跳转至

Joint Model for Mediation Analysis with Causally Related Longitudinal and Recurrent Event Mediators for Survival Outcome

作者: Fang Niu, Cheng Zheng, Lei Liu
主题: 因果推断
相关性: 8/10
链接: https://arxiv.org/abs/2607.23894

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：在纵向研究中，当存在两种不同类型的中介变量（如重复测量的生物标志物和复发事件计数过程）且它们之间存在因果依赖关系时，如何从观测数据中识别和估计暴露对生存结局的自然直接效应（NDE） 和自然间接效应（NIE）。当前成熟度较低：多数方法只处理单一类型中介，或假设中介间独立，且对未观测混杂的控制依赖较强的序贯可忽略性（SI）假设。

发展脉络（history）

  • 奠基工作：Liu et al. (2004) 提出共享 frailty 模型联合分析复发事件与终末事件，为后续因果扩展提供了基础建模框架。Liu and Huang (2008, 2009) 进一步将重复测量与复发事件联合建模，但未涉及因果解释。
  • 主要进展：Imai and Yamamoto (2013) 系统讨论了多个因果相关中介的识别与敏感性分析，但未处理生存结局和过程型中介。Didelez (2019) 定义了纵向中介与生存结局的因果中介效应，但限于单一中介。Zheng and Liu (2022) 利用共享随机效应放松 SI 假设，处理纵向中介与生存结局，但只考虑单一重复测量中介。Niu et al. (2023) 将共享 frailty 模型用于复发事件中介的因果分析，但未纳入重复测量中介。
  • 当前 frontier：同时处理多类型中介（重复测量 + 复发事件）且允许中介间因果依赖，同时通过共享随机效应放松 SI 假设。本文直接定位在此缺口。
  • 本文位置：作者声称“现有方法无法处理多类型中介且中介间有因果依赖”，因此提出一个联合建模框架，将重复测量、复发事件和生存结局通过共享随机效应联系起来，并用似然方法估计 NDE 和 NIE。

子线索聚类

  1. 联合建模（joint modeling）：Liu et al. (2004), Liu and Huang (2008, 2009), Paulon et al. (2020), Proust-Lima and Taylor (2009)。这一簇主要关注统计建模（参数/半参数/贝叶斯），强调相关性而非因果性。
  2. 因果中介分析（causal mediation）：Imai and Yamamoto (2013), Didelez (2019), Huang (2021), Stensrud et al. (2022), Zheng and Liu (2022), Zheng and Zhou (2017)。这一簇关注识别假设（SI 及其放松）、效应定义（NDE/NIE）和估计方法。
  3. 复发事件与终末事件的因果机制：Niu et al. (2023), Vansteelandt et al. (2019)。这一簇专门处理复发事件作为中介，但未同时纳入重复测量。

核心问题与瓶颈

  • 核心问题：① 如何定义和识别多中介（过程型）的 NDE/NIE？② 如何放松 SI 假设以允许未观测混杂？③ 如何高效计算高维积分（过程型中介的路径积分）？
  • 主流方法：共享随机效应（frailty）模型 + 蒙特卡洛积分。瓶颈：① 随机效应分布假设强（正态），误设时估计偏差大（模拟显示）；② 无闭式解，计算成本高；③ 缺乏半参数效率理论，无法判断估计量的最优性。

⚠️ 作者的 framing（必须明确标注为作者说法）

作者将缺口 frame 为：“现有方法只能单独分析复发事件中介或重复测量中介，无法同时处理两者且允许中介间因果依赖”（Introduction 第2段）。他们声称通过“扩展联合建模框架，纳入共享随机效应，放松 SI 假设”来填补这一缺口。竞争路线被淡化或回避：① 工具变量方法（IV）未被讨论，尽管它也能处理未观测混杂；② 结构方程模型（SEM）被提及但仅作为未来方向（Discussion），未与本文方法对比；③ 更灵活的贝叶斯非参数方法（如 Paulon et al. 2020）未被纳入比较。明显该被引但未出现：关于多中介因果推断的经典文献（如 VanderWeele & Vansteelandt 2014 的综述）未被引用，可能因为该文更侧重横截面或单一时间点中介。

张力

未见明显对立引用。各被引工作基本在互补设定下发展，未出现同一问题下不同结论的冲突。

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： - \(Z_i\)：处理/暴露变量（二值，0/1）。 - \(X_i \in \mathbb{R}^p\)：基线协变量。 - \(W_i(z, s)\)：在暴露 \(z\) 下，个体 \(i\) 在时间 \(s\) 的潜在重复测量中介（如 CD4 计数）。实际观测到的是 \(W_i(s) = W_i(Z_i, s)\) 在离散时间点 \(s_{i1}, \dots, s_{i l_i}\)。 - \(M_i(z, w, t)\)：在暴露 \(z\) 和重复测量中介过程 \(w\) 下，个体 \(i\) 在时间 \(t\) 之前的潜在复发事件计数（如机会性感染次数）。实际观测到的是 \(M_i(t) = M_i(Z_i, W_i, t)\)。 - \(T_i(z, m, w)\)：在暴露 \(z\)、复发事件过程 \(m\) 和重复测量过程 \(w\) 下的潜在生存时间。实际观测到的是 \(T_i^* = T_i \wedge C_i\) 和事件指示 \(\Delta_i = I(T_i \le C_i)\)，其中 \(C_i\) 是删失时间。 - \(\nu_i\)：共享随机效应（frailty），连接复发事件中介 \(M\) 与生存结局 \(T\)，独立于 \(Z, X\)，服从 \(N(0, \sigma_\nu^2)\)。 - \(u_i\)：共享随机效应，连接重复测量中介 \(W\)、复发事件中介 \(M\) 与生存结局 \(T\)，独立于 \(Z, X\)，服从 \(N(0, \sigma_u^2)\)。 - \(\varepsilon_i(t)\)：测量误差/个体波动，独立于 \(Z, X\)，服从 \(N(0, \sigma_\varepsilon^2)\)。

模型（方程 1-3）： - 复发事件强度：\(r_i(z, w, t) = r_0(t) \exp\{\beta_z z + \beta_x^\top X_i + \beta_w w(t) + \nu_i + \gamma u_i\}\)。 - 重复测量均值：\(W_i(z, t) = \alpha_0 + \alpha_z z + \alpha_x^\top X_i + \alpha_t t + u_i + \varepsilon_i(t)\)。 - 生存 hazard：\(\lambda_i(z, m, w, t) = \lambda_0(t) \exp\{\eta_z z + \eta_m m(t) + \eta_w w(t) + \eta_x^\top X_i + \delta_1 \nu_i + \delta_2 u_i\}\)。

可观测数据：对每个个体 \(i\)，观测到 \((Z_i, X_i, \{W_i(s_{ij})\}_{j=1}^{l_i}, \{M_i(t)\}_{t \le T_i^*}, T_i^*, \Delta_i)\)。不可观测：潜在中介过程 \(W_i(z, s)\) 和 \(M_i(z, w, t)\) 在反事实水平下的值，以及随机效应 \(\nu_i, u_i\)。

第二步：最小内核

为了看清核心思路，考虑一个极度简化的特例：假设时间固定为单个时间点 \(\tau\)，且： - 重复测量中介 \(W\) 只在基线测量一次（即 \(W\) 是标量，非过程）。 - 复发事件中介 \(M\) 简化为一个二值指示变量（是否在 \([0, \tau]\) 内至少发生一次事件），而非计数过程。 - 生存结局 \(T\) 简化为在 \(\tau\) 时刻是否存活（二值）。

此时模型退化为： - \(W = \alpha_0 + \alpha_z Z + \alpha_x^\top X + u + \varepsilon\)，\(\varepsilon \sim N(0, \sigma_\varepsilon^2)\)。 - \(P(M=1 \mid Z, X, W, \nu, u) = 1 - \exp\{-r_0 \exp(\beta_z Z + \beta_x^\top X + \beta_w W + \nu + \gamma u)\}\)（指数分布强度，\(r_0\) 常数）。 - \(P(T > \tau \mid Z, M, W, X, \nu, u) = \exp\{-\lambda_0 \exp(\eta_z Z + \eta_m M + \eta_w W + \eta_x^\top X + \delta_1 \nu + \delta_2 u)\}\)（指数分布 hazard，\(\lambda_0\) 常数）。

核心命题：估计 \(NDE(\tau) = P(T(z', M(z, W(z)), W(z'')) > \tau) - P(T(z, M(z, W(z)), W(z'')) > \tau)\)，其中 \(z, z', z'' \in \{0,1\}\)。由于 \(W\) 和 \(M\) 是随机变量，需要积分掉它们和随机效应。

关键想法：通过共享随机效应 \(\nu, u\) 将未观测混杂纳入模型，使得在给定 \((Z, X, \nu, u)\) 后，\(W\) 和 \(M\) 与 \(T\) 条件独立（放松的 SI）。于是潜在生存概率可写为：

\[P(T(z', M(z, W(z)), W(z'')) > \tau \mid X) = \int_{\nu, u} \int_{w} \int_{w'} \int_{m} P(T > \tau \mid Z=z', M=m, W=w, X, \nu, u) \cdot dF_{M|Z,X,W,\nu,u}(m \mid Z=z, X, W=w', \nu, u) \cdot dF_{W|Z,X,u}(w \mid Z=z, X, u) \cdot dF_{W|Z,X,u}(w' \mid Z=z', X, u) \cdot dF_\nu(\nu) dF_u(u).\]
这个积分没有闭式解，但可以通过蒙特卡洛近似：先采样 \(\nu, u\)，再采样 \(W(z)\) 和 \(W(z')\)，再采样 \(M(z, W(z))\)，最后计算条件生存概率并平均。

最小内核的数学困难：即使在这个简化特例中，积分维度已经达到 4（\(\nu, u, W(z), W(z')\)，\(M\) 由它们决定），且没有解析形式。论文的一般情形（过程型中介）只是将这个积分扩展到无限维路径空间，核心思路相同：用共享随机效应控制未观测混杂，用蒙特卡洛近似路径积分。

三、这篇论文做了什么

三句话

  1. 研究问题：当存在重复测量中介（如 CD4 计数）和复发事件中介（如机会性感染）且中介间有因果依赖时，如何估计暴露对生存结局的自然直接效应（NDE）和自然间接效应（NIE）。
  2. 核心工具：扩展的联合建模框架，通过共享随机效应（frailties）连接重复测量、复发事件和生存结局，在放松的序贯可忽略性（SI）假设下识别因果效应，并用蒙特卡洛数值积分计算效应估计。
  3. 主要结论：模拟显示在正确模型设定下估计偏差小、覆盖率高，但对随机效应分布误设敏感；应用于 CPCRA 艾滋病研究，发现既往 AIDS 定义条件（PADC）通过复发机会性感染和重复 CD4 计数中介影响生存，且 CD4 与生存间的共享随机效应显著（提示未观测混杂），而治疗（ddI vs ddC）无显著直接或间接效应。

关键设定与假设

  • 模型设定：方程 (1)-(3) 为参数模型，基线强度/ hazard 用分段常数函数（4 段）。随机效应 \(\nu_i, u_i\) 独立正态，测量误差 \(\varepsilon_i(t)\) 独立正态。
  • 假设：
  • 扩展 SUTVA：无干扰，一致性（潜在结果与观测结果一致）。
  • 放松的序贯可忽略性（SI）：方程 (4)-(6)。具体地：
    • (4) \(Z \perp (M(z', W^{z'}), W^{z''}, T(z, m, w)) \mid X\)（暴露随机化或条件可忽略）。
    • (5) \(W^{z''} \perp (M(z', W^{z'}), T(z, m, w)) \mid Z, X, u\)（重复测量中介可忽略给定 \(Z, X, u\)）。
    • (6) \(M^{z'} \perp T(z, m, w) \mid Z, X, u, \nu\)（复发事件中介可忽略给定 \(Z, X, u, \nu\)）。
  • Markov 假设：强度/hazard 只依赖当前 \(w(t)\) 和 \(m(t)\)，不依赖历史。
  • 相比已有文献的放宽/强化：相比标准 SI（要求无未观测混杂），本文通过共享随机效应 \(u, \nu\) 允许未观测时不变混杂存在于中介与结局之间，这是放宽；但假设随机效应分布已知（正态），且未观测混杂是时不变的，这是限制。

主要结果

  • 模拟结果（Table 1）：
  • Setting I（正确设定）：NDE, NIE_M, NIE_W 在时间点 2,4,6,8 的偏差均 ≤0.005，经验标准差与中位标准误接近，95% 覆盖率在 93%-98% 之间。
  • Setting II（随机效应误设：\(\nu, u\) 用 log-gamma 分布）：偏差大幅增加（如时间 8 时 NDE 偏差 0.041，覆盖率降至 9.6%），表明估计量对随机效应分布敏感。
  • 真实数据结果（CPCRA）：
  • 暴露：治疗（ddI vs ddC）：NDE, NIE_OI, NIE_CD4 的 95% 置信区间均包含 0，无显著效应。与之前仅考虑复发事件中介的研究（Niu et al. 2023）不同，后者曾报告显著直接效应——作者解释为之前研究将 CD4 的间接效应混入了 NDE。
  • 暴露：PADC（既往 AIDS 定义条件）：NDE 显著（负向，PADC 降低生存概率），NIE_OI 显著（负向），NIE_CD4 显著（正向但幅度较小）。总效应与 Cox 回归估计一致。
  • 参数估计（Table 2）：共享随机效应 \(u\) 在生存模型中显著（\(\hat{\delta}_2 = -2.35, p<0.001\)），提示 CD4 与生存间存在未观测混杂；\(\nu\) 不显著（\(p=0.80\)）。

证明路线与技术技巧（理论型必写，但本文为方法型，侧重模型与计算）

  • 整体路线：① 定义潜在结果框架下的 NDE/NIE（Section 2）；② 提出参数联合模型（方程 1-3）；③ 在放松 SI 下将效应表达为积分形式（Section 2.2）；④ 用最大似然估计模型参数（高斯求积）；⑤ 用蒙特卡洛积分近似效应估计（采样随机效应、中介路径、计算条件生存概率）；⑥ Bootstrap 计算置信区间。
  • 关键跳跃点：从潜在结果到可观测数据的转换依赖于放松 SI 假设（方程 4-6），使得积分中的条件分布均可由观测数据估计。这是识别上的核心步骤。
  • 技术技巧点名：
  • 共享随机效应（frailty）：用于控制未观测时不变混杂，放松 SI。
  • 分段常数基线：简化非参数部分，便于似然计算。
  • 高斯求积（Gaussian quadrature）：用于最大化联合似然（SAS Proc NLMIXED）。
  • 蒙特卡洛积分：用于近似高维路径积分（无限维中介过程）。
  • Bootstrap：用于推断，未推导渐近方差。

真实例子与应用

  • 数据：CPCRA 研究，467 名 HIV 患者，随机接受 ddI 或 ddC，随访 1-21 个月。记录基线协变量（PADC、性别、AZT 反应层、血红蛋白），每 2 个月测量 CD4 计数（重复测量中介 \(W\)），记录机会性感染（OI）发生时间（复发事件中介 \(M\)），结局为总生存时间。
  • 方法应用：分别以治疗（ddI vs ddC）和 PADC 为暴露，拟合联合模型（方程 1-3），估计 NDE、NIE_OI、NIE_CD4 随时间变化的生存概率差。
  • 结果：见上文“主要结果”。关键发现：PADC 的 NIE_OI 幅度大于 NIE_CD4，提示控制 OI 比提升 CD4 对生存更重要；治疗无显著效应，与之前研究对比凸显了区分中介路径的重要性。
  • 例子想说明：① 方法能处理实际中两类中介共存且因果相关的情形；② 能揭示不同中介的相对重要性；③ 能检测未观测混杂（通过共享随机效应显著性）；④ 与 Cox 回归的总效应一致，验证了模型合理性。

🔎 结论是否比证明窄

  • 论文没有渐近理论证明（如一致性、渐近正态性、效率界），所有结论基于模拟和 Bootstrap。作者在 Discussion 中未声称理论性质，但模拟仅覆盖有限设定（200 次重复，正态随机效应）。结论比证明窄：实际应用中，随机效应分布未知，误设时估计可能严重偏倚（模拟 Setting II 显示），但论文未提供稳健性方法或诊断工具。
  • 作者在 Section 2.2 声称“under this relaxed assumption, we can write the survival function … and all terms are estimable from the data”，但未证明估计量的 \(\sqrt{n}\)-一致性或给出收敛速度。这是纯参数模型，理论上 MLE 在正则条件下一致，但论文未验证正则条件（如基线函数的光滑性、随机效应可识别性）。

四、开放问题（点到为止，扎根具体语句）

  1. 双向因果中介：论文假设中介 \(M\) 可被 \(W\) 因果影响，但未考虑 \(M\) 反向影响 \(W\)。作者在 Discussion 中承认“mediators may influence each other bidirectionally”，并建议未来整合互惠因果模型或结构方程模型（引用 Grace 2021, Gunzler et al. 2013）。这是一个明确的开放问题。

  2. 随机效应分布误设的稳健性：模拟显示当 \(\nu, u\) 从 log-gamma 分布生成时，估计偏差和覆盖率严重恶化（Table 1 Setting II）。论文未提供诊断或稳健估计方法。未来可探索半参数或非参数随机效应分布（如 Dirichlet 过程混合），或发展对分布误设不敏感的估计量。

  3. 半参数效率界与双稳健估计：本文使用完全参数模型，未推导半参数效率界。对于此类多中介、过程型中介的因果效应，是否存在双稳健估计量（如基于高效影响函数）？这直接关联研究者的“semiparametric theory”和“debiased ML”兴趣。扎根于论文未讨论效率理论这一事实。

  4. 高维协变量与中介选择：论文假设协变量 \(X\) 维数固定且已给定。当协变量或中介数量高维时（如基因表达数据），如何选择中介或进行变量选择？这关联研究者的“high-dimensional statistics”兴趣。论文未提及高维场景。

  5. 计算可扩展性：蒙特卡洛积分需要大量采样，且随随访时间点增加计算成本剧增。论文未讨论计算复杂度或优化策略。对于大型纵向数据集，需要更高效的近似方法（如变分推断或拉普拉斯近似）。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论