跳转至

Decision-analytical models as causal models

作者: Maurice Korf, Myriam Hunink, Richard Post, Jeremy Labrecque
主题: 因果推断
相关性: 8/10
链接: https://arxiv.org/abs/2607.09397

一、领域脉络与小综述

这个方向是什么

这个子方向的核心问题是：如何将卫生经济学中的决策分析模型（decision-analytical model, DAM）正式化为一个因果推断任务，并系统性地理解其偏差来源。DAM 是卫生经济学评价的基石，它通过整合来自多个数据源的参数（如疾病进展概率、治疗效果、成本等），来模拟不同干预下的健康结果与成本分布，从而计算增量成本-效果比（ICER）等目标估计量。然而，这些参数通常来自不同的研究（RCT、观察性研究、登记数据），每个参数都隐含着一套因果识别假设。当这些假设被违反时，偏差会通过模型结构传播，最终影响决策。本文试图为这一过程提供一个统一的因果推断框架，明确“模型结构偏差”与“目标参数偏差”的分解，并强调因果假设在其中的核心作用。

发展脉络

  1. 奠基工作：因果推断框架的引入

    • Hernán & Robins (2020)：这是因果推断的标准教科书，为本文提供了核心语言——潜在结果框架、DAG、SUTVA、条件可交换性等。本文直接引用其定义，将 ICER 重写为潜在结果对比。
    • Holland (1986)：提出了“因果推断的基本问题”——每个个体只能观测到一种干预下的结果。本文用此来论证为什么需要边际因果量（如平均成本差）而非个体因果量（如 i-CER）。
    • Imbens & Rubin (2015)：另一本因果推断标准教材，本文引用其 SUTVA 定义。

  2. 主要进展：DAM 的因果视角与偏差分解

    • Kühne et al. (2022)：直接讨论了因果证据在健康决策中的作用，是本文的直接前驱。本文引用其观点，即 DAM 的有效性取决于其底层假设的可信度。
    • Brennan et al. (2006)：提供了 DAM 模型结构的分类法（如决策树、马尔可夫模型），本文将其作为“模型偏差”的参考来源，但指出全面讨论模型偏差超出本文范围。
    • Westreich et al. (2019)：提出了“目标有效性”（target validity）的概念，将研究设计的层次与内部/外部有效性联系起来。本文直接借用其框架，将目标偏差分解为内部和外部有效性偏差。
    • Degtiar & Rose (2023)：关于可推广性（generalizability）和可迁移性（transportability）的综述，本文在讨论外部有效性时大量引用。

  3. 当前 Frontier：因果图在 DAM 中的应用与偏差传播

    • Dijk et al. (2025)：本文作者团队的另一篇工作，直接讨论了有向无环图（DAG）在决策分析建模中的应用，强调用因果图来定义目标参数估计量。本文引用其观点，即定义目标参数时只关注因果路径。
    • Richardson & Robins (2013)：提出了单世界干预图（SWIG），本文采用 SWIG 来统一潜在结果与图形化表示，这是本文的一个技术亮点。
    • Bareinboim & Pearl (2016)：讨论了数据融合问题，本文在讨论多源数据整合时引用，作为“因果合成”的理论基础。

  4. 本文的位置：本文不是提出新估计量或新识别策略，而是提供一个统一的、形式化的框架，将 DAM 的整个流程（从目标估计量定义到参数识别再到偏差分解）用因果推断的语言重新表述。它填补了“因果推断理论”与“卫生经济学建模实践”之间的概念鸿沟，使分析师能够明确地报告、论证和反思其依赖的因果假设。

子线索聚类

  1. 因果推断基础理论：Hernán & Robins (2020), Holland (1986), Imbens & Rubin (2015), Pearl (2009)。这些工作提供了潜在结果、DAG、识别假设等核心工具。
  2. DAM 建模与卫生经济学评价：Siebert (2003), Hunink et al. (2014), Brennan et al. (2006), Kühne et al. (2022)。这些工作讨论了 DAM 的结构、应用和有效性。
  3. 内部与外部有效性：Westreich et al. (2019), Degtiar & Rose (2023), Bareinboim & Pearl (2013, 2016), Lesko et al. (2017)。这些工作讨论了如何将研究结果推广到目标人群，以及偏差的分解。
  4. 因果图与识别：Greenland et al. (1999), Richardson & Robins (2013), Dijk et al. (2025)。这些工作提供了用图形化工具进行因果推理的方法。

核心问题与瓶颈

  • 核心问题 1：如何从多个不完整的数据源中，识别并估计 DAM 所需的因果参数（如 P(B^a=1), P(C^a=1|B^a=b)）？
  • 核心问题 2：当这些参数来自不同研究（不同人群、不同设计）时，如何确保它们能“合成”为一个对目标人群有效的联合分布？
  • 核心问题 3：当某个参数的识别假设被违反时，偏差如何通过 DAM 的结构传播，最终影响决策（如 ICER 的方向）？
  • 当前瓶颈：现有文献要么专注于单个参数的识别（如 ATE），要么专注于 DAM 的建模实践，但缺乏一个统一的框架来连接两者，并系统性地分析偏差的传播路径。本文试图打破这个瓶颈。

⚠️ 作者的 framing

  • 作者的缺口 frame：作者将缺口 frame 为“DAM 的因果本质未被充分形式化”。他们声称，虽然 DAM 被广泛使用，但其依赖的因果假设往往不明确，导致偏差的来源和传播路径被忽视。本文通过形式化“目标 DAM”与“经验 DAM”的对比，以及偏差分解，使这一过程透明化。
  • 被淡化或回避的竞争路线：
    • 模型偏差：作者明确承认“全面讨论模型偏差超出本文范围”（Section 4 开头），并引用 Brennan et al. (2006) 作为参考。这意味着本文的重心完全在“目标偏差”（参数识别偏差）上，而对模型结构选择（如决策树 vs. 马尔可夫模型）带来的偏差只做了最简处理。
    • 统计估计偏差：作者将“统计模型假设”（如模型正确设定、无测量误差）归为假设 (A.4)、(A.8)、(A.9)、(A.17) 等，但并未深入讨论这些假设被违反时的后果（如模型误设导致的偏差）。这暗示作者认为因果识别偏差是更根本、更值得关注的问题。
  • 什么明显该被引/该存在、却没出现在 intro 里？
    • 目标试验模拟（Target Trial Emulation）：作者引用了 Hernán & Robins (2016) 关于“用大数据模拟目标试验”的工作，但并未将其作为一条主要线索展开。目标试验模拟是 DAM 的一个强有力竞争者，它试图通过模仿 RCT 的设计来直接估计因果效应，而不是通过复杂的参数模型。本文的框架实际上可以兼容目标试验模拟（将其视为一种识别策略），但作者没有明确讨论这种竞争关系。
    • 因果敏感性分析（Causal Sensitivity Analysis）：作者在讨论部分提到了“因果偏差分析”（causal bias analyses），并引用 Fox et al. (2021) 作为参考。但本文并未将敏感性分析作为核心内容，而是将其定位为“下一步工作”。对于一位想找研究问题的研究者来说，这是一个明确的信号：如何将本文的偏差分解框架与现有的因果敏感性分析方法（如 E-value、偏倚公式）结合起来，是一个值得探索的方向。

张力

未见明显对立引用。所有被引工作基本都支持“因果假设是 DAM 有效性的关键”这一共识。唯一的潜在张力在于：一些 DAM 实践者可能认为，只要模型校准得好（calibration），即使因果假设不严格成立，模型也能做出合理预测。本文的框架实际上挑战了这种观点，但作者没有直接点名这种张力。

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：

    • A：干预变量（如治疗 vs. 对照），a=1 或 a=0。
    • V^a：在干预 a 下的潜在健康结果向量（如 V^a = (B^a, C^a)）。这是不可观测的，因为每个个体只能观测到 A 对应的那个 V^a。
    • V：观测到的健康结果向量。在 SUTVA 下，V = V^a 如果 A=a。
    • f(V^a)：将潜在健康结果映射到总成本的函数。
    • g(V^a)：将潜在健康结果映射到总效果（如 QALY）的函数。
    • λ(a)：干预 a 的固定成本。
    • T：目标估计量，如 ICER = (E[λ(1)+f(V^1)] - E[λ(0)+f(V^0)]) / (E[g(V^1)] - E[g(V^0)])。
    • M：决策分析模型（如决策树）。
    • P_M：模型 M 所需的输入概率参数集合（如 P(B^a=1), P(C^a=1|B^a=b)）。
    • T_M：在“目标 DAM”（即 P_M 取真值）下计算出的 T。
    • S = {s_1, ..., s_m}：数据源集合。
    • S_k：用于估计第 k 个参数 P_k 的数据源子集。
    • \hat{P}_{k|S_k}：基于数据源 S_k 对参数 P_k 的估计。
    • \hat{P}_{M|S}：所有估计参数的集合。
    • \hat{T}_M：在“经验 DAM”（即使用 \hat{P}_{M|S}）下计算出的 T。

  • 模型：

    • 数据生成机制由潜在结果框架描述。假设存在一个“真实”的联合分布 P，它决定了所有潜在结果 V^a 的分布。
    • 决策分析模型 M 是对这个真实分布的一个近似。它通过一个因果图（如 SWIG）来分解 P(V^a)，例如 P(B^a, C^a) = P(C^a | B^a) P(B^a)。
    • 模型假设：这个分解结构是正确的（即没有模型偏差）。本文的重点不在此，而是假设模型结构给定。

  • 可观测数据：

    • 可观测：对于每个个体 i，我们观测到 (A_i, V_i)，其中 V_i 是 A_i 对应的那个潜在结果。此外，我们可能还观测到一些基线协变量 L。
    • 想要但观测不到：对于每个个体 i，我们观测不到 V_i^{1-a}（即另一种干预下的结果）。更重要的是，在 DAM 的典型场景中，我们甚至观测不到 V_i 的所有维度。例如，我们可能有一个数据源只包含 (A, B)，另一个只包含 (B, C)，但没有一个数据源同时包含 (A, B, C)。这就是“缺乏单一完整数据源”的问题，也是 DAM 被使用的根本原因。

第二步：最小内核

本文的核心思路可以用一个最简特例来理解：假设我们只关心两个二元健康结果 B 和 C，且因果结构是 A -> B -> C（即 A 完全通过 B 影响 C）。我们想估计 ICER，但没有任何一个数据源同时包含 (A, B, C)。我们有两个数据源： - 数据源 s_4：包含 (A, B) 和协变量 L_4。 - 数据源 s_5：包含 (B, C) 和协变量 L_5。

核心问题：如何从这两个不完整的数据源中，识别出 DAM 所需的参数 P(B^a) 和 P(C^a | B^a)？

本文的关键想法： 1. 从 s_4 识别 P(B^a)：这是标准的因果推断问题。在条件可交换性（B^a ⊥ A | L_4）和 SUTVA 下，P(B^a=1) 可以通过对 P(B=1 | A=a, L_4) 在 L_4 上标准化来识别。 2. 从 s_5 识别 P(C^a | B^a)：这是更棘手的问题，因为 s_5 中没有 A。本文的关键假设是完全中介（C^a = C^{B^a}，即 A 对 C 的影响完全通过 B）。在这个假设下，P(C^a | B^a) 就等于 P(C | B)，而 P(C | B) 可以直接从 s_5 中估计。但这里有一个陷阱：即使 C^a = C^{B^a}，P(C | B) 也可能不等于 P(C^a | B^a)，因为 B 在 s_5 中是观测到的，而 B^a 是潜在的。为了弥合这个差距，还需要额外的假设，如条件可交换性（C^{B^a} ⊥ A | B^a, L_5）和条件独立性（C ⊥ A | B, L_5），以确保在 s_5 中观测到的 (B, C) 关系可以代表在 s_4 中由 A 诱导出的 (B^a, C^a) 关系。

这个最小内核的数学困难：难点不在于单个参数的识别（这是标准因果推断），而在于如何将来自不同数据源的、在不同假设下识别的参数，整合到一个一致的联合分布中。特别是，从 s_5 识别 P(C^a | B^a) 需要一套非常强的、且与 s_4 的识别假设不完全重叠的假设（完全中介、条件可交换性、条件独立性）。这些假设的合理性很难验证，且一旦违反，偏差就会传播。

三、这篇论文做了什么

三句话

  1. 研究了什么问题：本文研究了如何将卫生经济学中的决策分析模型（DAM）正式化为一个因果推断任务，并系统性地分解其总偏差为模型结构偏差（model bias）和目标参数偏差（target bias）。
  2. 核心工具/方法：本文没有提出新估计量，而是建立了一个概念框架，使用潜在结果框架、单世界干预图（SWIG）、以及内部/外部有效性偏差的分解，来连接目标估计量、目标 DAM、经验 DAM 和因果假设。
  3. 主要结论：DAM 的有效性完全取决于其底层因果假设的可信度。即使在一个简单的决策树模型中，目标偏差（由内部或外部有效性违反导致）也可能出现并传播，最终导致次优决策。因此，建议分析师明确报告、论证和反思其依赖的因果假设，并辅以因果偏差分析。

关键设定与假设

  • 设定：本文考虑一个通用的 DAM 设定，但用一个简单的决策树模型（包含两个健康结果 B 和 C）作为贯穿全文的示例。目标估计量是增量成本-效果比（ICER）。
  • 核心假设：
    • SUTVA：一致性、无干扰、无多种版本的处理。这是所有因果推断的基础。
    • 条件可交换性：在给定协变量 L 的条件下，处理分配与潜在结果独立。这是识别平均处理效应的核心假设。
    • 正性：在 L 的每个水平上，每个处理水平都有非零概率被分配。
    • 外部有效性假设：条件可交换性、正性和 SUTVA 的类似版本，但用于“选择进入样本”的过程（S）。例如，(B^a, C^a) ⊥ S | L 意味着在给定 L 的条件下，样本中的潜在结果分布与目标人群中的相同。
    • 完全中介（Scenario iii）：C^a = C^{B^a}，即处理 A 对 C 的影响完全通过 B 中介。这是一个非常强的假设，用于在缺乏 A 的数据源中识别 P(C^a | B^a)。
    • 条件独立性（Scenario iii）：C ⊥ A | B, L_5，用于在 s_5 中避免因条件于 B 而引入的碰撞偏差。
  • 相比已有文献的强化/放宽：本文没有强化或放宽任何具体的识别假设。它的贡献在于将这些假设系统地、显式地纳入 DAM 的整个流程，并展示它们如何影响最终决策。相比标准因果推断文献，本文强调了“多源数据合成”这一特殊挑战，并为此引入了“目标 DAM”和“经验 DAM”的对比。

主要结果

本文的主要结果是一个概念框架，而非具体的定理或估计量。其核心是偏差分解：

  • 总决策分析模型偏差 = T - \hat{T}_M，其中 T 是真实目标估计量，\hat{T}_M 是经验 DAM 的期望估计。
  • 模型偏差 = T - T_M，由模型结构（如决策树 vs. 真实 DGP）的近似误差引起。
  • 目标偏差 = T_M - \hat{T}_M，由参数估计的偏差引起，可进一步分解为：
    • 内部有效性偏差：在给定数据源内，估计量与其样本特定目标之间的偏差（如未调整的混杂）。
    • 外部有效性偏差：样本特定目标与目标人群目标之间的偏差（如样本选择偏差）。

关键结论：即使模型偏差为零（模型结构正确），目标偏差也可能存在，并且会通过 DAM 的结构传播。本文通过附录 A 中的数值模拟展示了这一点： - 混杂偏差：未调整 L_2 导致 ICER 从 42,810 欧元膨胀到 86,999 欧元（G-computation），错误地认为干预 a=1 不具成本效果。 - 样本选择偏差：即使内部有效，样本的 ICER（42,810 欧元）与目标人群的 ICER（55,740 欧元）不同，导致决策反转。 - 偏差传播：一个参数（如 P(C^a | B^a)）的偏差会通过 rollback 算法影响所有下游的期望成本和 QALY，最终影响 ICER。

证明路线与技术技巧

本文没有传统意义上的“证明”，因为它是一个概念框架。但其“论证路线”可以概括为：

  1. 定义目标估计量：用潜在结果框架定义 ICER。
  2. 引入 DAM：说明为什么需要 DAM（缺乏单一完整数据源）。
  3. 定义偏差：将总偏差分解为模型偏差和目标偏差。
  4. 分解目标偏差：将目标偏差进一步分解为内部和外部有效性偏差。
  5. 用因果图连接：使用 SWIG 来定义目标 DAM 的参数（只关注因果路径），并展示如何用因果图来指导识别（考虑非因果路径）。
  6. 通过例子展示识别：通过三个数据可用性场景（单源、按干预分层、按变量分层），详细展示如何在不同假设下识别目标参数，并明确列出所需的因果假设。
  7. 展示偏差传播：通过 rollback 算法和数值模拟，展示一个参数的偏差如何影响最终决策。

技术技巧： - SWIG：用于统一潜在结果和图形化表示，清晰地展示干预如何改变变量之间的关系。 - 标准化（Standardization）：用于在给定协变量 L 的条件下，将条件概率转化为边际概率，从而处理混杂和样本选择偏差。 - 逆概率加权（IPW）：作为标准化的替代方案，用于处理混杂和样本选择偏差。 - Rollback 算法：决策树的标准计算方法，本文用它来展示偏差如何通过模型结构传播。

真实例子与应用

本文包含一个详细的数值模拟（附录 A），而非真实数据例子。模拟设定了一个包含三个健康结果 (V_1, V_2, V_3)、三个混杂因子 (L_1, L_2, L_3) 和三个效应修饰因子 (E_1, E_2, E_3) 的复杂场景。

  • 数据/场景：模拟数据从一个结构因果模型（SCM）生成，该模型与一个决策树模型完全兼容（确保模型偏差为零）。样本选择偏差通过让 S 依赖于 E 来引入。
  • 方法应用：作者使用 G-computation 和 IPTW 来估计参数，并展示了在未调整混杂、调整部分混杂、以及调整后加权到目标人群等不同情况下的结果。
  • 结果：模拟结果清晰地展示了：
    • 未调整混杂导致 ICER 被严重高估。
    • 即使调整了所有混杂，样本的 ICER 也与目标人群的 ICER 不同（由于样本选择偏差）。
    • 通过加权 G-computation 或 IPSW 可以纠正样本选择偏差，但需要正确的权重模型。
    • 当某个混杂因子（L_2）未被调整时，其偏差会传播，影响所有下游参数，并最终影响 ICER。
  • 这个例子想说明什么：这个例子旨在验证本文的偏差分解框架，并直观地展示即使在一个相对简单的设定下，目标偏差（无论是来自内部还是外部有效性）如何产生、传播，并最终导致错误的决策。它强调了“每个参数都需要单独评估其内部和外部有效性”这一核心论点。

🔎 结论是否比证明窄

是的。本文的结论——“临床决策的可信度完全取决于其底层假设的可信度”——是一个非常宽泛的声明，但其“证明”仅限于一个非常具体的设定： - 模型偏差被假设为零：模拟中的 SCM 与决策树完全兼容。在现实中，模型偏差几乎总是存在，且可能比目标偏差更大。 - 只考虑了简单的决策树模型：作者承认，对于更复杂的模型（如马尔可夫模型），需要额外的考虑（如时间维度），但本文没有深入讨论。 - 假设了完美的统计模型：所有估计都假设统计模型（如逻辑回归）是正确设定的。在现实中，模型误设是常态。 - 假设了无测量误差：所有变量都被假设为无测量误差。

因此，本文的结论在逻辑上成立，但其适用范围被严格限制在“模型结构正确、统计模型正确、无测量误差”的理想化场景中。作者在讨论部分也承认了这一点，并指出“大多数实际应用采用更复杂的模型，需要额外的（因果）假设”。这实际上是一个重要的开放问题：在更现实的、模型偏差和统计误差普遍存在的情况下，本文的偏差分解框架是否仍然有用？如何将其与模型诊断和敏感性分析结合起来？

四、开放问题

  1. 模型偏差的正式理论：本文明确将模型偏差的全面讨论排除在外（Section 4 开头：“a complete survey of model bias is beyond the scope of this work”）。一个开放问题是：如何为 DAM 的模型偏差建立一个正式的、可操作的框架？ 例如，能否将模型偏差与模型选择（如决策树 vs. 马尔可夫模型）的 minimax 风险联系起来？这扎根于本文对模型偏差的回避。

  2. 偏差传播的数学刻画：本文通过 rollback 算法直观地展示了偏差传播，但缺乏一个通用的、数学上严格的偏差传播公式。例如，对于一个一般的 DAM 结构（可能是一个有向无环图），能否推导出输入参数偏差与输出估计量偏差之间的解析关系？这扎根于本文 Section 4.3 的数值示例，但未给出一般理论。

  3. 多源数据融合的识别条件：本文的 Scenario (iii) 展示了在缺乏 A 的数据源中识别 P(C^a | B^a) 需要非常强的假设（完全中介、条件可交换性等）。一个开放问题是：是否存在更弱的、可检验的假设，能够实现这种跨数据源的参数识别？ 或者，当这些假设被违反时，能否给出一个偏差的界限？ 这扎根于本文 Scenario (iii) 中假设 (A.4)-(A.8) 的强假设性质。

  4. 因果偏差分析的统计方法：本文在讨论部分提到了“因果偏差分析”（causal bias analyses）作为下一步工作。一个具体的开放问题是：如何将本文的偏差分解框架与现有的定量偏差分析方法（如 E-value、偏倚公式、蒙特卡洛敏感性分析）结合起来，为 DAM 提供一个完整的、可操作的敏感性分析流程？ 这扎根于本文讨论部分的最后一段。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论