两个 R 包的可复现实现。

子线索聚类

被引文献大致落在三条子线索上:

  1. 因果推断框架与识别(Rubin 1974; Li et al. 2023; Valancius et al. 2024):这条线索回答"在什么假设下,HCT 能识别 RCT 人群中的 ATE",核心是条件均值可交换性(Assumption 2)与采样正性(Assumption 3),并建立效率界。
  2. 选择性借用方法(Gao et al. 2025a; Zhu et al. 2025; Liu et al. 2025b):这条线索回答"如何从 ECs 中筛选出可借用的子集",核心是个体偏差估计、惩罚收缩与共形推断。
  3. 随机化推断与试验设计(Fisher 1935; Simon & Simon 2011; Carter et al. 2024; Ventz et al. 2022):这条线索回答"在非标准分析流程下如何保证推断有效性",核心是 FRT 对自适应选择的鲁棒性,以及监管视角下 HCT 的可接受性。

这个方向在追问的核心问题

  1. 识别问题:在何种假设下,外部对照能够无偏地估计 RCT 人群中的 ATE?条件均值可交换性(Assumption 2)是否可检验、可放松?
  2. 偏差-效率权衡:选择性借用的阈值(如 CSB 中的 γ)如何选择才能在偏差与方差之间达到最优?是否存在自适应达到半参数效率界的方法?
  3. 推断有效性:当选择过程本身是数据驱动的(如 CSB 的阈值选择),如何保证事后推断(置信区间、p 值)的有效性?FRT 是否是唯一的选择?
  4. 实践标准化:从 estimand 定义到敏感性分析的完整流程应如何规范化,以满足监管机构(如 FDA)对真实世界证据的审查要求?

⚠️ 作者的 framing(必须明确标注成"这是作者的说法")

作者将本文定位为"一个实用的教程"(a practical tutorial),其核心论点是:HCT 分析应当遵循一条从 estimand 到推断的完整路线图,其中选择性借用(而非全量借用)是应对结局漂移的关键,而 FRT 是保证选择后推断有效性的必要工具。作者强调,选择性借用"不应被视为替代设计阶段对 EC 适用性评估的工具,而是分析阶段提高鲁棒性的手段"。这一 framing 隐含地淡化了贝叶斯动态借用方法(如 power prior 或 commensurate prior)的竞争地位——作者仅在引言中一笔带过,未做详细比较。此外,作者将"结局漂移"视为比"协变量漂移"更危险的偏差来源,这一判断与 Li et al. (2023) 的框架一致,但与部分贝叶斯文献(更关注先验设定对后验的影响)的侧重点不同。

张力

被引文献之间未见明显对立结论,但存在一个值得注意的张力:PSB(Gao et al. 2025a)与 CSB(Zhu et al. 2025)对"兼容性"的定义不同。PSB 通过惩罚回归将个体偏差收缩到零,隐含地假设偏差是稀疏的(即少数 ECs 有偏差);CSB 则通过共形 p 值检验个体可交换性,不假设稀疏性但需要选择阈值 γ。两种方法在偏差结构非稀疏时可能给出不同的借用决策。作者在教程中同时呈现两种方法,但未讨论它们适用条件的差异——这是一个值得研究者去查的问题。


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

符号清单(逐个点名):

  • 指标 / 集合:
  • \(S \in \{0, 1\}\):数据来源指示符,\(S=1\) 表示 RCT 患者,\(S=0\) 表示外部对照(EC)。
  • \(A \in \{0, 1\}\):治疗分配,\(A=1\) 为试验治疗,\(A=0\) 为对照。
  • \(n_{\text{RCT}}\):RCT 患者总数;\(n_1\) 为 RCT 中治疗组人数,\(n_0\) 为 RCT 中对照组人数;\(n_{\text{EC}}\):外部对照人数;\(n = n_{\text{RCT}} + n_{\text{EC}}\)。

  • 随机变量 / 观测数据:

  • \(X\):基线协变量向量(如年龄、肿瘤大小、组织学类型)。
  • \(Y\):观测结局(本文为二值,如 3 年生存状态,\(Y \in \{0,1\}\))。
  • \(Y(a)\):潜在结局(potential outcome),\(a \in \{0,1\}\),即患者在治疗 \(a\) 下的结局。这是潜在(counterfactual)量,不可直接观测——每个患者只能观测到 \(Y = Y(A)\)。

  • 参数 / estimand:

  • \(\tau = \theta_1 - \theta_0\):RCT 人群中的平均治疗效应(ATE),其中 \(\theta_a = \mathbb{E}\{Y(a) \mid S=1\}\),\(a \in \{0,1\}\)。这是要估计的目标量。
  • \(\pi_A(x) = \mathbb{P}(A=1 \mid S=1, X=x)\):RCT 中的治疗分配概率,由设计已知,\(\pi_A(x) \equiv \bar{\pi}_A = n_1 / n_{\text{RCT}}\)。
  • \(\pi_S(x) = \mathbb{P}(S=1 \mid X=x)\):采样倾向评分(sampling propensity score),即给定协变量下患者属于 RCT 而非 EC 的概率。这是关键 nuisance 参数,需要估计。
  • \(\mu_a(x) = \mathbb{E}(Y \mid A=a, S=1, X=x)\):RCT 中治疗组(\(a=1\))或对照组(\(a=0\))的条件结局均值。
  • \(r(x) = \frac{\text{Var}(Y \mid S=1, A=0, X=x)}{\text{Var}(Y \mid S=0, A=0, X=x)}\):RCT 对照与 EC 之间的条件方差比,用于高效合并两组对照。

  • 模型:

  • 数据生成机制:RCT 中 \((X, A, Y)\) 满足 \(A \perp \{Y(0), Y(1)\} \mid X\)(随机化保证);EC 中所有患者 \(A=0\),观测 \((X, Y)\)。
  • 关键识别假设:Assumption 2(条件均值可交换性):\(\mathbb{E}\{Y(0) \mid S=1, X\} = \mathbb{E}\{Y(0) \mid S=0, X\}\)。即给定协变量后,RCT 对照与 EC 的潜在对照结局均值相同。这是整个借用策略的基石——若违反,借用即有偏。
  • Assumption 3(采样正性):\(\pi_S(x) > 0\) 对所有 \(x\) 成立,即每个 EC 患者都有正概率属于 RCT 人群。这保证了加权估计的稳定性。

  • 可观测数据:研究者实际能观测到的是 \(\{(X_i, S_i, A_i, Y_i)\}_{i=1}^n\),其中 RCT 患者有 \(S_i=1\) 且 \(A_i \in \{0,1\}\),EC 患者有 \(S_i=0\) 且 \(A_i=0\)。关键点:EC 患者没有治疗组信息,且 \(Y(0)\) 的分布只能通过假设与 RCT 对照连接。

第二步:最小内核

最小设定:假设 \(X\) 为一维连续协变量,结局 \(Y\) 为二值(1=存活,0=死亡)。RCT 有 \(n_{\text{RCT}} = 100\) 人(\(n_1 = n_0 = 50\)),EC 有 \(n_{\text{EC}} = 300\) 人。我们想估计 \(\tau = \theta_1 - \theta_0\),即 RCT 人群中的 ATE。

核心困难:RCT 对照组只有 50 人,估计 \(\theta_0\) 的方差较大。EC 有 300 人,若它们与 RCT 对照"可比",借用它们可以显著降低方差。但 EC 来自真实世界数据库,其 \(X\) 分布与 RCT 不同(协变量漂移),且可能存在未观测的结局漂移。

最小内核问题:如何从 300 个 EC 中选出与 RCT 对照"足够相似"的子集,使得借用后的 \(\hat{\theta}_0\) 偏差可控、方差最小?

本文的核心思路(以 CSB 为例):

  1. 匹配:先用采样倾向评分 \(\pi_S(x)\) 做最近邻匹配,为每个 RCT 对照匹配 \(K\) 个 EC,得到匹配后的 EC 集合(本例中 \(K=1\),匹配后保留约 50 个 EC)。

  2. 共形 p 值:对每个匹配后的 EC \(i\),计算共形 p 值 \(p_i\),衡量其与 RCT 对照的"可交换性"。具体地,将 RCT 对照和 EC \(i\) 的 \((X, Y)\) 放入一个"扩展数据集",用留一法(或交叉拟合)训练一个预测模型 \(\hat{f}\),然后计算共形得分(如绝对残差 \(|Y - \hat{f}(X)|\))。\(p_i\) 是 EC \(i\) 的得分在 RCT 对照得分分布中的分位数。\(p_i\) 小意味着 EC \(i\) 与 RCT 对照差异大。

  3. 阈值选择:选择阈值 \(\gamma\),保留 \(p_i > \gamma\) 的 EC。\(\gamma\) 的选择通过最小化估计的 MSE 完成:

    \[\hat{\gamma} = \arg\min_\gamma \left[ \left(\hat{\tau}_\gamma - \hat{\tau}_{\text{NB}}\right)^2 + \widehat{\text{Var}}(\hat{\tau}_\gamma) \right],\]
    其中 \(\hat{\tau}_{\text{NB}}\) 是仅用 RCT 数据的无偏估计(作为偏差基准),\(\hat{\tau}_\gamma\) 是借用 \(p_i > \gamma\) 的 EC 后的估计。这个准则在"借用带来的偏差"与"借用减少的方差"之间权衡。

  4. 估计:对选中的 EC 子集,用 AIPW 估计 \(\theta_0\):

    \[\hat{\theta}_0^{\text{CSB-AIPW}} = \frac{1}{n_{\text{RCT}}} \sum_{i=1}^n \left[ S_i \hat{\mu}_0(X_i) + \frac{\hat{\pi}_S(X_i) \{(1-A_i)S_i + (1-S_i)\hat{r}(X_i)\}}{(1-\pi_A(X_i))\hat{\pi}_S(X_i) + (1-\hat{\pi}_S(X_i))\hat{r}(X_i)} \{Y_i - \hat{\mu}_0(X_i)\} \right].\]
    这个估计器的核心是:用 \(\hat{\pi}_S\) 加权来校正协变量漂移,用 \(\hat{r}\) 来高效合并 RCT 对照和 EC 的方差信息。

  5. 推断:渐近正态性给出置信区间;同时用 FRT 提供有限样本精确的 p 值——在每个置换中重放"匹配→共形 p 值→阈值选择→估计"的完整流程。

为什么这个内核"难":难点不在估计本身,而在选择效应——EC 的选择是基于数据的(共形 p 值、阈值 γ),这导致事后推断(如"借用 153 个 EC 后的置信区间")在选择条件下不再有效。本文的 FRT 方案通过"重放整个流程"绕过了这一困难,但代价是计算量大且功效可能受损。


三、这篇论文做了什么

三句话

  1. 研究了什么问题:如何在实际 HCT 分析中系统地处理协变量漂移和结局漂移,在提升效率的同时保证推断有效性,特别是当 EC 选择是数据驱动的时候。
  2. 核心工具 / 方法:将 estimand 定义、资格对齐、倾向评分匹配、全量/选择性借用(PSB 与 CSB)、AIPW/ACW 估计、渐近推断与 Fisher 随机化检验整合为一条完整的分析路线图,并提供 SelectiveIntegrative 和 intFRT 两个 R 包实现。
  3. 主要结论:在模拟 CALGB 9633 肺癌数据上,CSB-AIPW 相比全量借用(FB-AIPW)产生更接近无借用(NB-AIPW)的估计,同时标准误更小;FRT 提供的 p 值与渐近 p 值在方向上一致,但 FRT 对选择效应更稳健。

关键设定与假设

  • 数据:合成数据集,模拟 CALGB 9633 试验(335 名 RCT 患者,167 治疗 / 168 对照)和 NCDB 外部对照(11,700 名患者)。EC 与 RCT 在协变量分布上存在差异(EC 年龄偏大、肿瘤尺寸偏大),且存在结局漂移(EC 的 3 年生存率系统性低于 RCT 对照)。
  • Estimand:RCT 人群中的 ATE(风险差 RD),\(\tau = \theta_1 - \theta_0\)。
  • 假设:
  • Assumption 1(RCT 识别):SUTVA、无混杂、正性——由随机化保证。
  • Assumption 2(条件均值可交换性):\(\mathbb{E}\{Y(0) \mid S=1, X\} = \mathbb{E}\{Y(0) \mid S=0, X\}\)。这是借用的核心假设,但允许部分 EC 违反(即存在结局漂移)。
  • Assumption 3(采样正性):\(\pi_S(x) > 0\)。
  • 相比已有工作的变化:本文不要求 Assumption 2 对所有 EC 成立,而是通过选择性借用识别出满足该假设的子集。这是对 Li et al. (2023) 和 Valancius et al. (2024) 的重要扩展——后者通常假设所有 EC 在观测协变量条件下可交换。

主要结果

理论结果(来自 Zhu et al. 2025 和 Liu et al. 2025b,本文引用): - CSB 的共形 p 值在有限样本下满足 \(\mathbb{P}(p_i \leq \alpha) \leq \alpha\)(对满足交换性的 EC),从而控制"误删兼容 EC"的概率。 - 在正则条件下,CSB-AIPW 估计量渐近正态,且当选择一致时(即 \(\hat{\gamma}\) 收敛到最优 γ),估计量达到与"已知最优子集"相同的效率。 - FRT 在有限样本下精确控制第一类错误率,即使选择流程是数据驱动的。

实证结果(本文表 2 和表 3): - NB-AIPW:\(\hat{\tau} = 0.0568\),SE = 0.0474,p = 0.231 - FB-AIPW:\(\hat{\tau} = 0.0978\),SE = 0.0376,p = 0.0093(借用全部 335 个 EC) - CSB-AIPW:\(\hat{\tau} = 0.0584\),SE = 0.0402,p = 0.147(借用 153 个 EC,γ = 0.6) - PSB-ACW:\(\hat{\tau} = 0.0562\),SE = 0.0427,p = 0.188(仅借用 1 个 EC)

关键观察:FB-AIPW 的估计明显偏离 NB-AIPW(0.098 vs 0.057),说明全量借用引入了偏差(结局漂移);CSB-AIPW 的估计接近 NB 但 SE 更小(0.040 vs 0.047),说明选择性借用在控制偏差的同时提升了效率;PSB 在此数据上过于保守(仅借 1 个 EC),几乎等同于 NB。

证明路线与技术技巧

CSB 的证明路线(Zhu et al. 2025): 1. 共形 p 值的有效性:利用交换性,证明在零假设(EC 与 RCT 对照可交换)下,共形 p 值服从均匀分布(或随机占优均匀分布),从而控制误删概率。 2. 选择一致性:证明当样本量增大时,MSE 准则选择的 \(\hat{\gamma}\) 收敛到使真实 MSE 最小的 γ*,且选择出的 EC 集合收敛到"真实兼容集合"。 3. 估计的渐近正态性:将 CSB-AIPW 估计量视为"基于随机子集的 AIPW",利用经验过程理论证明其渐近正态,且渐近方差等于"已知最优子集"下的方差(选择效应在渐近下消失)。 4. FRT 的有效性:利用随机化推断的标准论证——在零假设下,治疗分配是随机的,因此任何基于治疗分配的检验统计量在置换下的分布是已知的;关键是证明"重放选择流程"不破坏这一性质,因为选择流程只依赖于 \((X, Y)\) 而不依赖于 \(A\)。

技术技巧: - 交叉拟合(cross-fitting):在计算共形 p 值和 AIPW 估计时,用交叉拟合避免"自身预测"带来的过拟合偏差。 - 方差比加权:在合并 RCT 对照和 EC 时,用条件方差比 \(r(x)\) 加权,实现"高效"合并(类似广义最小二乘的思想)。 - MSE 准则:用 NB 估计作为无偏基准,将"借用后的偏差"估计为 \((\hat{\tau}_\gamma - \hat{\tau}_{\text{NB}})^2\),与方差估计相加得到 MSE 的估计。

🔎 结论是否比证明窄

是,存在明显的不匹配: 1. 论文声称"CSB 可以提升效率同时控制偏差",但证明仅覆盖了"选择一致性"和"渐近正态性"——即当样本量趋于无穷时的行为。有限样本下,CSB 的 MSE 是否优于 NB 或 FB 并没有理论保证,只有模拟证据。 2. 论文声称"FRT 提供有限样本精确的 p 值",但证明依赖于"选择流程只依赖于 \((X, Y)\) 而不依赖于 \(A\)"这一条件。在实际实现中,如果选择流程中使用了治疗组数据(例如,通过治疗组结果来校准模型),这一条件可能被违反。论文未讨论这一细节。 3. PSB 的结果(表 3)显示只选了 1 个 EC,论文将其归因于"GLM 对二值结局的保守性",但没有理论分析说明为什么 PSB 在此场景下如此保守,也没有讨论如何调整惩罚参数以获得更合理的借用量。 4. 论文声称"选择性借用不应替代设计阶段的 EC 适用性评估",但没有给出任何定量准则来判断"何时选择性借用足够、何时根本不应借用"。这是一个明显的"结论宽于证明"之处。


四、开放问题

  1. 有限样本理论:CSB 的 MSE 准则在有限样本下的行为如何?是否存在一个"最小 RCT 样本量"阈值,低于该阈值时选择性借用反而劣于不借用?这扎根于论文表 2 中 CSB 与 NB 的 SE 差异(0.040 vs 0.047)——这个差异在更大 RCT 中是否会消失?

  2. 选择效应的更精细刻画:论文证明选择一致性是渐近的,但有限样本下选择效应如何影响置信区间的覆盖概率?论文的 FRT 方案是否在功效上付出代价?扎根于论文第 3.4 节——FRT 的 p 值(0.187)与渐近 p 值(0.147)存在差异,但论文未讨论这一差异的来源。

  3. PSB 的保守性:为什么 PSB 在二值结局下只选了 1 个 EC?这是否是惩罚参数选择的问题,还是 GLM 对二值结局的固有局限?扎根于论文表 3——PSB 的 n_sel = 1,与 CSB 的 n_sel = 153 形成鲜明对比,但论文未解释这一差异。

  4. 未观测混杂的敏感性:论文的 Assumption 2 是条件均值可交换性,但未讨论当存在未观测混杂时,选择性借用是否还能提供保护。扎根于论文第 2.1 节——作者承认"ECOG performance status 在 NCDB 中不可得",但未给出敏感性分析框架。

  5. 与贝叶斯动态借用的比较:论文仅在引言中提及贝叶斯方法,未做系统比较。一个值得查的问题是:当 EC 池中兼容与不兼容的 EC 混合时,CSB 的"硬选择"(阈值化)与贝叶斯"软加权"(连续权重)在 MSE 和覆盖概率上的差异。扎根于论文第 1 节对"emerging Bayesian and frequentist methods"的引用。

  6. 设计阶段的整合:论文将选择性借用定位为"分析阶段工具",但未讨论如何在设计阶段(如样本量计算)预先考虑选择性借用的预期收益。扎根于论文第 4 节——作者提到"design-stage assessment of EC fitness-for-purpose"但未展开。

提示:要确认上述问题是否为真 gap,建议去读 Zhu et al. (2025)、Liu et al. (2025b) 和 Gao et al. (2025a) 的全文,看它们的结论是否比本文更宽或更窄;同时检索 2024-2026 年关于"external control borrowing"的最新文献,看是否已有工作触及上述问题。如果近期 5 篇相关论文的引言都指向同一问题,那大概率是共识性 gap;如果各说各话,则可能是未被充分定义的机会。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论