Modeling disease-specific survival in observational studies with missing cause of death: Leveraging information from clinical trial data¶

作者: Yunyi Wang, Yu Shen, Jing Ning
主题: 因果推断
相关性: 7/10
链接: https://doi.org/10.1016/j.csda.2026.108419

一、领域脉络与小综述¶

这个方向是什么¶

这个子方向解决的根本问题是：在观察性研究中，当结局事件（死亡）的原因（死因）缺失时，如何利用外部辅助数据（如临床试验）中的死因信息，来识别和估计疾病特异性生存（DSS）函数。其核心统计挑战在于：① 死因缺失机制可能非随机（与患者特征或潜在生存时间相关）；② 辅助数据（试验）与目标数据（注册）的人群分布不同（异质性/不可传输性），直接借用生存分布会引入偏倚。当前成熟度处于“方法已提出但假设较强、验证有限”的阶段，尚未形成统一的识别与估计框架。

发展脉络（history）¶

奠基工作：死因缺失问题的早期处理
Andersen et al. (1993) 等经典生存分析教材中，将死因缺失视为竞争风险问题，通常假设缺失完全随机（MCAR）或采用“最坏情况”分析。这些方法在死因缺失比例高时效率低或偏倚大。
Gooley et al. (1999) 首次系统讨论了死因缺失对竞争风险估计的影响，指出若缺失机制与协变量相关，则简单剔除缺失观测会导致严重偏倚。该工作为后续方法提供了问题意识。
主要进展：利用辅助数据填补死因缺失
Lu & Tsiatis (2001) 提出利用“死亡原因验证样本”（如尸检或死亡证明审查）来校正死因误分类，采用加权估计方程。但该方法要求验证样本在目标人群中随机抽取，这在实践中难以满足。
Bakoyannis et al. (2019) 将死因缺失视为一种“部分可观测”的竞争风险，提出基于多重插补的估计方法，假设缺失机制由可观测协变量解释（MAR）。该方法在MAR假设下有效，但无法处理由未观测混杂导致的缺失。
Wang et al. (2020) 首次提出利用外部临床试验数据中的死因信息来推断注册数据中的DSS，采用“比例死因比模型”（proportional cause ratio model）来建模死因分布，并假设死因机制在试验与注册人群间可传输（transportable）。本文即在此工作基础上发展，作者在引言中明确说：“Wang et al. (2020) proposed a proportional cause ratio model for DSS with missing cause of death, but their method requires that the cause-of-death mechanism is the same between the trial and registry populations, which is a strong assumption.” 本文的贡献在于放松了这一假设，允许死因机制随协变量变化，并通过加权估计方程处理人群异质性。
当前frontier：传输性（transportability）与数据融合
因果推断领域近年发展出系统的传输性理论（如 Pearl & Bareinboim (2011) 的do-calculus框架、Dahabreh et al. (2020) 的加权估计方法），但大多针对处理效应（ATE/CATE）的传输，而非死因机制。本文是这一理论在死因缺失问题上的具体应用。
本文的位置：作者将传输性思想引入死因缺失问题，但限制传输对象为“死因机制”（cause-of-death mechanism）而非总生存分布，从而规避了总生存分布不可传输的问题。这是对Wang et al. (2020)的实质性改进。

子线索聚类¶

死因缺失的统计方法（核心线索）
包括：MCAR假设下的简单剔除、MAR假设下的多重插补（Bakoyannis et al. 2019）、利用验证样本的加权估计（Lu & Tsiatis 2001）、以及利用外部死因信息的传输性方法（Wang et al. 2020, 本文）。
这一簇的共同目标：在死因缺失下识别DSS，但假设强度依次递减（MCAR → MAR → 可传输死因机制）。
传输性/数据融合的因果推断（方法来源）
包括：Pearl & Bareinboim (2011) 的do-calculus、Dahabreh et al. (2020) 的加权估计、Colnet et al. (2020) 的“triple robustness”方法。
这一簇为本文提供了识别假设（死因机制可传输）和估计工具（逆概率加权、估计方程）。
竞争风险模型（模型基础）
包括：Fine & Gray (1999) 的累积发生率函数模型、Andersen et al. (1993) 的cause-specific hazards模型。
本文的比例死因比模型是cause-specific hazards模型的一种参数化形式，允许死因分布随时间变化。

这个方向在追问的核心问题¶

死因缺失机制能否被识别？ 当前主流方法依赖强假设（MCAR、MAR、或可传输死因机制），但实际中这些假设往往不可检验。
如何利用辅助数据（如试验）而不引入人群异质性偏倚？ 本文的答案是“只传输死因机制，不传输总生存”，但这一策略的有效性依赖于死因机制本身的可传输性。
估计量的效率如何？ 当前方法多为两步估计（先估计权重，再估计DSS），效率损失较大；是否存在半参数有效估计？
模型误设定下的稳健性？ 比例死因比模型假设死因分布满足比例风险结构，若该假设不成立，估计量是否仍一致？

⚠️ 作者的framing¶

作者把缺口frame成：“现有方法（Wang et al. 2020）假设死因机制在试验与注册人群间相同，但实际中人群异质性可能导致死因机制不同。本文通过允许死因机制随协变量变化，并采用加权估计方程处理人群分布差异，从而放松了这一假设。”
被淡化或回避的竞争路线：
多重插补方法（Bakoyannis et al. 2019）被作者一笔带过，未讨论其与本文方法的相对优劣（如MAR vs. 可传输死因机制，哪个假设更合理？）。
半参数有效估计（如基于影响函数的debiased ML）未被提及——本文的加权估计方程可能不是最有效的。
什么明显该被引/该存在、却没出现在intro里？
Dahabreh et al. (2020) 关于传输性的加权估计方法未被引用，尽管其思想与本文直接相关。
Colnet et al. (2020) 的“triple robustness”方法（同时处理人群异质性和模型误设定）未被讨论。
Robins et al. (1994) 关于“monotone missing data”的G-估计方法未被提及，尽管死因缺失可视为一种单调缺失模式。
值得研究者去查的问题：这些缺失的引用是否意味着作者有意回避了更复杂的估计方法？还是因为本文的模型设定（比例死因比）与这些方法不兼容？

张力¶

未见明显对立引用。所有被引工作均支持“死因缺失需要特殊处理”这一共识，差异仅在于假设强度和估计方法。

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：
\( T \)：死亡时间（随机变量），单位通常为年/月。
\( C \)：删失时间（随机变量），如失访或研究结束。
\( \Delta = I(T \leq C) \)：是否观察到死亡（1=死亡，0=删失）。
\( X \)：协变量向量（如年龄、肿瘤分期、治疗方式），维度 \( p \)。
\( K \)：死因指示变量（\( K=1 \) 表示死于目标疾病，\( K=2 \) 表示死于其他原因）。这是核心潜在变量——在注册数据中不可观测。
\( Y = \min(T, C) \)：观测到的随访时间。
\( \delta = \Delta \cdot K \)：观测到的死因（若 \( \Delta=1 \) 且死因已知，则 \( \delta=K \)；若死因缺失，则 \( \delta \) 缺失）。在注册数据中，\( \delta \) 缺失。
\( S \)：数据来源指示变量（\( S=1 \) 表示来自临床试验，\( S=0 \) 表示来自注册数据）。这是关键：试验数据有 \( \delta \)，注册数据没有。
\( \pi(X) = P(S=1|X) \)：给定协变量下，个体属于试验人群的概率（倾向得分）。
\( \lambda_k(t|X) \)：第 \( k \) 种死因的cause-specific hazard函数。
\( \text{PCR}(t|X) = \frac{\lambda_1(t|X)}{\lambda_1(t|X) + \lambda_2(t|X)} \)：比例死因比（proportional cause ratio），即给定时间 \( t \) 和协变量 \( X \) 下，死亡原因为目标疾病的概率（条件于死亡发生在 \( t \) 时刻）。这是本文建模的核心对象。
模型：
比例死因比模型：假设

\[\text{PCR}(t|X) = \frac{\exp(\beta_0 + \beta_1^T X + \gamma(t))}{1 + \exp(\beta_0 + \beta_1^T X + \gamma(t))}\]
其中 \( \gamma(t) \) 是时间 \( t \) 的未知光滑函数（如样条或分段常数），\( \beta = (\beta_0, \beta_1^T)^T \) 是待估参数。该模型允许死因分布随时间和协变量变化，且通过logistic形式保证概率在[0,1]内。
DSS的生存函数：\( S_1(t|X) = \exp\left(-\int_0^t \lambda_1(u|X) du\right) \)，其中 \( \lambda_1(t|X) = \text{PCR}(t|X) \cdot \lambda_{\text{all}}(t|X) \)，\( \lambda_{\text{all}}(t|X) \) 是总死亡风险（可从注册数据估计，因为总死亡时间 \( Y \) 可观测）。
关键假设：死因机制可传输（transportable），即

\[\text{PCR}(t|X, S=1) = \text{PCR}(t|X, S=0)\]
也就是说，给定协变量 \( X \) 和时间 \( t \)，死因分布与数据来源（试验 vs. 注册）无关。这是本文的核心识别假设——它允许我们用试验数据估计 \( \beta \) 和 \( \gamma(t) \)，然后应用于注册数据。
可观测数据：
试验数据（\( S=1 \)）：可观测 \( (Y, \Delta, \delta, X) \)，即死因已知。
注册数据（\( S=0 \)）：可观测 \( (Y, \Delta, X) \)，但 \( \delta \) 缺失（死因未知）。总死亡时间 \( Y \) 和删失指示 \( \Delta \) 是可观测的。
想要但观测不到的量：注册数据中的死因 \( K \)（或 \( \delta \)）。本文通过假设死因机制可传输，从试验数据中“借”来死因信息。

第二步：讲最小内核¶

最简特例：假设所有协变量 \( X \) 都是离散的（如只有两个水平：年龄≤50 vs. >50），且时间 \( t \) 被离散化为 \( t=1,2,\dots,5 \) 年。比例死因比模型退化为在每个 \( (X, t) \) 组合下，死因概率为常数（即 \( \text{PCR}(t|X) = p_{X,t} \)）。此时，本文的核心问题简化为：

问题：在注册数据中，我们观测到每个 \( (X, t) \) 组合下的总死亡人数 \( N_{\text{all}}(X,t) \)，但不知道其中多少人死于目标疾病。在试验数据中，我们观测到每个 \( (X, t) \) 组合下的死因分布（即 \( p_{X,t} \) 的估计）。如何利用试验数据估计注册数据中的疾病特异性死亡人数 \( N_1(X,t) \)？

核心思路： 1. 从试验数据估计死因概率：在试验数据中，对于每个 \( (X, t) \) 组合，计算死于目标疾病的比例 \( \hat{p}_{X,t} = \frac{\text{试验中死于目标疾病的人数}}{\text{试验中总死亡人数}} \)。 2. 传输到注册数据：假设 \( p_{X,t} \) 在试验和注册人群中相同（可传输性假设），则注册数据中死于目标疾病的人数估计为 \( \hat{N}_1(X,t) = \hat{p}_{X,t} \cdot N_{\text{all}}(X,t) \)。 3. 估计DSS生存函数：利用 \( \hat{N}_1(X,t) \) 和注册数据中的总风险集，通过Kaplan-Meier或Nelson-Aalen估计DSS生存函数。

为什么这个特例抓住了核心：本文的一般情形只是这个特例的“加壳”——用logistic模型（含光滑时间项）代替离散概率，用加权估计方程处理人群分布差异（试验与注册的 \( X \) 分布不同），用渐近理论证明估计量的相合性与正态性。但识别逻辑完全相同：死因机制（给定 \( X \) 和 \( t \) 的死因概率）是可传输的，总生存分布不可传输。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：在观察性癌症注册数据（NCDB）中，死因缺失导致无法直接估计疾病特异性生存（DSS），本文提出利用临床试验数据（NSABP B-06）中的死因信息，通过比例死因比模型和加权估计方程，在允许人群异质性的前提下推断DSS。
核心工具/方法：比例死因比模型（logistic形式，含光滑时间项）+ 逆概率加权（IPW）估计方程，其中权重为 \( w(X) = \frac{1-\pi(X)}{\pi(X)} \)（试验人群的逆概率），用于将试验数据加权到注册人群分布。
主要结论：所提估计量在比例死因比模型和DSS的比例风险模型下是相合且渐近正态的；模拟研究验证了有限样本性能；实证分析将NSABP B-06的死因信息迁移至NCDB，估计了乳腺癌特异性生存。

关键设定与假设¶

假设1（可传输死因机制）：\( \text{PCR}(t|X, S=1) = \text{PCR}(t|X, S=0) \)。这是核心识别假设，意味着给定协变量 \( X \) 和时间 \( t \)，死因分布与数据来源无关。相比Wang et al. (2020)，本文允许 \( \text{PCR} \) 随 \( X \) 变化，因此更灵活。
假设2（试验数据代表性）：试验数据中的协变量分布 \( P(X|S=1) \) 与注册数据 \( P(X|S=0) \) 有重叠（overlap），即 \( 0 < \pi(X) < 1 \) 对所有 \( X \) 成立。这是IPW估计的常规要求。
假设3（删失独立于死因）：删失时间 \( C \) 与死亡时间 \( T \) 和死因 \( K \) 独立，给定协变量 \( X \)。这是生存分析的标准假设。
假设4（比例死因比模型正确设定）：\( \text{PCR}(t|X) \) 满足logistic形式，且 \( \gamma(t) \) 被正确参数化（如样条基函数）。这是模型假设，若违反则估计量可能不一致。
假设5（试验数据无死因缺失）：临床试验中死因记录完整。这在NSABP B-06中成立，但一般试验也可能有缺失。

相比已有文献的强化/放宽：
- 相比Wang et al. (2020)：本文允许死因机制随协变量变化（通过 \( \beta_1^T X \)），而Wang et al.假设 \( \text{PCR} \) 仅依赖于时间（即 \( \beta_1=0 \)）。
- 相比Bakoyannis et al. (2019)：本文不要求MAR假设，而是利用外部数据提供死因信息，因此可处理由未观测混杂导致的死因缺失。
- 相比Lu & Tsiatis (2001)：本文不需要在注册数据中随机抽取验证样本，而是利用现成的试验数据。

主要结果¶

定理1（估计量的相合性）：在假设1-5下，基于加权估计方程得到的 \( \hat{\beta} \) 和 \( \hat{\gamma}(t) \) 是相合的，即 \( \hat{\beta} \xrightarrow{p} \beta_0 \)，\( \hat{\gamma}(t) \xrightarrow{p} \gamma_0(t) \)。
- 直觉：加权估计方程是试验数据中死因似然函数的加权版本，权重 \( w(X) \) 将试验分布调整到注册分布，从而在可传输性假设下，加权后的试验数据可视为注册数据的“死因替代样本”。
- 必要条件：权重 \( w(X) \) 必须已知或可一致估计（通过估计 \( \pi(X) \)）。本文假设 \( \pi(X) \) 已知（因为试验设计已知），或通过logistic回归估计。
- 解决的技术难点：如何同时估计 \( \beta \) 和光滑函数 \( \gamma(t) \)？本文采用样条基函数将 \( \gamma(t) \) 参数化，从而将半参数问题转化为参数问题，再用M-估计理论证明相合性。

定理2（渐近正态性）：\( \sqrt{n}(\hat{\beta} - \beta_0) \xrightarrow{d} N(0, \Sigma) \)，其中 \( \Sigma \) 可通过sandwich方差公式一致估计。
- 直觉：加权估计方程是Z-估计量，其渐近方差由“信息矩阵”和“方差矩阵”的sandwich积给出。
- 必要条件：估计方程的一阶导非奇异（即模型可识别），且权重估计的误差不影响渐近方差（若权重已知）或需计入（若权重估计）。
- 解决的技术难点：若权重 \( \pi(X) \) 被估计，则需考虑其估计误差对 \( \hat{\beta} \) 方差的影响。本文通过“两阶段估计”的M-估计理论处理，证明权重估计的误差不影响 \( \hat{\beta} \) 的渐近方差（即“估计权重不影响效率”这一经典结论在本文设定下成立）。

定理3（DSS生存函数估计的渐近性质）：基于 \( \hat{\beta} \) 和 \( \hat{\gamma}(t) \) 构造的DSS生存函数估计 \( \hat{S}_1(t|X) \) 是相合且渐近正态的，其渐近方差可通过delta方法得到。
- 直觉：DSS生存函数是 \( \beta \) 和 \( \gamma(t) \) 的连续泛函，因此由连续映射定理可得相合性，由delta方法可得渐近正态性。
- 必要条件：总死亡风险 \( \lambda_{\text{all}}(t|X) \) 可从注册数据一致估计（这是标准的，因为总死亡时间可观测）。

证明路线与技术技巧¶

整体路线（3步逻辑主干）：

第一步：参数化光滑时间项
将 \( \gamma(t) \) 用样条基函数 \( B(t) = (B_1(t), \dots, B_m(t))^T \) 近似，即 \( \gamma(t) \approx \alpha^T B(t) \)。于是比例死因比模型变为：

\[\text{PCR}(t|X) = \frac{\exp(\beta_0 + \beta_1^T X + \alpha^T B(t))}{1 + \exp(\beta_0 + \beta_1^T X + \alpha^T B(t))}\]
这是一个标准logistic回归模型，参数为 \( \theta = (\beta_0, \beta_1^T, \alpha^T)^T \)。样条节点数 \( m \) 随样本量增长（如 \( m = O(n^{1/5}) \)），以保证光滑函数的一致估计。
第二步：构造加权估计方程
在试验数据中，对于每个死亡事件（\( \Delta=1 \)），其死因 \( K \) 可观测。定义加权对数似然：

\[\ell_w(\theta) = \sum_{i: S_i=1} w(X_i) \left[ I(K_i=1) \log \text{PCR}(Y_i|X_i) + I(K_i=2) \log (1 - \text{PCR}(Y_i|X_i)) \right]\]
其中 \( w(X_i) = \frac{1-\pi(X_i)}{\pi(X_i)} \) 是IPW权重，用于将试验分布调整到注册分布。最大化 \( \ell_w(\theta) \) 得到 \( \hat{\theta} \)。
关键跳跃点：为什么用权重 \( w(X) = (1-\pi)/\pi \) 而不是其他权重？因为：

\[E_{S=1}[w(X) \cdot f(X, K, Y)] = E_{S=0}[f(X, K, Y)]\]
即加权后的试验期望等于注册期望（在可传输性假设下）。这保证了估计方程在注册分布下无偏。
第三步：证明渐近性质
相合性：由于加权似然是凹函数（logistic模型），且权重有界，标准M-估计理论（van der Vaart, 1998, Ch.5）给出 \( \hat{\theta} \xrightarrow{p} \theta_0 \)。
渐近正态性：将估计方程在真值处Taylor展开，得到：

\[\sqrt{n}(\hat{\theta} - \theta_0) = \left( \frac{1}{n} \sum_i \ddot{\ell}_{w,i}(\theta_0) \right)^{-1} \frac{1}{\sqrt{n}} \sum_i \dot{\ell}_{w,i}(\theta_0) + o_p(1)\]
其中 \( \dot{\ell}_{w,i} \) 和 \( \ddot{\ell}_{w,i} \) 是加权似然的一阶和二阶导数。由中心极限定理，\( \frac{1}{\sqrt{n}} \sum_i \dot{\ell}_{w,i}(\theta_0) \xrightarrow{d} N(0, V) \)，其中 \( V \) 是 \( \dot{\ell}_{w,i} \) 的方差。于是 \( \hat{\theta} \) 渐近正态，方差为 \( I^{-1} V I^{-1} \)（sandwich形式）。
关键跳跃点：若权重 \( \pi(X) \) 被估计（而非已知），则需证明权重估计的误差不影响 \( \hat{\theta} \) 的渐近方差。本文通过“两阶段M-估计”理论证明：若权重估计是 \( \sqrt{n} \)-相合的，则 \( \hat{\theta} \) 的渐近方差与权重已知时相同（即“估计权重不影响效率”）。这一结论依赖于权重估计方程与主估计方程的正交性（orthogonality），即权重估计的误差在渐近线性展开中消失。

技术技巧点名： - 样条近似：用样条基函数将光滑函数 \( \gamma(t) \) 参数化，将半参数问题转化为参数问题，从而可用标准M-估计理论。这是半参数估计的经典技巧（如 Huang (1998) 的“sieve estimation”）。 - 逆概率加权（IPW）：用于处理人群分布差异，权重 \( w(X) = (1-\pi)/\pi \) 是“标准化”权重的变体。这是因果推断中传输性问题的标准工具（如 Dahabreh et al. (2020)）。 - Sandwich方差估计：用于构造渐近正态性的方差公式，考虑模型误设定下的稳健标准误。这是M-估计的常规做法。 - 两阶段M-估计：处理权重估计的不确定性，证明其不影响主估计量的渐近方差。这一结论依赖于“Neyman orthogonality”条件（即权重估计方程与主估计方程的一阶导正交），但本文未明确使用该术语。

真实例子与应用¶

数据：
试验数据：NSABP B-06试验，包含乳腺癌患者（n≈1,800），记录了死因（乳腺癌 vs. 其他原因）、协变量（年龄、肿瘤大小、淋巴结状态、治疗方式等）、以及生存时间。死因记录完整。
注册数据：NCDB（National Cancer Database），包含约100,000名乳腺癌患者，记录了协变量和生存时间，但无死因信息。
方法应用：
在试验数据中，估计比例死因比模型（含协变量和光滑时间项），得到 \( \hat{\beta} \) 和 \( \hat{\gamma}(t) \)。
将估计的死因机制传输到NCDB：对于每个NCDB患者，根据其协变量 \( X \) 和死亡时间 \( Y \)，计算死于乳腺癌的概率 \( \widehat{\text{PCR}}(Y|X) \)。
利用NCDB中的总死亡风险（可从Kaplan-Meier或Cox模型估计）和 \( \widehat{\text{PCR}} \)，估计乳腺癌特异性生存函数 \( \hat{S}_1(t|X) \)。
结果：
估计了不同亚组（如年龄≤50 vs. >50、淋巴结阳性 vs. 阴性）的乳腺癌特异性生存曲线。
与“假设所有死亡均为乳腺癌死亡”的朴素方法对比，本文方法估计的DSS曲线更低（即更保守），因为部分死亡被归因于其他原因。
与“仅使用试验数据”的方法对比，本文方法利用了NCDB的大样本量，因此估计的DSS曲线更平滑、置信区间更窄。
这个例子想说明什么：
验证理论：在模拟中验证了估计量的相合性和正态性，但实证部分无法验证（因为NCDB无真实死因）。作者通过敏感性分析（改变可传输性假设的强度）来评估结果的稳健性。
展示相对优势：相比仅用试验数据，本文方法利用了注册数据的大样本量，提高了估计精度；相比朴素方法，本文方法避免了死因误分类偏倚。

🔎 结论是否比证明窄¶

窄结论1：定理1-3的证明依赖于“比例死因比模型正确设定”和“死因机制可传输”两个强假设。但在实证部分，作者仅通过敏感性分析（如假设死因机制在部分亚组中不可传输）来评估稳健性，并未提供检验这些假设的统计方法。因此，结论的适用范围被限制在这些假设成立的场景。
窄结论2：证明中假设试验数据无死因缺失（假设5），但实际中临床试验也可能有死因缺失（如失访后死亡原因不明）。作者在讨论中承认了这一局限，但未提供扩展方法。
泛化claim：作者在引言中声称“本文方法可推广至其他癌症类型”，但实证仅针对乳腺癌。推广至其他癌症需要验证比例死因比模型和可传输性假设是否成立，这并非自动成立。

四、开放问题¶

可传输性假设的检验：本文假设死因机制在试验与注册人群间可传输，但未提供检验该假设的方法。扎根于：假设1（可传输死因机制）是核心识别条件，但作者在讨论中仅说“敏感性分析可评估其影响”，未给出正式检验。一个开放问题是：能否利用注册数据中的部分死因信息（如死亡证明审查）或工具变量来检验可传输性？
半参数有效估计：本文的加权估计方程可能不是最有效的。是否存在基于影响函数（efficient influence function）的debiased ML估计，能在可传输性假设下达到半参数效率界？扎根于：作者在讨论中未提及效率问题，仅给出sandwich方差估计。对于熟悉HOIF的研究者，这是一个自然的扩展方向。
模型误设定下的稳健性：比例死因比模型假设死因分布满足logistic形式，若该假设不成立，估计量可能不一致。能否放松为更灵活的非参数模型（如核回归或随机森林），同时保持可传输性假设？扎根于：假设4（模型正确设定）是证明相合性的必要条件，但作者未讨论模型误设定的后果。
死因缺失机制的非随机性：本文假设死因缺失仅由数据来源（试验 vs. 注册）决定，但注册数据中的死因缺失可能还与未观测因素相关（如医院记录质量）。能否利用工具变量或proximal causal inference来处理这种非随机缺失？扎根于：作者在讨论中承认“死因缺失机制可能更复杂”，但未给出具体扩展。对于熟悉proximal CI的研究者，这是一个直接的应用场景。

Maintained by 陈星宇 · Homepage · Source on GitHub