跳转至

An Instrumental Variable Approach to Account for Informative Treatment Switching in Real-world Evidence

作者: Yang Liu, Andrew Ying, Zongqi Xia, Jue Hou
主题: 因果推断
相关性: 8/10
链接: https://arxiv.org/abs/2607.00980


一、领域脉络与小综述

这个方向是什么

本文所处的子方向是因果推断中的工具变量(IV)方法在生存分析中的应用,具体聚焦于真实世界证据(Real-World Evidence, RWE)中一个极为普遍但棘手的问题——信息性治疗转换(informative treatment switching)。其根本科学问题是:在观察性纵向数据中,患者常常因疗效不佳、疾病进展或副作用而中途换药,而这种换药行为本身与患者的预后(潜在结局)相关,从而构成随时间变化的未测量混杂。此时,标准的时变处理模型(如边际结构模型、结构嵌套模型)要求所有时变混杂被充分测量,这在电子健康档案(EHR)中几乎无法满足。该子方向试图回答的核心问题是:在缺乏完整时变混杂测量、且存在信息性删失与换药的情况下,如何利用某种外生变异(如基线治疗选择)来识别并估计治疗对生存结局的因果效应?

该方向的成熟度处于快速发展但尚未定型的阶段。工具变量方法在计量经济学和生物统计中已有数十年历史,但将其与结构累积生存模型(Structural Cumulative Survival Model, SCSM)结合、并针对"换药"这一特定机制进行系统处理,是近十年才活跃起来的方向。本文的定位是:在已有SCSM-IV框架(Martinussen et al., 2017; Ying and Tchetgen Tchetgen, 2023)基础上,引入双稳健估计和机器学习,试图解决已有方法对模型正确设定依赖过强、且需要观测到"无换药子集"的局限。

发展脉络

  1. 奠基工作:IV用于处理依从性/污染问题。Sussman and Hayward (2010) 提出"污染调整ITT"(contamination-adjusted ITT),首次系统地将IV思想引入随机对照试验中的治疗污染问题。其贡献在于明确了在随机化场景下,基线随机分组可以作为处理接受的外生变异来源。留下的口子是:该方法主要针对二值处理和简单依从模式,难以推广到时变处理和生存结局。

  2. 结构性方法:SCSM与结构嵌套模型。Martinussen et al. (2017) 和 Ying and Tchetgen Tchetgen (2023) 将IV思想与SCSM结合,利用随机化或自然实验作为IV,在比例风险或加性风险尺度上识别治疗效应。Ying and Tchetgen Tchetgen (2023) 特别证明了在随机试验中,即使存在信息性换药,基线随机分组仍可作为有效IV。其局限在于:估计方程对nuisance模型(倾向得分、结局模型)的正确设定敏感,且需要观测到"无换药"对照组来估计基线风险。本文直接继承并试图突破这一局限。

  3. 双稳健与机器学习:现代因果推断的主流技术路线。Hou et al. (2023) 建立了加性风险模型下双稳健估计的框架,Dukes et al. (2019, 2021, 2024) 系统发展了生存分析中的双稳健推断理论。Chernozhukov et al. (2018) 的double/debiased machine learning框架为高维或非参数nuisance估计提供了通用范式。本文将这些工具整合进SCSM-IV框架,形成"双稳健 + 交叉拟合 + 机器学习"的完整估计流程。

  4. RWE监管应用背景。Franklin et al. (2020, 2021) 和 Beaulieu-Jones et al. (2020) 从监管科学角度论证了RWE在药物审批中的潜力与挑战,为本文提供了明确的应用动机——多发性硬化(MS)治疗中高效vs标准疗法的比较。

子线索聚类

  • 线索A:IV在生存分析中的识别理论。代表:Martinussen et al. (2017), Ying and Tchetgen Tchetgen (2023), Sussman and Hayward (2010)。核心问题:在何种假设下,IV能识别生存结局的治疗效应?SCSM是主要建模框架。
  • 线索B:双稳健估计与正交性。代表:Hou et al. (2023), Dukes et al. (2019, 2024), Wang et al. (2017), Robins et al. (1994)。核心问题:如何构造对nuisance模型误设不敏感的估计方程?Neyman正交性是其理论基础。
  • 线索C:机器学习与交叉拟合。代表:Chernozhukov et al. (2018), Dukes et al. (2021)。核心问题:如何在高维或非参数nuisance估计下保持√n收敛和有效推断?
  • 线索D:RWE与监管决策。代表:Franklin et al. (2020, 2021), Beaulieu-Jones et al. (2020)。核心问题:RWE能否以及如何支持监管决策?这是本文的应用场景。

核心问题与已知瓶颈

  1. 识别问题:在信息性换药下,如何找到有效的IV?基线治疗选择是否总能满足排除限制(exclusion restriction)?
  2. 估计问题:如何构造对nuisance模型误设稳健的估计方程?已有双稳健方法(如AIPW)在生存数据中面临删失和时变处理的额外复杂性。
  3. 推断问题:当使用机器学习估计nuisance时,如何保证治疗效应的√n渐近正态性和有效方差估计?
  4. 已知瓶颈:已有SCSM-IV方法(Ying and Tchetgen Tchetgen, 2023)需要观测到"无换药"子集来估计基线风险;当换药普遍时,该子集可能极小甚至不存在。此外,已有方法对倾向得分模型的正确设定依赖较强,缺乏双稳健保护。

⚠️ 作者的 framing

作者将缺口frame为:"已有SCSM-IV方法(Ying and Tchetgen Tchetgen, 2023)需要观测到无换药子集,且缺乏双稳健性;我们通过联合估计治疗效应与结局模型、引入交叉拟合机器学习,消除了这一需求,并实现了双稳健。" 作者淡化了以下竞争路线:(1) 边际结构模型(MSM)配合逆概率加权——该方法需要测量所有时变混杂,作者认为在EHR中不现实;(2) 结构嵌套模型(SNM)——作者认为其需要更严格的模型假设。作者还回避了IV有效性(特别是排除限制)的敏感性分析问题。

张力

未见明显对立引用。但存在一个微妙的张力:Ying and Tchetgen Tchetgen (2023) 强调随机化试验中IV的有效性,而本文将其扩展到观察性数据,这要求基线治疗选择满足"条件可忽略性"(给定协变量),这是一个更强的假设。作者在文中承认了这一点,但未深入讨论其验证方法。


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):

符号 含义 类型
\(i = 1, \dots, n\) 独立观测个体索引 样本索引
\(L_i \in \mathbb{R}^p\) 基线协变量向量 可观测随机变量
\(D_i(t) \in \{0,1\}\) 时刻 \(t\) 的处理状态(时变处理) 可观测随机过程
\(\bar{D}_i(t) = \{D_i(s): 0 \le s \le t\}\) 截至 \(t\) 的处理历史 可观测随机过程
\(\tilde{D}_i(t) = \int_0^{t^-} D_i(s) ds\) 截至 \(t\) 的累积处理时间 可观测随机变量(由处理历史导出)
\(T_i\) 事件发生时间(潜在结局) 潜在/不可观测(部分)
\(C_i\) 删失时间 可观测随机变量
\(X_i = T_i \wedge C_i\) 观测到的随访时间 可观测
\(\delta_i = I(T_i < C_i)\) 事件指示符 可观测
\(Z_i = D_i(0)\) 基线治疗选择(IV) 可观测随机变量
\(T_i(\bar{d})\) 在给定处理历史 \(\bar{d}\) 下的潜在事件时间 潜在结局
\(\bar{T}_i(t_m) = T_i(\bar{D}_i(t_m), \mathbf{0}_{M-m})\) 截断处理历史的潜在事件时间 潜在结局
\(\theta\) 治疗效应参数(目标estimand) 参数
\(\pi(L_i) = P(Z_i = 1 \mid L_i)\) 倾向得分(IV模型) nuisance参数
\(H(t; L_i)\) 无换药对照的累积风险函数 nuisance参数
\(h(t; L_i)\) 对应的风险函数 nuisance参数
\(\Lambda_0(t)\) 基线累积风险(半参数设定) nuisance参数
\(\alpha\) 协变量对风险的线性效应系数 nuisance参数
\(\gamma\) 倾向得分模型系数 nuisance参数
\(\Psi_i(\theta; \pi, H)\) DRIVE得分函数 估计方程
\(\Phi_i(\alpha; \theta, \Lambda_0)\) 结局模型得分函数 估计方程
\(\hat{\Lambda}(t; \theta, \alpha)\) Breslow型估计量 估计量
\(\hat{\Lambda}_r(t; \theta, \hat{H}^\dagger)\) 偏差校正项 估计量
\(K\) 交叉拟合折数 算法参数
\(\tau\) 最大随访时间 常数

模型(用直白语言):

  1. 数据生成机制:每个个体 \(i\) 在基线时具有协变量 \(L_i\),医生根据 \(L_i\) 和未测量的预后因素 \(U_i(t)\) 决定初始治疗 \(Z_i = D_i(0)\)。随后,患者可能因疾病进展(与潜在结局相关)而换药,形成时变处理过程 \(D_i(t)\)。事件时间 \(T_i\) 由处理历史 \(\bar{D}_i\)、协变量 \(L_i\) 和未测量因素 \(U_i(t)\) 共同决定。

  2. 核心模型(SCSM):在离散时间网格 \(0 = t_0 < t_1 < \cdots < t_M = \tau\) 上,SCSM假设在时间窗口 \([t_m, t_{m+1})\) 内,处理对生存概率的效应是可加的,即:

    \[\frac{P[\bar{T}_i(t_m) > t \mid \bar{D}_i(t_m), L_i, T_i \ge t_m]}{P[\bar{T}_i(t_m-1) > t \mid \bar{D}_i(t_m), L_i, T_i \ge t_m]} = \exp\left\{-\int_{t_m}^{t \wedge t_{m+1}} \theta D_i(t_m) ds\right\}\]
    其中 \(\bar{T}_i(t_m) = T_i(\bar{D}_i(t_m), \mathbf{0}_{M-m})\) 表示"在 \(t_m\) 之后停止处理"的潜在事件时间。\(\theta\) 就是我们要估计的治疗效应——它衡量的是在窗口 \([t_m, t_{m+1})\) 内接受处理(相对于不处理)对生存概率的对数风险差。

  3. IV假设:\(Z_i = D_i(0)\) 满足:(i) 相关性——\(Z_i\) 影响后续处理历史;(ii) 独立性——\(Z_i \perp\!\!\!\perp T_i(\bar{d}) \mid L_i\)(给定基线协变量,IV与潜在结局独立);(iii) 排除限制——\(Z_i\) 对结局无直接效应,仅通过处理历史起作用。

  4. 可观测数据:\(\{X_i, \delta_i, \bar{D}_i(X_i), L_i\}_{i=1}^n\)。注意:我们观测不到 \(U_i(t)\)(未测量混杂),也观测不到潜在结局 \(T_i(\bar{d})\) 的完整反事实。

第二步:最小内核

剥掉所有一般性设定后,本文的核心数学问题是什么?

考虑一个极度简化的场景:只有两个时间点 \(t_0\)(基线)和 \(t_1\)(终点),处理为二值 \(D_i \in \{0,1\}\),无删失,结局为二值 \(Y_i \in \{0,1\}\)。IV \(Z_i\) 为基线治疗选择。此时SCSM退化为一个结构平均模型:

\[\log \frac{P[Y_i(1) = 1 \mid L_i]}{P[Y_i(0) = 1 \mid L_i]} = \theta\]
其中 \(Y_i(d)\) 为潜在结局。目标:估计 \(\theta\)。

关键困难:\(Y_i(1)\) 和 \(Y_i(0)\) 不可能同时观测到。观测到的 \(Y_i\) 与处理 \(D_i\) 相关,且这种相关受到未测量混杂 \(U_i\) 的污染。IV \(Z_i\) 与 \(U_i\) 独立(给定 \(L_i\)),但 \(Z_i\) 通过 \(D_i\) 间接影响 \(Y_i\)。

本文的核心思想(最小内核):构造一个得分函数,利用IV的独立性,使得在真实 \(\theta^*\) 处得分的期望为零,且对nuisance模型的误设具有鲁棒性。具体地,DRIVE得分(4)的核心结构是:

\[\Psi_i(\theta; \pi, H) = \int_0^\tau e^{\theta \tilde{D}_i(t^-)} \{Z_i - \pi(L_i)\} dR_i\{t; \theta, H\}\]

其中 \(R_i\{t; \theta, H\} = N_i(t) - \int_0^t Y_i(s)\{\theta D_i(s) ds + dH(s; L_i)\}\) 是鞅型残差。

为什么这个得分有效? 关键在于两点: 1. 中心化IV:\(Z_i - \pi(L_i)\) 与 \(L_i\) 正交(给定 \(L_i\) 均值为零),且与未测量混杂 \(U_i\) 独立(IV假设)。 2. 鞅型残差:在真实模型下,\(dR_i\{t; \theta^*, H^*\}\) 是鞅增量,其条件期望为零。

证明的核心步骤(直觉版): - 在真实 \(\theta^*\) 和 \(H^*\) 下,\(E[dR_i\{t; \theta^*, H^*\} \mid \text{历史}] = 0\)。 - 由于 \(Z_i - \pi(L_i)\) 与历史中的可观测部分独立(给定 \(L_i\)),且与未测量部分独立(IV假设),所以 \(E[\{Z_i - \pi(L_i)\} dR_i\{t; \theta^*, H^*\}] = 0\)。 - 双稳健性:当 \(\pi = \pi^*\) 或 \(H = H^*\) 时,上述期望仍然为零(即使另一个nuisance模型误设)。

为什么难? 难在三点: 1. 时变处理与删失:处理历史 \(\bar{D}_i(t)\) 和删失 \(C_i\) 使得鞅结构复杂化,需要仔细处理风险集。 2. 双稳健性的证明:需要证明得分在"\(\pi\) 正确或 \(H\) 正确"时均为零均值,这需要精细的代数运算和条件期望论证。 3. 机器学习nuisance估计:当 \(H\) 由随机森林等非参数方法估计时,需要交叉拟合来控制过拟合偏差,并证明√n渐近正态性。

一句话总结最小内核:本文在数学上干的事是——构造了一个基于中心化IV与鞅残差的估计方程,使得治疗效应参数在存在未测量时变混杂的情况下可识别,且对倾向得分或结局模型的误设具有双稳健性,并允许使用机器学习估计nuisance而保持√n推断。


三、这篇论文做了什么

三句话

  1. 研究了什么问题:在真实世界观察性数据中,当患者因预后相关原因换药(信息性治疗转换)且换药原因未完全记录时,如何利用基线治疗选择作为工具变量,在结构累积生存模型下估计治疗对生存结局的因果效应。
  2. 核心方法:提出了DRIVE(Doubly Robust Instrumental Variable Estimation)框架,包含两种估计策略——半参数联合估计(通过联立估计方程同时求解治疗效应与结局模型系数)和机器学习交叉拟合估计(用随机森林等灵活模型估计nuisance,通过交叉拟合实现√n推断)。
  3. 主要结论:DRIVE在理论上具有双稳健性(倾向得分或结局模型任一正确即一致估计)和渐近正态性;模拟实验显示在多种基准方法(ITT、PP、时变加性风险模型、重删失法)产生严重偏倚或矛盾结果的场景下,DRIVE仍能保持无偏和名义覆盖;应用于MS二线治疗比较时,DRIVE估计高效DMT降低复发风险约0.03(风险差),但未达统计显著,而传统方法给出显著但可能偏倚的结果。

关键设定与假设

在第二节最小记号基础上,补全完整设定:

  • 观测数据:\(\{X_i, \delta_i, \bar{D}_i(X_i), L_i\}_{i=1}^n\),其中 \(X_i = T_i \wedge C_i\),\(\delta_i = I(T_i < C_i)\)。
  • SCSM模型(式1):在离散时间网格上,处理在窗口 \([t_m, t_{m+1})\) 内对生存概率有可加效应 \(\theta\)。关键:模型假设处理效应是常数(不随时间或协变量变化),这是本文的主要简化假设。
  • IV假设(Assumption 1):
  • (i) 累积一致性:\(\bar{T}_i(t_m) \wedge t_{m+1} = T_i \wedge t_{m+1}\),即截断处理历史在 \(t_{m+1}\) 之前与观测结果一致。
  • (ii) 非信息性删失:\(C_i \perp\!\!\!\perp \{\bar{T}_i(t_m), D_i(t_m)\} \mid L_i\)。
  • (iii) 充分风险:\(E\{Y_i(\tau)\} \ge \varepsilon\)。
  • (iv) IV相关性:\(Z_i\) 与处理历史相关(弱工具变量问题被承认但未深入讨论)。
  • (v) IV独立性:\(Z_i \perp\!\!\!\perp T_i(\mathbf{0}_M) \mid L_i\)(无换药对照的潜在结局与IV独立)。
  • (vi) 排除限制:\(T_i(0, d_1, \dots, d_M) = T_i(1, d_1, \dots, d_M)\),即IV仅通过处理影响结局。
  • 半参数设定(Assumption 2):倾向得分 \(\pi(L_i) = \text{expit}(\gamma^\top L_i)\)(Logistic);结局模型 \(H(t; L_i) = t \cdot \alpha^\top L_i + \Lambda_0(t)\)(加性风险模型)。双稳健性:至少一个模型正确即可。
  • 机器学习设定(Assumption 3):(i) 未测量混杂在给定 \(Z\) 的水平内不随 \(L\) 变化(协变量不变偏差);(ii) 交叉拟合nuisance估计满足乘积误差条件 \(\sqrt{n}\|\hat{\pi} - \pi^*\|_\pi \|\hat{H}^\dagger - H^\dagger_*\|_H = o_p(1)\)。

相比已有工作的变化: - 放宽:不需要观测到"无换药"子集(Ying and Tchetgen Tchetgen 2023 需要);允许机器学习估计nuisance(Hou et al. 2023 主要限于半参数)。 - 强化/新增假设:Assumption 3(i) 的协变量不变偏差假设是新的,用于保证机器学习估计的 \(H^\dagger\) 的偏差不随 \(L\) 变化。这是本文最微妙也最可能被质疑的假设。

主要结果

定理1(半参数估计):在Assumption 1和2下,\(\sqrt{n}(\hat{\theta}_{joint} - \theta^*) \rightsquigarrow N(0, V_{joint})\),且 \(\hat{V}_{joint}\) 一致估计 \(V_{joint}\)。关键条件:至少一个nuisance模型正确(双稳健性)。

定理2(机器学习估计):在Assumption 1和3下,交叉拟合估计量 \(\hat{\theta}_{ML}\) 一致且 \(\sqrt{n}(\hat{\theta}_{ML} - \theta^*) \rightsquigarrow N(0, V_{ML})\)。关键条件:乘积误差率 \(\sqrt{n}\|\hat{\pi} - \pi^*\|_\pi \|\hat{H}^\dagger - H^\dagger_*\|_H = o_p(1)\),这比每个nuisance单独收敛到 \(\sqrt{n}\) 更宽松。

证明路线(3-5步逻辑主干): 1. 鞅表示:将DRIVE得分(4)在真实参数处展开,利用鞅理论证明其期望为零(引理1)。 2. 双稳健性:将得分分解为"倾向得分部分"和"结局模型部分",证明当 \(\pi = \pi^*\) 或 \(H = H^*\) 时,交叉项消失(引理2)。 3. 渐近展开:对估计方程在 \((\theta^*, \alpha^*)\) 处做泰勒展开,利用Neyman正交性消去nuisance估计的一阶影响。 4. 交叉拟合论证:将数据分为 \(K\) 折,每折用其余数据估计nuisance,证明交叉拟合消除了过拟合偏差,使得剩余项为 \(o_p(n^{-1/2})\)。 5. 方差估计:构造显式方差估计量 \(\hat{V}\),证明其一致性。

技术技巧点名: - 鞅理论:用于处理生存数据中的删失和时变处理,证明得分期望为零。 - Neyman正交性:核心技巧,使得得分对nuisance估计误差不敏感。 - 交叉拟合(cross-fitting):用于机器学习nuisance估计下的√n推断,避免过拟合偏差。 - Breslow型估计:用于估计基线累积风险函数 \(\Lambda_0\)。 - 联合估计方程:同时求解 \(\theta\) 和 \(\alpha\),避免两阶段估计的效率损失。

真实例子与应用

数据:Comprehensive Longitudinal Investigation of Multiple Sclerosis at Brigham and Women's Hospital (CLIMB),2006-2016年间开始二线治疗的795名MS患者,其中208人(26.1%)发生换药,324人(40.7%)在随访期间复发。

应用方式: - 比较高效DMT vs 标准DMT作为二线治疗对首次复发时间的效应。 - 基线治疗选择(高效 vs 标准)作为IV \(Z_i\)。 - 协变量包括年龄、性别、种族、病程、既往复发次数、EDSS评分等。 - 用随机生存森林估计倾向得分和结局模型,10折交叉拟合。

结果: - \(\hat{\theta}_{joint} = -0.0274\)(SE 0.0192, p=0.155) - \(\hat{\theta}_{ML} = -0.0324\)(SE 0.0208, p=0.120) - 两种DRIVE估计均显示高效DMT可能降低复发风险,但未达统计显著。 - 对比:时变加性风险模型给出显著负效应(-0.0261, p=0.034),重删失法给出显著负效应(-0.0341, p=0.024),而ITT(-0.0186, p=0.144)和PP(+0.0085, p=0.702)给出不同结论。 - 作者解读:传统方法(时变模型、重删失)可能因未控制信息性换药而低估标准误、高估显著性;DRIVE给出更保守但更可信的估计。

例子想说明什么:展示DRIVE在真实数据中的可行性,以及不同方法对换药处理方式不同会导致结论分歧——这正是信息性换药问题的实际危害。

🔎 结论是否比证明窄

是,存在几处: 1. 定理1和2的证明依赖于常数处理效应假设(SCSM中的 \(\theta\) 不随时间变化),但讨论部分声称方法可推广到时变效应,未给出证明。 2. Assumption 3(i)(协变量不变偏差) 在正文中仅以"sufficient condition"形式给出,其必要性未讨论,但结论部分暗示这是方法的普遍性质。 3. 双稳健性的证明(引理2)在补充材料中完成,正文仅给出结论。且双稳健性仅在"至少一个模型正确"时成立,但结论部分未强调当两个模型都错误时DRIVE的表现可能劣于单一正确模型。 4. 方差估计 \(\hat{V}\) 的推导在补充材料中,正文未给出显式公式,读者难以验证。 5. 模拟中未覆盖高维协变量或强工具变量场景,但结论部分暗示方法适用于高维EHR数据。

四、开放问题

  1. 时变处理效应的识别与估计:SCSM假设常数 \(\theta\),但实际中治疗效应可能随时间变化。将DRIVE扩展到时变效应(如 \(\theta(t)\))需要什么额外假设?证明是否仍然成立?(扎根于:SCSM模型(1)的常数效应假设,以及讨论部分提到的"extend to time-varying effects")

  2. 排除限制的敏感性分析:IV方法的核心假设是排除限制(Assumption 1(vi)),即基线治疗选择不直接影响结局。在观察性数据中,这一假设无法检验。如何对违反排除限制进行敏感性分析?(扎根于:Assumption 1(vi) 的设定,以及讨论部分未提及敏感性分析)

  3. 弱工具变量问题:当基线治疗选择对后续处理历史的预测力较弱时(如换药率极高),DRIVE估计的有限样本表现如何?是否存在类似F统计量的诊断工具?(扎根于:Assumption 1(iv) 的相关性条件,以及模拟中未涉及弱IV场景)

  4. 协变量不变偏差假设的验证:Assumption 3(i) 要求未测量混杂的效应不随 \(L\) 变化,这在应用中如何检验或近似验证?如果违反,偏差有多大?(扎根于:Assumption 3(i) 的设定,以及讨论部分未提供诊断方法)

  5. 多重换药与治疗序列:本文考虑单次换药,但实际中患者可能多次换药。扩展到多重换药需要什么条件?SCSM框架是否仍然适用?(扎根于:数据生成中"at most one switch per individual"的设定)

  6. 效率界与最优性:DRIVE估计是否达到半参数效率界?是否存在更高效的估计方程?(扎根于:定理1和2仅给出渐近正态性,未讨论效率最优性)

提示:要确认上述问题是否为真gap,建议检索近5年因果推断与生存分析交叉领域的高水平论文(如Biometrika、JRSS-B、Annals of Statistics),看是否已有工作处理这些问题。若多篇论文独立指向同一问题,则可能是共识性gap;若各论文给出不同处理方式,则可能是机会。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论