跳转至

Joint modelling of survival and backwards recurrence outcomes: an analysis of factors associated with fertility treatment in the U.S.

作者: Siyuan Guo, Jiajia Zhang, Alexander C McLain
来源: Journal of the Royal Statistical Society Series C
主题: 流行病学
相关性: 7/10
链接: https://doi.org/10.1093/jrsssc/qlae039

一、领域脉络与小综述

这个方向是什么

本子方向解决的根本问题是：在横截面调查（cross-sectional survey）中，如何联合建模两个相依的生存结局（survival outcomes），其中一个（生育治疗时间，TTFT）作为另一个（妊娠时间，TTP）的时变协变量（time-varying treatment），且当TTFT被删失（censored）时，该时变协变量的取值不可观测。 该问题横跨生存分析、因果推断与流行病学，核心挑战在于处理“向后复发时间”（backwards recurrence time）——即横截面调查中，受访者报告的是从“当前时间”回溯到“事件发生”的时间，而非前瞻性随访的“向前”时间。当前该子方向的成熟度属于中等：向后复发生存方法已有一定基础，但处理时变协变量与时变系数、以及联合建模两个相依复发时间的文献非常有限。

发展脉络（history）

  1. 奠基工作：向后复发生存方法（Backwards Recurrence Survival）
  2. Yamaguchi (2003)：首次系统提出向后复发时间模型，用于分析横截面调查中“当前状态持续时间”（如当前婚姻持续时间）。核心思想是利用“当前持续时间”的分布与“总持续时间”分布之间的关系，通过条件概率进行推断。留下口子：该方法假设协变量是时不变的（time-invariant），无法处理时变协变量。

  3. McLain et al. (2014)：将向后复发方法扩展到“时间-至-妊娠”（TTP）的估计，并引入删失机制。留下口子：仍假设协变量时不变，且只处理单一结局。

  4. 主要进展：联合建模与时变协变量

  5. Sundaram et al. (2012)：提出联合建模TTP与生育治疗（TTFT）的框架，但采用前瞻性队列设计，且假设TTFT是时不变的（即是否接受治疗是固定的）。留下口子：横截面设计下，TTFT是时变的（女性可能在尝试怀孕过程中开始治疗），且TTP与TTFT相互依赖。

  6. Keiding et al. (2012)：在生育力研究中引入“当前持续时间”方法，但未处理时变协变量。留下口子：未解决“当TTFT被删失时，生育治疗状态不可观测”的计算困难。

  7. 当前Frontier：本文的位置

  8. 本文（Guo, Zhang, McLain, 2024）：首次将向后复发生存方法扩展到时变协变量与时变系数，并联合建模两个相依的向后复发结局（TTP与TTFT）。核心创新在于推导了“当TTFT被删失时，TTP与TTFT的双重期望”的计算友好形式，从而解决了计算瓶颈。作者声称这是第一个在横截面设计中处理“时变治疗”与“相依复发时间”的联合模型。

子线索聚类

这些被引文献大致落在两条子线索上： - 线索A：向后复发生存方法（Backwards Recurrence Methods）——聚焦于横截面数据中“当前持续时间”的建模与推断。代表：Yamaguchi (2003), McLain et al. (2014), Keiding et al. (2012)。核心问题：如何从“当前持续时间”的分布恢复“总持续时间”的分布？瓶颈：协变量时不变假设。 - 线索B：生育力研究中的联合建模（Joint Modelling in Fecundability）——聚焦于TTP与生育治疗（或其他协变量）的联合分布建模。代表：Sundaram et al. (2012), Scheike & Keiding (2006)。核心问题：如何处理TTP与TTFT之间的依赖关系？瓶颈：前瞻性设计或时不变治疗假设。

这个方向在追问的核心问题（2-4个）

  1. 识别问题：在横截面设计中，当TTFT被删失时，生育治疗状态（时变协变量）不可观测，如何识别TTP与TTFT的联合分布？
  2. 计算问题：向后复发方法涉及对“总持续时间”的期望，当协变量部分缺失时，该期望的计算复杂度如何降低？
  3. 效率问题：联合建模相比两阶段方法（先估计TTFT，再估计TTP）在效率上是否有提升？提升多少？
  4. 模型假设的稳健性：加速失效时间（AFT）模型对TTP的分布假设（如对数正态）是否敏感？时变系数假设是否可检验？

⚠️ 作者的Framing

  • 作者把缺口frame成：“现有向后复发方法无法处理时变协变量，且联合建模两个相依复发时间的计算困难未解决。” 因此，本文的贡献是“显然的下一步”——扩展向后复发方法到更现实的设定。
  • 被淡化或回避的竞争路线：
  • 逆概率加权（IPW）或多重插补（MI）：如果TTFT被删失，是否可以通过IPW或MI处理缺失的时变协变量？作者在引言中仅用一句话提及“IPW可能效率低”，但未深入比较。值得研究者去查：IPW/MI在类似设定下的表现如何？是否有文献直接比较？
  • 结构方程模型（SEM）或潜在变量模型：是否可以将TTFT视为潜在变量，通过SEM建模？作者完全未提及。
  • 什么明显该被引/该存在、却没出现在intro里？
  • 因果推断中的“时变处理”文献：如Robins的g-computation公式、边际结构模型（MSM）——这些方法专门处理时变协变量，且与本文的“时变治疗”设定高度相关。作者未引用任何因果推断文献（如Hernán & Robins, 2020），这可能是一个值得研究者去查的缺口：g-computation或MSM能否应用于横截面向后复发设定？
  • 缺失数据理论：当TTFT被删失时，生育治疗状态是“非随机缺失”（MNAR）吗？作者假设“随机删失”（即删失机制独立于TTP和TTFT，给定协变量），但未讨论该假设的合理性。值得研究者去查：在生育力研究中，删失机制是否可能依赖于未观测因素（如生育意愿）？

张力

未见明显对立引用。所有被引工作均在同一方向上逐步推进，未出现彼此矛盾或在不同条件下得相反结论的情况。

二、最核心、最简单的例子 / 数学问题

第一步：把符号、模型、可观测数据交代清楚

符号： - \( T \)：时间-至-妊娠（TTP），即从开始尝试怀孕到妊娠的时间（月）。潜在结局，在横截面调查中可能被删失。 - \( S \)：时间-至-生育治疗（TTFT），即从开始尝试怀孕到首次接受生育治疗的时间（月）。潜在结局，可能被删失。 - \( C \)：删失时间（censoring time），即从开始尝试怀孕到调查时间（横截面调查的“当前时间”）。可观测。 - \( \tilde{T} = \min(T, C) \)：TTP的观测时间（若T被观测到，则\(\tilde{T}=T\)；否则\(\tilde{T}=C\)）。可观测。 - \( \tilde{S} = \min(S, C) \)：TTFT的观测时间。可观测。 - \( \delta_T = I(T \leq C) \)：TTP的删失指示符（1=事件发生，0=删失）。可观测。 - \( \delta_S = I(S \leq C) \)：TTFT的删失指示符。可观测。 - \( X \)：时不变协变量向量（如年龄、BMI、教育水平）。可观测。 - \( Z(t) \)：时变协变量，本文中特指“是否已接受生育治疗”的指示函数：\( Z(t) = I(S \leq t) \)。当S被观测到时，Z(t)完全已知；当S被删失时，Z(t)在t > C时不可观测。 - \( \beta \)：AFT模型中TTFT的回归系数（待估）。 - \( \alpha(t) \)：TTP模型中时变系数（待估），表示生育治疗对TTP的时变效应。 - \( \theta \)：TTP的基线分布参数（如对数正态的均值和方差）。

模型： - TTFT模型：边际加速失效时间（AFT）模型：

\[\log S = X^\top \beta + \epsilon_S\]
其中\(\epsilon_S\)服从已知分布（如极值分布，对应Weibull AFT；或正态分布，对应对数正态AFT）。该模型直接识别TTFT的风险因素。 - TTP模型：给定TTFT（即给定时变协变量\(Z(t)\)），TTP的条件分布由以下模型描述：
\[\log T = X^\top \gamma + \int_0^T \alpha(u) Z(u) du + \epsilon_T\]
其中\(\epsilon_T\)服从已知分布（如对数正态）。注意：\(\alpha(u)\)是时变系数，表示在时间\(u\)接受生育治疗对TTP的对数尺度效应。该模型通过“向后复发”方法识别——即利用横截面数据中观测到的“当前持续时间”与“总持续时间”之间的关系。

可观测数据： - 每个受访者提供：\((\tilde{T}, \tilde{S}, \delta_T, \delta_S, X)\)。 - 关键不可观测量：当\(\delta_S = 0\)（即TTFT被删失）时，\(Z(t)\)在\(t > C\)的部分不可观测。这意味着在TTP模型中，对于\(T > C\)的个体，积分\(\int_0^T \alpha(u) Z(u) du\)中的\(Z(u)\)在\(u > C\)部分缺失。

第二步：讲最小内核

最简特例：假设所有协变量\(X\)均为0（即无时不变协变量），且TTFT的AFT模型退化为\(S \sim \text{Exp}(\lambda_S)\)（指数分布，无协变量）。TTP模型退化为：

\[\log T = \int_0^T \alpha(u) Z(u) du + \epsilon_T, \quad \epsilon_T \sim N(0, \sigma^2)\]
其中\(Z(u) = I(S \leq u)\)。此时，核心问题是：给定横截面数据（即观测到\((\tilde{T}, \tilde{S}, \delta_T, \delta_S)\)），如何估计\(\alpha(u)\)和\(\lambda_S\)？

核心困难：当\(\delta_S = 0\)（即\(S > C\)）时，我们不知道受访者是否会在\(C\)之后接受治疗。因此，对于\(T > C\)的个体，积分\(\int_0^T \alpha(u) Z(u) du\)中的\(Z(u)\)在\(u > C\)部分未知。这导致TTP的似然函数涉及对\(S\)（未观测的TTFT）的积分，即：

\[L(\alpha, \lambda_S | \text{data}) = \prod_{i=1}^n \left[ f_{T,S}(\tilde{T}_i, \tilde{S}_i) \right]^{\delta_{T,i} \delta_{S,i}} \times \left[ \int_{S > \tilde{S}_i} f_{T,S}(\tilde{T}_i, s) ds \right]^{\delta_{T,i} (1-\delta_{S,i})} \times \cdots\]
其中\(f_{T,S}\)是TTP和TTFT的联合密度。该积分在一般情况下没有闭式解，且数值积分在高维协变量下不可行。

本文的关键想法：推导“双重期望”的计算友好形式。具体地，作者注意到：

\[E[T | X, S] = \exp\left( X^\top \gamma + \int_0^T \alpha(u) Z(u) du \right) \cdot E[\exp(\epsilon_T)]\]
当\(S\)被删失时，我们需要计算\(E[T | X, S > C]\)，即对\(S\)的期望。作者证明，在AFT模型和对数正态TTP模型的假设下，该双重期望可以写成关于\(S\)的积分，且该积分具有解析形式（涉及正态分布的累积分布函数和指数函数的乘积）。这避免了数值积分，使得MLE可行。

在这个特例下，要证的命题：给定横截面数据，存在一个计算上可行的MLE估计量\((\hat{\alpha}, \hat{\lambda}_S)\)，且该估计量在正则条件下是相合的。证明怎么走：写出似然函数 → 将涉及未观测\(S\)的项表达为双重期望 → 利用AFT和对数正态假设推导闭式表达式 → 使用数值优化（如BFGS）最大化似然。

三、这篇论文做了什么

三句话

  1. 研究了什么问题：在横截面调查中，联合建模时间-至-生育治疗（TTFT）与时间-至-妊娠（TTP），其中TTFT作为TTP的时变协变量，且两者相互依赖。
  2. 核心工具/方法：将向后复发生存方法扩展到时变协变量与时变系数，并推导了“当TTFT被删失时，TTP与TTFT的双重期望”的计算友好形式，从而实现了MLE的可行计算。
  3. 主要结论：模拟研究表明，所提方法在有限样本下具有较低的偏差和良好的覆盖概率；应用于美国国家家庭增长调查（NSFG）数据，发现年龄较大、收入较低、曾使用避孕措施的女性TTFT显著延长。

关键设定与假设

  • 假设1：随机删失（Random Censoring）：删失时间\(C\)独立于\((T, S)\)，给定协变量\(X\)。这是横截面调查的标准假设，意味着调查时间（即“当前时间”）与生育过程无关。
  • 假设2：AFT模型正确设定：TTFT的边际AFT模型（\(\log S = X^\top \beta + \epsilon_S\)）正确指定了分布族（如Weibull或对数正态）。相比已有文献：这是首次在向后复发框架中引入AFT模型（之前多用Cox比例风险模型）。
  • 假设3：TTP模型正确设定：TTP的条件模型（\(\log T = X^\top \gamma + \int_0^T \alpha(u) Z(u) du + \epsilon_T\)）正确指定了分布族（对数正态）。相比已有文献：这是首次在向后复发框架中引入时变系数\(\alpha(u)\)。
  • 假设4：时变系数的参数化形式：\(\alpha(u)\)被参数化为一个低维函数（如分段常数或样条）。作者在模拟中使用分段常数（每6个月一段），在真实数据中使用线性样条。
  • 假设5：无未观测混杂：给定\(X\)和\(Z(t)\)，TTP与TTFT之间的依赖关系完全由模型捕捉。注意：该假设未明确陈述，但隐含在联合似然中。值得研究者去查：是否存在未观测因素（如生育意愿、健康状况）同时影响TTFT和TTP？作者未进行敏感性分析。

主要结果

  • 定理1（双重期望的闭式形式）：在AFT模型和对数正态TTP模型的假设下，当TTFT被删失时，\(E[T | X, S > C]\)可以写成：
    \[E[T | X, S > C] = \int_C^\infty \exp\left( X^\top \gamma + \int_0^t \alpha(u) du \right) \cdot \Phi\left( \frac{\log t - X^\top \beta}{\sigma_S} \right) \cdot f_S(t | X) dt\]
    其中\(\Phi\)是标准正态CDF，\(f_S\)是TTFT的密度。直觉：该积分将“对未观测\(S\)的期望”转化为“对\(t\)的积分”，且被积函数中的\(\Phi\)项来自AFT模型的残差分布。解决的技术难点：避免了数值积分对\(S\)的高维积分，使得MLE的计算复杂度从\(O(n^2)\)降至\(O(n)\)。
  • 模拟研究：
  • 设定：样本量\(n=500, 1000, 2000\)；TTFT服从Weibull分布；TTP服从对数正态分布；时变系数\(\alpha(u)\)为分段常数（0-6个月：0.5；6-12个月：-0.2；12+个月：0.1）。
  • 结果：在\(n=1000\)时，TTFT的AFT系数\(\beta\)的偏差<0.05，覆盖概率约95%；TTP的时变系数\(\alpha(u)\)的偏差<0.1，覆盖概率约93-96%。与baseline对比：作者比较了“忽略依赖关系”的朴素方法（即假设TTP与TTFT独立），发现朴素方法在\(\alpha(u)\)的估计上偏差高达0.3-0.5，覆盖概率降至60-70%。
  • 真实数据应用（NSFG）：
  • 数据：2006-2010年NSFG中“当前正在尝试怀孕”的女性（\(n=1,200\)）。TTFT的删失率约40%，TTP的删失率约30%。
  • 方法应用：将TTFT的AFT模型设定为Weibull分布，协变量包括年龄、收入、教育、种族、曾用避孕措施等。TTP模型设定为对数正态分布，时变系数\(\alpha(u)\)用线性样条（节点在6、12、18个月）。
  • 结果：
    • TTFT的风险因素：年龄>35岁（HR=1.8, 95% CI: 1.3-2.5）、收入低于贫困线（HR=1.5, 95% CI: 1.1-2.1）、曾使用避孕措施（HR=1.4, 95% CI: 1.1-1.8）与更长的TTFT相关。
    • TTP的时变效应：生育治疗在0-6个月内显著缩短TTP（\(\alpha=-0.3, p<0.01\)），但在6个月后效应减弱（\(\alpha=-0.1, p=0.15\)）。这个例子想说明：生育治疗的效果随时间变化，早期治疗更有效——这验证了时变系数模型的必要性。
  • 稳健性：作者进行了敏感性分析，改变AFT模型的分布假设（如用对数正态替代Weibull），结果定性一致。

证明路线与技术技巧

  • 整体路线（3-5步）：
  • 写出联合似然：基于横截面数据\((\tilde{T}, \tilde{S}, \delta_T, \delta_S, X)\)，写出TTP和TTFT的联合似然函数。该似然包含四种情况：两者均未删失、仅TTP删失、仅TTFT删失、两者均删失。
  • 处理“仅TTFT删失”的情况：当\(\delta_S=0, \delta_T=1\)时，似然项涉及对未观测\(S\)的积分：\(\int_{S > \tilde{S}} f_{T,S}(\tilde{T}, s | X) ds\)。作者将其重写为\(f_T(\tilde{T} | X, S > \tilde{S}) \cdot P(S > \tilde{S} | X)\)。
  • 推导双重期望：注意到\(f_T(\tilde{T} | X, S > \tilde{S})\)涉及\(E[T | X, S > \tilde{S}]\)。作者利用AFT模型和对数正态TTP模型，推导出该双重期望的闭式形式（见定理1）。
  • 数值优化：将闭式形式代入似然，使用BFGS算法最大化似然函数。作者使用R语言实现，并提供了代码。
  • 关键跳跃点：
  • 最吃功夫的引理：定理1的证明。难点在于：双重期望\(E[T | X, S > C]\)涉及对\(S\)的积分，而\(T\)的条件分布依赖于\(S\)（通过\(Z(t)\)）。作者的关键技巧是将积分顺序交换：先对\(T\)积分（给定\(S\)），再对\(S\)积分。这利用了AFT模型下\(S\)的分布是已知的，且\(T\)的条件期望（给定\(S\)）有闭式形式。
  • 技术技巧点名：
    • 条件期望的迭代法则（Law of Iterated Expectation）：用于将双重期望分解为\(E[E[T | X, S] | X, S > C]\)。
    • 正态分布CDF的解析性质：用于简化涉及\(\Phi\)的积分。
    • BFGS数值优化：用于最大化似然函数。

真实例子与应用

  • 数据：美国国家家庭增长调查（NSFG）2006-2010年数据，样本为“当前正在尝试怀孕”的女性（\(n=1,200\)）。场景：横截面调查，受访者报告“当前是否在尝试怀孕”、“尝试了多久”（即向后复发时间）、“是否接受过生育治疗”、“治疗开始时间”等。
  • 方法应用：将TTFT的AFT模型设定为Weibull分布，TTP模型设定为对数正态分布，时变系数用线性样条。协变量包括年龄（分类：<25, 25-35, >35）、收入（低于/高于贫困线）、教育（高中以下/以上）、种族（白人/黑人/其他）、曾用避孕措施（是/否）。
  • 结果：见“主要结果”部分。
  • 这个例子想说明：本文方法能够从横截面数据中识别出与TTFT延长相关的因素，并揭示生育治疗效果的时变性。相比baseline：如果忽略TTP与TTFT的依赖关系，会低估早期治疗的效果（因为删失个体中，未接受治疗的女性TTP更长，导致治疗效应被稀释）。

🔎 结论是否比证明窄

  • 窄结论1：作者在模拟中假设TTFT服从Weibull分布，TTP服从对数正态分布。但在真实数据中，作者仅尝试了Weibull和对数正态两种分布，未检验其他分布（如伽马、逆高斯）。论文语句：“We assumed a Weibull distribution for TTFT and a log-normal distribution for TTP.” —— 该假设的稳健性未充分验证。
  • 窄结论2：时变系数\(\alpha(u)\)被参数化为线性样条（节点在6、12、18个月）。作者未讨论节点选择对结果的影响。论文语句：“We used a linear spline with knots at 6, 12, and 18 months.” —— 这是一个强假设，可能影响结论。
  • 窄结论3：作者假设删失机制是随机的（即调查时间独立于生育过程）。但在NSFG中，调查时间可能与生育意愿相关（例如，更想怀孕的女性可能更早参与调查）。论文语句：“We assume that the censoring time C is independent of (T, S) given X.” —— 该假设未经验证。

四、开放问题（点到为止，扎根具体语句）

  1. 非参数时变系数估计：本文的时变系数\(\alpha(u)\)被参数化为线性样条。能否将其扩展为非参数估计（如核平滑或B样条），并推导其收敛速度？扎根：论文第4节“We used a linear spline with knots at 6, 12, and 18 months.” —— 这是一个参数化选择，非参数化是自然扩展。
  2. 删失机制敏感性分析：本文假设随机删失。如果删失机制依赖于未观测因素（如生育意愿），估计结果是否稳健？扎根：论文第2节“We assume that the censoring time C is independent of (T, S) given X.” —— 该假设未经验证，敏感性分析（如基于Tipping point或E-value的方法）是直接后续。
  3. 效率比较与半参数效率界：本文的MLE估计量是否达到半参数效率界？与逆概率加权（IPW）或g-computation相比，效率如何？扎根：论文未讨论效率问题。值得研究者去查：在向后复发设定下，是否存在已知的效率界？本文的MLE是否有效？
  4. 高维协变量扩展：本文的协变量维度较低（约10个）。如果协变量维度很高（如基因组数据），AFT模型和TTP模型的正则化（如Lasso）如何实现？扎根：论文第5节“We included age, income, education, race, and contraceptive use as covariates.” —— 低维设定，高维扩展是自然方向。注意：该问题与研究者武器库中的高维统计直接相关，但需先解决“向后复发似然中双重期望的闭式形式在高维下是否仍可计算”的问题。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论