跳转至

Causal inference via propensity scores for case-control studies

作者: Yan Liu, Anita Koushik, Philippe Boileau, Cong Jiang, Miceline Mésidor et al.
主题: 因果推断
相关性: 7/10
链接: https://arxiv.org/abs/2608.20080


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基于结局依赖抽样(outcome-dependent sampling)设计的因果推断,其核心科学问题是:在病例对照研究(case-control study)这类非随机抽样的观测数据中,如何利用倾向得分方法识别并估计暴露对结局的因果效应(如因果风险比)。该方向的根本困难在于:病例对照设计按结局状态进行分层抽样,导致样本中的暴露-结局关系与源人群(source population)不同,直接套用标准倾向得分方法会产生偏倚。该方向的成熟度处于"方法已被提出但尚未系统化"的阶段——已有零散工作(如 Robins 1999、Månsson et al. 2007、Rose & van der Laan 2008)证明了特定设定下的可识别性,但缺乏统一的框架来覆盖多种设计变体(经典病例对照、病例队列、检验阴性设计),也缺乏配套的诊断工具和匹配方法。

发展脉络

奠基工作:Rosenbaum & Rubin (1983) 正式引入倾向得分,证明了在强可忽略性假设下,倾向得分是平衡得分,可用于无偏估计因果效应。这是整个倾向得分方法论的基石。关键缺口:该框架假设数据来自简单随机样本或队列研究,未考虑结局依赖抽样。

主要进展(按引用语境定位):

  • Robins (1999):在《Statistical Science》的评论文章中首次指出,在病例对照设计中,若结局罕见(rare disease),对照组的暴露-协变量分布近似于源人群,因此可以用对照组数据估计倾向得分,进而识别相对效应。这是"控制组可交换性"(control exchangeability)思想的源头。本文引用语境为"我们重新审视了 Robins 的结果,证明在控制组可交换性下,相对效应可识别"——说明本文是对这一结果的推广和严格化。

  • Månsson et al. (2007):将倾向得分加权方法系统引入病例对照研究,证明了在罕见病假设下,基于对照组拟合的倾向得分可用于 IPTW 估计。本文引用语境为"Månsson 等人展示了在病例对照设计中如何使用倾向得分加权",但本文指出其局限在于仅覆盖了经典病例对照设计,未处理病例队列和检验阴性设计。

  • Rose & van der Laan (2008, 2014):将半参数效率理论引入病例对照设计,证明了在已知抽样概率或可估计抽样概率时,可以构造渐近有效估计量。本文引用语境为"Rose 和 van der Laan 提出了双稳健估计方法",但本文指出其方法需要已知或可估计的抽样概率,而本文的识别策略不依赖这一信息。

  • Jiang et al. (2023):将双机器学习(DML)框架应用于检验阴性设计(TND),推导了 TND 下的效率界和双稳健估计量。本文引用语境为"我们之前的工作表明,TND 下的双稳健估计量在µ̂ₐ(C)接近1时方差膨胀",这直接引出了本文对诊断工具的需求。

当前 frontier:该领域的前沿问题是:(1) 如何在更一般的设计(如匹配病例对照、密度抽样)下识别因果效应;(2) 如何构造对倾向得分模型误设稳健的估计量;(3) 如何验证关键假设(如控制组可交换性、重叠假设)在病例对照数据中是否成立。本文的位置是:统一了三种设计变体(经典病例对照、病例队列、TND)下的倾向得分识别框架,提出了新的匹配估计量,并开发了针对病例对照设计的重叠诊断工具。

子线索聚类

这些被引文献大致落在三条子线索上:

  1. 倾向得分加权与匹配方法(Rosenbaum & Rubin 1983; Austin 2011; Caliendo & Kopeinig 2008; Stuart 2010; Austin 2009, 2010):这条线索关注如何用倾向得分构造权重或匹配样本,以消除混杂偏倚。核心工具是 IPTW、匹配、分层。已知瓶颈:在病例对照设计中,倾向得分无法直接估计(因为抽样依赖于结局),需要借助控制组可交换性假设。

  2. 病例对照设计的因果识别(Robins 1999; Månsson et al. 2007; Rose & van der Laan 2008, 2014; Schnitzer 2022):这条线索专门处理结局依赖抽样下的识别问题。核心思想是利用对照组代表源人群这一假设,将倾向得分估计限制在对照组内。已知瓶颈:不同设计变体(经典病例对照 vs. TND vs. 病例队列)的识别条件不同,缺乏统一框架。

  3. 半参数效率与双稳健估计(Jiang et al. 2023; Rose & van der Laan 2014):这条线索关注如何构造渐近有效且对 nuisance 估计稳健的估计量。核心工具是效率影响函数(EIF)、交叉拟合(cross-fitting)、双机器学习。已知瓶颈:在病例对照设计中,EIF 的形式依赖于抽样概率,而抽样概率通常未知。

⚠️ 作者的 framing

这是作者的说法:作者将缺口 frame 成"尽管倾向得分方法在队列研究中已成熟,但在病例对照设计中的发展和应用仍然有限"。具体而言,作者声称:(1) 现有方法要么需要已知抽样概率(Rose & van der Laan),要么仅适用于特定设计(Månsson 仅覆盖经典病例对照);(2) 缺乏针对病例对照设计的匹配方法;(3) 缺乏验证关键假设(如重叠)的诊断工具。作者将本文定位为"填补这三个缺口的统一框架"。

被淡化或回避的竞争路线:作者淡化了"利用已知抽样概率进行加权"这一路线(Rose & van der Laan 2008),理由是"抽样概率通常未知"。但这一理由在应用场景中未必成立——许多病例对照研究确实记录了抽样比例。作者也回避了"将病例对照数据与外部人群数据合并"的路线,以及"利用工具变量或代理变量处理未测量混杂"的路线。

明显该被引却没出现在 intro 里的:(1) Breslow & Day (1980) 的经典病例对照研究统计方法教科书——这是该领域的标准参考,未引用显得突兀;(2) VanderWeele (2017) 关于结局依赖抽样中效应修饰的讨论——本文的 mRRT 目标参数与效应修饰直接相关;(3) Didelez et al. (2010) 关于病例对照设计中因果图模型的综述——提供了另一种图形化识别策略。

张力

未见明显对立引用。但存在一个微妙的张力:Robins (1999) 和 Månsson et al. (2007) 都强调"罕见病假设"是控制组可交换性的充分条件,而本文将其推广为更一般的"控制组可交换性"假设(不要求罕见病)。这一推广是否在所有设计变体下都成立,作者在正文中给出了证明,但这一证明的假设条件(如无未测量混杂、正性假设)是否在实证中可验证,是一个开放问题。


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(逐个点名):

  • A:二元暴露/处理变量,A ∈ {0, 1}。这是处理变量,是因果推断中的"原因"。
  • Y:二元结局变量,Y ∈ {0, 1}。这是结局变量,是因果推断中的"结果"。
  • C:可观测的混杂因素向量,C = (C₁, C₂, ..., Cₚ)。这是协变量,同时影响 A 和 Y。
  • S₁:指示个体是否被选为病例(Y = 1)的抽样指示变量。S₁ = 1 表示该个体被纳入研究作为病例。
  • S₀:指示个体是否被选为对照(Y = 0)的抽样指示变量。S₀ = 1 表示该个体被纳入研究作为对照。
  • S = S₁ ∪ S₀:总体抽样指示变量,S = 1 表示个体被纳入病例对照研究。
  • ψ_mRR:边际风险比(marginal risk ratio),定义为 ψ_mRR := E[P(Y=1|A=1,C)] / E[P(Y=1|A=0,C)]。这是目标参数(estimand),是我们要估计的因果量。
  • ψ_mRRT:处理组中的边际风险比(marginal risk ratio among the treated),定义为 ψ_mRRT := E[P(Y=1|A=1,C)|A=1] / E[P(Y=1|A=0,C)|A=1]。这是另一个目标参数,在存在处理组中某些个体无法被对照替代时更有意义。
  • π(C) = P(A=1|C):倾向得分,即给定协变量 C 下接受处理的概率。这是nuisance 参数,需要估计。
  • µₐ(C) = P(Y=1|A=a,C):结局回归模型,即给定协变量 C 和处理 A=a 下结局发生的概率。这也是nuisance 参数。
  • q = P(S=1):总体抽样概率,即个体被纳入研究的总体概率。这是一个未知常数,在识别过程中会消去。
  • q₁ = P(S=1|A=1):处理组中的抽样概率。在 mRRT 的识别中会出现。

模型(数据生成机制):

  1. 源人群:存在一个无限大的源人群,其中每个个体有协变量 C,处理 A,潜在结局 Y(1), Y(0)。我们假设标准因果推断框架:一致性(consistency)、无未测量混杂(unconfoundedness,即 Y(a) ⊥ A | C)、正性(positivity,即 0 < P(A=1|C) < 1)。
  2. 病例对照抽样:从源人群中,所有 Y=1 的个体被选为病例(S₁=1),而 Y=0 的个体以某个概率被选为对照(S₀=1)。因此,抽样概率依赖于 Y,这就是"结局依赖抽样"的含义。
  3. 可观测数据:研究者实际观测到的是 (Cᵢ, Aᵢ, Yᵢ) 对 i = 1, ..., N,其中 N = N₁ + N₀,N₁ 是病例数,N₀ 是对照数。关键:研究者不知道 q(总体抽样概率),也不知道每个个体被抽中的具体概率。研究者能观测到的是病例组和对照组中的暴露-协变量分布,而非源人群中的分布。

关键区分:在病例对照设计中,研究者无法直接估计源人群中的倾向得分 π(C) = P(A=1|C),因为样本中 A 的分布被抽样过程扭曲了。但是,在控制组可交换性假设下(即 S₀ ⊥ A | C),对照组的暴露-协变量分布近似于源人群,因此可以用对照组数据估计 π(C)。这是整个方法的基石。

第二步:最小内核

最简特例:假设只有一个二元混杂因素 C ∈ {0, 1},暴露 A ∈ {0, 1},结局 Y ∈ {0, 1}。源人群中的联合分布由以下参数决定:

  • P(C=1) = 0.5
  • P(A=1|C=0) = 0.2, P(A=1|C=1) = 0.8(即 C 影响 A)
  • P(Y=1|A=0,C=0) = 0.01, P(Y=1|A=0,C=1) = 0.02(即 C 影响 Y)
  • P(Y=1|A=1,C=0) = 0.02, P(Y=1|A=1,C=1) = 0.04(即 A 有正效应)

目标:估计 ψ_mRR = E[P(Y=1|A=1,C)] / E[P(Y=1|A=0,C)]。

问题:我们无法直接观测源人群。我们只观测到病例对照样本:所有 Y=1 的个体(病例)和随机抽取的 Y=0 的个体(对照)。假设我们抽取了 1000 个病例和 4000 个对照。

核心困难:在病例对照样本中,A 的分布不等于源人群中 A 的分布。例如,如果 A 增加 Y 的风险,那么病例中 A=1 的比例会高于源人群中 A=1 的比例。因此,直接计算样本中的 P(A=1|C) 是有偏的。

关键洞察:在控制组可交换性假设下(S₀ ⊥ A | C),对照组中的 P(A=1|C) 等于源人群中的 P(A=1|C)。这是因为对照是从 Y=0 的个体中随机抽取的,而 Y=0 的个体在源人群中占绝大多数(罕见病假设),所以对照组的暴露分布近似于源人群。

识别公式:在控制组可交换性下,可以证明:

ψ_mRR = [E_CC{Y·A/π(C)}] / [E_CC{Y·(1-A)/(1-π(C))}]

其中 E_CC 表示病例对照样本中的期望,π(C) 是用对照组数据估计的倾向得分。常数 q 在比值中消去。

证明思路(最小版本):

  1. 在源人群中,E[P(Y=1|A=1,C)] = E[Y(1)] = E[Y·A/π(C)](这是标准的 IPTW 恒等式)。
  2. 在病例对照样本中,E_CC[Y·A/π(C)] = E[Y·A/π(C) | S=1] = E[Y·A/π(C)] / P(S=1)(因为 Y=1 意味着 S=1)。
  3. 因此,E_CC[Y·A/π(C)] = E[Y(1)] / q,其中 q = P(S=1)。
  4. 同理,E_CC[Y·(1-A)/(1-π(C))] = E[Y(0)] / q。
  5. 两者相除,q 消去,得到 ψ_mRR。

为什么这个例子是"最小内核":它展示了本文所有方法的本质——利用控制组可交换性将病例对照样本中的估计问题转化为标准 IPTW 问题。一般设定(多个混杂因素、非线性模型、TND 设计)只是在这个内核上"加壳":需要更复杂的倾向得分估计(机器学习)、更复杂的识别公式(mRRT 需要额外的权重调整)、以及更复杂的诊断工具(重叠检验)。


三、这篇论文做了什么

三句话

① 研究了什么问题:在病例对照研究(包括经典病例对照、病例队列和检验阴性设计)中,如何利用倾向得分方法识别并估计因果风险比(mRR)和处理组中的因果风险比(mRRT),并开发相应的诊断工具。

② 核心工具/方法:基于控制组可交换性假设,将病例对照设计中的因果效应识别转化为标准 IPTW 问题;适配了两种现有估计量(IPTW 和基于效率影响函数的双稳健估计量);提出了一种新颖的两步倾向得分卡钳匹配程序;开发了两种新的重叠诊断工具。

③ 主要结论:在控制组可交换性假设下,相对效应(mRR 和 mRRT)在三种病例对照设计变体下均可识别;所提出的匹配估计量在模拟中表现良好,且对倾向得分模型误设有一定稳健性;诊断工具能有效检测重叠假设的违反;实际数据分析显示规律性阿司匹林使用与卵巢癌风险降低相关。

关键设定与假设

在第二节最小记号的基础上,本文的完整设定包括:

  • 数据生成:源人群 (C, A, Y(1), Y(0)),观测数据来自病例对照抽样。定义 S₁ = 1 当且仅当 Y = 1(所有病例均被纳入),S₀ = 1 以概率 P(S₀=1 | Y=0, C) 决定(对照的抽样概率可以依赖于 C,但不依赖于 A)。
  • 假设 1(控制组可交换性):S₀ ⊥ A | C。即对照的抽样概率不依赖于暴露状态,给定协变量。这是本文的核心假设,也是"对照组代表源人群"这一直觉的形式化。相比队列研究中的标准可忽略性假设(Y(a) ⊥ A | C),这是一个额外的、针对抽样过程的假设。
  • 假设 2(正性):0 < P(A=1|C) < 1 几乎必然成立。此外,对于 mRRT 的识别,还需要 0 < P(A=1|C) < 1 在处理组中成立(即每个处理个体都有非零概率被观察到未处理状态)。
  • 假设 3(一致性):Y = Y(A),即观测结局等于潜在结局。
  • 假设 4(无未测量混杂):Y(a) ⊥ A | C。这是标准假设,在病例对照设计中同样需要。

相比已有文献的放宽/强化: - 放宽:本文不要求已知抽样概率 q(Rose & van der Laan 2008 需要),也不要求罕见病假设(Månsson et al. 2007 需要)。控制组可交换性比罕见病假设更弱、更一般。 - 强化:本文要求控制组可交换性 S₀ ⊥ A | C,这是一个不可检验的假设(因为 A 的分布只在样本中可观测)。相比之下,队列研究中的可忽略性假设虽然也不可检验,但至少可以直接在数据中检查协变量平衡。

主要结果

理论结果:

  1. 命题 1(mRR 的识别):在控制组可交换性和正性假设下,ψ_mRR 可以通过 IPTW 公式识别,其中倾向得分用对照组数据估计。证明思路如第二节所述,关键在于常数 q 在比值中消去。

  2. 命题 2(mRRT 的识别):在控制组可交换性和弱正性假设(P(A=1|C) < 1 几乎必然)下,ψ_mRRT 可以通过加权公式识别,其中处理组个体的权重为 1,未处理组个体的权重为 π(C)/(1-π(C))。这一结果与标准 mRRT 识别公式一致,但关键区别在于倾向得分是用对照组数据估计的。

  3. 命题 3(双稳健估计量):所适配的双稳健估计量在倾向得分模型或结局回归模型之一正确指定时,仍保持一致估计。这是标准双稳健性质的推广,但证明的关键步骤在于处理病例对照抽样带来的权重扭曲。

模拟结果(核心量化结论):

  • 场景 (a)(部分重叠违反,mRRT 为目标):IPTW 表现良好,偏差 < 0.01,覆盖率 95.6%;匹配估计量对半径选择敏感,当 d₁ = d₂ = 0.01 时偏差 < 0.02,覆盖率 95.8%-98%;当半径过大(d₁ = d₂ = 0.05)时,偏差显著增大(> 0.09),覆盖率降至 82%。
  • 场景 (b)(完全重叠,mRR 为目标):IPTW 和双稳健估计量表现良好,偏差 < 0.01,覆盖率 93.6%-94.6%;逻辑回归表现较差,偏差 0.063,覆盖率 80.6%。
  • 场景 (c)(非线性处理模型):机器学习(Super Learner)显著改善性能,将 IPTW 偏差从 0.082 降至 0.047,覆盖率从 81.8% 提升至 89.6%。

实际数据应用(PROV AQ 研究):

  • 数据:498 例卵巢癌病例,908 例对照,来自加拿大魁北克省蒙特利尔。
  • 暴露:规律性阿司匹林使用(至少每周一片,持续至少六个月)。
  • 结果:所有 mRRT 估计值在 0.75-0.78 之间,提示阿司匹林使用与卵巢癌风险降低约 22-25% 相关;匹配估计量为 0.758(95% CI: 0.460-0.990),IPTW 为 0.753(95% CI: 0.474-1.007)。
  • 诊断工具显示:匹配后协变量平衡良好(SMD < 0.1),但部分协变量在病例-对照间仍存在一定不平衡。

证明路线与技术技巧

整体路线(以 mRR 识别为例):

  1. 从源人群到病例对照样本:首先建立源人群中的 IPTW 恒等式 E[Y(a)] = E[Y·I(A=a)/π(C)]。
  2. 引入抽样指示变量:利用 S = S₁ ∪ S₀,将源人群期望转化为病例对照样本期望,关键步骤是证明 E_CC[Y·I(A=a)/π(C)] = E[Y(a)]/q。
  3. 消去常数:在比值 ψ_mRR = ψ₁/ψ₀ 中,常数 q 消去,得到可估计的表达式。
  4. 估计:用对照组数据估计倾向得分 π̂(C),代入 IPTW 公式。

关键跳跃点:

  • 跳跃点 1:从 E[Y·I(A=a)/π(C)] 到 E_CC[Y·I(A=a)/π(C)] 的转换。这一步需要证明 E[Y·I(A=a)/π(C) | S=1] = E[Y·I(A=a)/π(C)] / P(S=1)。这依赖于 Y=1 ⇒ S=1 这一事实,以及 S₀ ⊥ A | C 假设。难点:如果对照抽样概率依赖于 C(即 P(S₀=1|Y=0,C) 不是常数),那么 E_CC 中的分布不是简单的加权,需要更细致的推导。

  • 跳跃点 2:mRRT 的识别。mRRT 的分子是 E[Y(1)|A=1],分母是 E[Y(0)|A=1]。分母的识别需要额外的弱正性假设(P(A=1|C) < 1),并且权重变为 π(C)/(1-π(C))。难点:当 π(C) 接近 1 时,权重趋于无穷,导致方差爆炸。本文通过匹配方法缓解了这一问题。

  • 跳跃点 3:匹配估计量的收敛性证明(附录 D)。证明的关键在于两步匹配的误差传播:第一步匹配的权重误差如何影响第二步匹配的估计。难点:匹配半径的选择直接影响偏差-方差权衡,本文通过模拟确定了最优半径范围。

技术技巧点名:

  • 效率影响函数(EIF):用于构造双稳健估计量。EIF 的形式为 ψ̂ = ψ₀ + (1/N)Σᵢ IFᵢ,其中 IFᵢ 是影响函数。本文的关键技巧是将 EIF 中的 nuisance 参数(倾向得分和结局回归)用交叉拟合估计,以获得 √n 一致性和渐近正态性。
  • 交叉拟合(Cross-fitting):将样本分成 K 折,每折用其余 K-1 折估计 nuisance 参数,避免过拟合导致的偏差。
  • 卡钳匹配(Caliper Matching):在倾向得分对数比(logit)尺度上定义距离,半径 ρ = d × σ,其中 σ 是 logit 倾向得分的标准差。两步匹配分别用于控制组内平衡和处理组-对照组间平衡。
  • 标准化均数差(SMD):用于评估匹配后的协变量平衡,SMD < 0.1 视为可接受。
  • Bootstrap:用于估计标准误和置信区间,对病例对照设计采用分层 bootstrap(在病例和对照中分别重抽样)。

🔎 结论是否比证明窄

是,存在几处:

  1. 匹配估计量的渐近分布未推导。文中仅证明了收敛性(附录 D),但未给出渐近正态性和标准误的解析表达式。文中使用 bootstrap 估计标准误,但未证明 bootstrap 的有效性。这是一个明显的"证明窄于结论"之处——文中声称匹配估计量"表现良好",但缺乏理论保证。

  2. 控制组可交换性的检验。文中提出了诊断工具来"验证"控制组可交换性,但该假设本质上是不可检验的(因为它涉及反事实分布)。文中实际检验的是"对照组中处理组和未处理组的协变量平衡",这是可检验的,但只是控制组可交换性的必要条件而非充分条件。文中未明确区分这一点。

  3. TND 设计的推广。文中声称方法适用于 TND,但附录 C 的推导依赖于 TND 特有的假设(如"寻求医疗保健的个体中,症状的出现与疫苗接种状态独立")。这些假设在文中未经验证,且与经典病例对照设计的假设不同。文中未讨论 TND 假设不满足时的后果。

  4. 实际数据应用中的因果解释。文中将估计值解释为"规律性阿司匹林使用对卵巢癌风险的因果效应",但未讨论未测量混杂的可能性(如 NSAID 使用的适应症混杂)。文中在讨论部分提到了这一局限,但未进行敏感性分析。


四、开放问题

以下开放问题均扎根于本文的具体语句:

  1. 匹配估计量的理论性质(扎根于附录 D 和模拟结果):文中证明了匹配估计量的收敛性,但未推导其渐近分布。一个自然的问题是:在什么条件下,两步卡钳匹配估计量是 √n 一致的?其渐近方差是否可以达到半参数效率界?这需要建立匹配估计量的高阶展开理论,可能涉及 U-统计量和经验过程理论——与您熟悉的高阶 U-统计量工具箱直接相关。

  2. 控制组可交换性的可检验性(扎根于第 2.3 节"诊断工具"):文中提出的诊断工具检验的是协变量平衡,但控制组可交换性本身不可检验。一个开放问题是:能否构造对控制组可交换性违反敏感的检验统计量?这类似于工具变量文献中的过度识别检验,但需要适应病例对照抽样的特殊结构。

  3. TND 假设的敏感性(扎根于附录 C):文中将方法推广到 TND,但 TND 的识别依赖于"寻求医疗保健的个体中,症状与疫苗接种状态独立"这一假设。一个开放问题是:当该假设违反时,估计量的偏倚有多大?能否构造对违反程度进行敏感性分析的方法?

  4. 双稳健估计量的方差膨胀问题(扎根于第 2.4.2 节和引用 [1]):文中提到双稳健估计量在 µ̂ₐ(C) ≈ 1 时方差膨胀。一个开放问题是:能否构造对 µₐ(C) 接近 1 稳健的估计量?这可能涉及截断(truncation)或稳定化权重(stabilized weights)的理论分析。

  5. 匹配设计下的估计(扎根于讨论部分"未来工作"):文中提到"将匹配设计纳入框架"作为未来工作。在匹配病例对照设计中,对照的选择依赖于病例的协变量,这破坏了控制组可交换性假设。一个开放问题是:在匹配设计中,如何调整倾向得分方法以恢复可识别性?


提示:要确认上述问题是否为真 gap,建议阅读该领域近期约 5 篇论文的引言部分——如果多篇论文都指向同一个问题(如"控制组可交换性的检验"),则说明这是共识性 gap;如果各论文对同一问题的处理方式互相矛盾,则说明这是机会点。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论