Policy evaluation and learning with partially identified utility under truncation by death¶
作者: Zi Huang, Zhichao Jiang
主题: 因果推断
相关性: 8/10
链接: https://arxiv.org/abs/2609.38783
一、领域脉络与小综述¶
这个方向是什么:本文属于因果推断中 principal stratification(主分层) 框架下的策略评估与学习问题。核心困难在于:当结局被"截尾死亡"(truncation by death)部分定义时,传统效用函数(如全体人群的平均结局)不再良定义,因为对死亡个体而言结局不存在。该子方向要回答的根本问题是:在结局对某些个体未定义、且目标量仅部分可识别的情况下,如何评估一个治疗策略的效用,并学习最优的治疗分配规则? 当前该方向的成熟度处于"识别理论已较完善、但策略学习(policy learning)刚起步"的阶段——已有大量工作处理 SACE(survivor average causal effect)的识别与估计,但将部分识别与策略学习结合、并显式处理生存率约束的工作非常少。
发展脉络(history):
- 奠基工作:Frangakis and Rubin (2002) 提出 principal stratification 框架,将人群按联合潜在生存状态分层(如 always-survivors, protected units, harmed units, never-survivors)。这是整个方向的语法基础。Zhang and Rubin (2003) 最早系统研究截尾死亡下的因果估计,指出 SACE 在无额外假设时不可识别。
- 识别理论的推进:Imai (2008) 在随机化实验中给出 SACE 的 sharp bounds;Ding et al. (2011) 进一步推广了界的结果;Zhang et al. (2008, 2009) 和 Frumento et al. (2012) 处理了部分识别下的估计与敏感性分析。Yang and Ding (2018) 系统梳理了截尾死亡问题中的可识别性条件。这些工作确立了"单调性 + 无混杂"下 SACE 只能被界定、不能被点识别的共识。
- 估计方法的发展:Tchetgen Tchetgen (2014) 引入半参数效率理论处理 SACE 的估计;Wang et al. (2017) 给出基于 principal score 的加权估计;Jiang et al. (2022) 提出 multiply robust 估计。这些工作为本文的 EIF-based 估计提供了直接工具。
- 策略学习的兴起:在一般(无截尾)情境下,Qian and Murphy (2011)、Zhao et al. (2012)、Athey and Wager (2021) 建立了策略学习的统计框架。在部分识别情境下,Stoye (2012) 提出 minimax regret 准则,Cui (2021)、Pu and Zhang (2021)、Kallus and Zhou (2021)、D'Adamo (2021)、Ben-Michael et al. (2024)、Han (2024) 将 minimax 方法推广到部分识别的效用函数。本文是这一支线在截尾死亡情境下的首次系统处理。
- 截尾死亡下的策略学习:Chu et al. (2023) 和 Park et al. (2025) 是最近的直接相关工作,但作者明确指出(引言):这些工作"rely on additional assumptions to point identify the survivor average utility",而本文"accommodates partial identification directly while incorporating survival rate constraints"。这是本文定位的关键——不试图点识别,而是在部分识别下做决策。
子线索聚类:
- 识别与界(Imai 2008; Ding et al. 2011; Yang and Ding 2018):在单调性 + 无混杂下推导 SACE 的 sharp bounds。本文的 Theorem 1 直接扩展了这些界到策略效用。
- 半参数效率估计(Tchetgen Tchetgen 2014; Wang et al. 2017; Jiang et al. 2022):构造 SACE 及相关量的有效估计量。本文的 Theorem 2-3 属于这一支线,但处理了非光滑的界函数。
- 部分识别下的决策理论(Stoye 2012; Cui 2021; Kallus and Zhou 2021; Ben-Michael et al. 2024):minimax regret 准则、约束优化、阈值策略。本文的 Theorem 4-6 是这一支线在截尾死亡下的具体化。
- 截尾死亡下的策略学习(Chu et al. 2023; Park et al. 2025):直接相关但依赖点识别假设。本文与它们的区别是核心卖点。
这个方向在追问的核心问题:
- 识别问题:在无额外假设时,SACE 的 sharp bounds 是什么?哪些假设(单调性、无混杂、principal ignorability)能收紧或点识别?
- 估计问题:如何构造界和策略效用的半参数有效估计量?如何处理非光滑的 max/min 算子带来的偏差?
- 决策问题:当效用仅部分可识别时,如何定义"最优"策略?minimax regret 是否是最合适的准则?如何加入生存率等约束?
- 推断问题:如何为估计的策略提供不确定性量化(置信区间、遗憾界)?
⚠️ 作者的 framing(这是作者的说法):作者在引言中把缺口 frame 成——"现有截尾死亡下的策略学习方法(Chu et al. 2023; Park et al. 2025)依赖额外假设来点识别 SACE,而本文直接容纳部分识别,并同时处理生存率约束"。这是一个"显然的下一步"叙事:识别理论已成熟(Imai 2008 等),策略学习在一般情境已成熟(Kallus and Zhou 2021 等),本文是两者的自然交叉。被淡化或回避的竞争路线包括:(a) 放弃单调性假设、用更弱的假设做敏感性分析(Yang and Ding 2018 的路线);(b) 不采用 minimax 准则,而是用贝叶斯或平均效用准则(Cui 2021 讨论过但未深入);(c) 将截尾死亡视为缺失数据问题、用 MNAR 模型处理(本文完全未提及)。什么明显该被引 / 该存在、却没出现在 intro 里:作者引用了 Levis et al. (2024, 2025) 处理非光滑泛函的估计技巧,但没有引用 Levis et al. (2023) 关于截尾死亡下界估计的早期工作;也没有引用 Semenova (2025) 的 generalized Lee bounds——尽管在讨论连续结局扩展时这几乎是必引文献。这是一个值得去查的线索。
张力:未见明显对立引用。但有一个微妙的张力值得注意:Imai (2008) 的 sharp bounds 是在随机化实验中推导的,而本文的 Theorem 1 在观察性研究(无混杂 + 单调性)下声称"sharp",这依赖于倾向 score 的正确估计。Wang et al. (2017) 曾指出 principal score 方法在单调性附近可能不稳定,本文的 margin condition(Assumption 3)正是对这一问题的回应,但作者没有明确讨论这一联系。
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¶
符号清单(逐个点名):
| 记号 | 含义 | 类型 |
|---|---|---|
| \(Z \in \{0,1\}\) | 二值处理 | 随机变量(observed) |
| \(S \in \{0,1\}\) | 生存指示(1=存活) | 随机变量(observed) |
| \(Y \in \{0,1\}\) | 二值结局(仅在 S=1 时定义) | 随机变量(observed,条件定义) |
| \(X \in \mathcal{X}\) | 预处理协变量 | 随机变量(observed) |
| \(S(z), Y(z)\) | 潜在生存/结局状态 | 潜在量(counterfactual) |
| \(U = (S(1), S(0))\) | principal stratum,取值 \(\{11,10,01,00\}\) | 潜在量(不可观测) |
| \(\pi: \mathcal{X} \to [0,1]\) | 治疗策略(随机化规则) | 决策对象(estimand 的一部分) |
| \(V(\pi)\) | 幸存者平均效用:\(E\{Y(\pi(X)) \mid U=11\}\) | 目标 estimand(部分可识别) |
| \(B(\pi)\) | 亚组生存率:\(E\{S(\pi(X)) \mid U=10\}\) | 目标 estimand(点可识别) |
| \(e(X) = P(Z=1 \mid X)\) | 倾向 score | nuisance |
| \(p_z(X) = P(S=1 \mid Z=z, X)\) | 条件生存率 | nuisance |
| \(\mu_z(X) = E(Y \mid S=1, Z=z, X)\) | 条件结局均值 | nuisance |
| \(L_{11}(X), U_{11}(X)\) | \(m_{11}(X)\) 的 sharp 下/上界 | 由 nuisance 决定的函数 |
| \(\rho_L(X), \rho_U(X)\) | 优先级分数(priority scores) | 由 nuisance 决定的函数 |
| \(\eta_S\) | 阈值(threshold) | 由约束决定的标量 |
| \(\varpi\) | 基准策略(benchmark policy) | 给定 |
模型(数据生成机制):
- 无混杂(Unconfoundedness, Assumption 1):\(Z \perp\!\!\!\perp \{S(1), S(0), Y(1), Y(0)\} \mid X\)。即给定协变量 \(X\),处理分配独立于所有潜在结果。这是观察性研究中识别因果量的标准假设,等价于"没有未观测混杂"。
- 单调性(Monotonicity, Assumption 2):\(S_i(1) \ge S_i(0)\)。即处理不会导致任何人从"存活"变为"死亡"。这排除了 harmed units(\(U=01\)),使得 stratum 结构简化为三种:always-survivors (11)、protected (10)、never-survivors (00)。
- 稳定单元处理值假设(SUTVA):文中未显式列出,但隐含在潜在结果记号中——无干扰、无隐藏处理变体。
- 重叠(Overlap):文中未显式列出,但估计部分需要 \(0 < e(X) < 1\) 且 \(0 < p_z(X) < 1\)。
可观测数据:\((X_i, Z_i, S_i, Y_i)_{i=1}^n\),i.i.d. 样本。注意 \(Y_i\) 仅在 \(S_i=1\) 时被观测到;当 \(S_i=0\) 时 \(Y_i\) 未定义(不是缺失,而是不存在)。
关键识别困境:在 always-survivors 中,处理组的观测结局 \(E(Y \mid Z=1, S=1, X)\) 是 \(m_{11}(X)\) 和 \(m_{10}(X)\)(protected 的潜在结局)的混合:
第二步:最小内核¶
最简特例:二值处理 \(Z\)、二值生存 \(S\)、二值结局 \(Y\)、无协变量(\(X\) 为常数)、单调性成立。此时所有 nuisance 都是常数:\(p_z = P(S=1 \mid Z=z)\),\(\mu_z = E(Y \mid S=1, Z=z)\)。
要理解的核心命题(Theorem 1 的特例):
-
亚组生存率 \(B(\pi)\) 点识别:
\[B(\pi) = \frac{p_1 - p_0}{p_1 - p_0} \pi = \pi.\](在无协变量情形,\(B(\pi) = \pi\),即 protected 的生存率就是策略的 treatment probability。平凡但直观。) -
幸存者平均效用 \(V(\pi)\) 的 sharp bounds:
\[L(\pi) = \frac{1}{p_0} \left[ \pi \{ p_1 \mu_1 - p_1 + p_0 \}_+ + (1-\pi) p_0 \mu_0 \right],\]\[U(\pi) = \frac{1}{p_0} \left[ \pi \min\{ p_1 \mu_1, p_0 \} + (1-\pi) p_0 \mu_0 \right].\](这里 \(\{x\}_+ = \max(x,0)\),且利用了 \(Y\) 二值、\(m_{10} \in [0,1]\) 的约束。)
为什么这个特例是"最小内核":它剥离了所有协变量依赖、光滑性假设和估计技巧,只剩下一个纯粹的概念困难——混合分布的可识别性。在无协变量时,观测数据只给出四个数:\((p_0, p_1, \mu_0, \mu_1)\),而要估计的是 \(m_{11}\)(一个数)。一个数被四个数界定,但无法点识别。这个"一个方程、两个未知数"的结构(\(p_1 \mu_1 = p_0 m_{11} + (p_1-p_0) m_{10}\))就是整篇论文的数学内核。
证明怎么走(在特例下): - 下界:将 \(m_{10}\) 取最小值 0,得到 \(m_{11} \ge (p_1 \mu_1 - p_1 + p_0)/p_0\);再与 0 取 max(因为 \(m_{11} \ge 0\))。 - 上界:将 \(m_{10}\) 取最大值 1,得到 \(m_{11} \le p_1 \mu_1 / p_0\);再与 1 取 min(因为 \(m_{11} \le 1\))。 - Sharpness:对任意介于界之间的值,都能构造一个与观测数据相容的 \(m_{10} \in [0,1]\) 实现它。
为什么需要 minimax regret:因为 \(V(\pi)\) 不是点识别的,所以"最大化 \(V(\pi)\)"没有定义。minimax regret 的思路是:对每个策略 \(\pi\),计算它相对于基准策略 \(\varpi\) 的最坏情况遗憾(worst-case regret),然后选择最小化这个遗憾的策略。在特例下,遗憾函数是:
这个特例揭示的核心困难:即使是最简单的情形,策略学习也不是"估计效用然后优化",而是"在部分识别下做稳健决策"。这需要同时处理三个层次的误差:(i) 界本身的估计误差(nuisance 估计);(ii) 阈值估计的误差;(iii) 约束(生存率不低于基准)带来的可行性误差。本文的 Theorem 5-6 分别处理了后两者。
三、这篇论文做了什么¶
三句话¶
- 研究了什么问题:在截尾死亡(truncation by death)情境下,当幸存者平均效用仅部分可识别时,如何评估治疗策略的效用(通过 sharp bounds),并学习满足生存率约束的最优治疗策略(通过 minimax regret 准则)。
- 核心方法:将策略效用分解为"点识别的亚组生存率"和"部分识别的幸存者平均效用"两个部分;为后者构造 sharp bounds;基于 bounds 定义 worst-case regret,将策略学习转化为一个带线性约束的 piecewise linear 优化问题,并证明最优策略具有基于两个优先级分数的阈值表示。
- 主要结论:① 亚组生存率 \(B(\pi)\) 可点识别,幸存者平均效用 \(V(\pi)\) 的 sharp bounds 由 Theorem 1 给出;② 基于 EIF 的混合估计量对 bounds 的估计是 \(\sqrt{n}\)-渐近正态的(Theorem 3),且对 nuisance 估计误差有二阶稳健性(Theorem 2);③ 最优策略 \(\pi^*\) 具有阈值形式(Theorem 4),估计的策略满足渐近可行性(Theorem 5)和遗憾界(Theorem 6)。
关键设定与假设¶
设定:二值处理 \(Z\)、二值生存 \(S\)、二值结局 \(Y\)、预处理协变量 \(X\)。策略 \(\pi(X) \in [0,1]\) 是随机化规则。基准策略 \(\varpi\) 给定(如"一律治疗"或"一律不治疗")。目标:在约束 \(B(\pi) \ge B(\varpi)\) 下最小化 worst-case regret \(R_{\sup}(\pi, \varpi)\)。
假设清单(逐条说明统计含义):
- Assumption 1(无混杂):\(Z \perp\!\!\!\perp \{S(1), S(0), Y(1), Y(0)\} \mid X\)。含义:处理分配在给定协变量后是随机的。这是观察性研究中因果推断的基准假设,等价于倾向 score 充分性。相比随机化实验,这是不可检验的强假设。
- Assumption 2(单调性):\(S_i(1) \ge S_i(0)\)。含义:处理不会杀死任何人。这排除了 harmed units,使得 protected 的生存率 \(B(\pi)\) 可识别。相比现有文献(如 Chu et al. 2023),本文没有额外假设 principal ignorability 或工具变量,这是放宽。
- Assumption 3(margin condition):\(P(|p_1(X)\mu_1(X) - p_1(X) + p_0(X)| \le t) \le Ct^\alpha\)。含义:界函数在阈值附近的质量不能太集中。这是处理非光滑指示函数的标准条件(类似 Tsybakov 条件),控制估计策略的误差传播。\(\alpha\) 越大,条件越强,但遗憾界越好。
- Assumption 4(nuisance 收敛速率):\(\|\hat{\lambda}_z - \lambda_z\|_2 \|\hat{p}_z - p_z\|_2 = o_P(n^{-1/2})\) 等。含义:nuisance 估计的乘积误差要足够小。这是 EIF-based 估计达到 \(\sqrt{n}\) 速率的标准条件,比逐项 \(\sqrt{n}\) 一致更弱(允许非参数收敛速率)。
- Assumption 5(阈值正则性):\(Q(\eta)\) 在 \(\eta_E\) 附近可微且导数非零。含义:约束函数在阈值处不是平的,保证阈值估计的渐近正态性。
- Assumption 6(margin condition for priority scores):与 Assumption 3 平行,控制优先级分数在阈值附近的质量。
相比现有文献的放宽/强化: - 放宽:不要求 principal ignorability、不要求工具变量、不要求点识别 SACE。 - 强化:需要单调性(Assumption 2)和 margin conditions(Assumptions 3, 6)。这些在现有策略学习文献中常见,但在截尾死亡文献中是新引入的。
主要结果¶
Theorem 1(识别): - (a) \(B(\pi) = E\left[\frac{p_1(X)-p_0(X)}{p_1-p_0}\pi(X)\right]\),点识别。 - (b) \(V(\pi)\) 的 sharp bounds:
Theorem 2(估计误差分解):给出了 \(\hat{N}(\pi) - N(\pi)\) 的渐近偏差公式,将误差分解为 EIF 平均、nuisance 估计误差的乘积项、以及非光滑指示函数的边界项。关键结果是边界项由 margin condition(Assumption 3)控制为 \(o_P(n^{-1/2})\)。
Theorem 3(渐近正态性):在 Assumptions 1-4 下,
Theorem 4(最优策略的阈值表示):最优策略 \(\pi^*\) 具有以下形式:
Theorem 5(可行性保证):\(B(\hat{\pi}^*) - B(\varpi) = o_P(1)\),即估计的策略渐近满足生存率约束。证明依赖于 \(\hat{\eta}_S\) 的相合性和 margin condition。
Theorem 6(遗憾界):
证明路线与技术技巧¶
整体路线: 1. 识别:用单调性消去 harmed units,将 \(V(\pi)\) 分解为可识别部分(对照组 always-survivors 的结局)和不可识别部分(protected 的结局),然后用 \(m_{10} \in [0,1]\) 的约束取极值得到 sharp bounds。 2. 估计:对 bounds 中的每个分量(\(p_z(X)\), \(\mu_z(X)\))构造 EIF,然后用交叉拟合(cross-fitting)估计 nuisance,最后代入 bounds 公式。非光滑的 max/min 算子通过 margin condition 控制。 3. 策略学习:将 minimax 问题转化为一个带线性约束的优化问题,利用 piecewise linear 结构推导阈值表示。约束通过拉格朗日乘子 \(\eta_S\) 处理,\(\eta_S\) 的估计通过求解经验版本的约束方程得到。 4. 理论保证:可行性(Theorem 5)通过 \(\hat{\eta}_S\) 的相合性和约束函数的连续性证明;遗憾界(Theorem 6)通过 margin condition 和 EIF 的渐近展开证明。
关键引理/技巧: - Lemma S1(EIF 的显式形式):给出了 \(\psi_{p_z\mu_z}\) 和 \(\psi_{p_z}\) 的显式表达式,这是 EIF 方法的核心。 - Lemma S4(指示函数的误差控制):\(|1(a>0) - 1(b>0)| \le 1(\max\{|a|,|b|\} \le |a-b|)\)。这个简单的不等式是处理非光滑算子的关键工具。 - Lemma S5(均匀收敛):证明了 \(\hat{Q}(\eta)\) 在 \(\eta\) 的紧邻域上一致收敛到 \(Q(\eta)\),这是阈值估计相合性的基础。 - Lemma S7(误差传播引理):如果 \(|X_n| \le a + \epsilon + Z_n^{(\epsilon)}\) 且 \(Z_n^{(\epsilon)} = o_P(1)\),则 \(X_n = O_P(1)\)。这个引理用于处理多个误差项的累积。 - Lemma S15(边界事件控制):将优先级分数的估计误差转化为边界事件的概率,再通过 margin condition 控制。
技术技巧: - 交叉拟合(cross-fitting):避免 Donsker 条件,允许 nuisance 估计使用灵活的机器学习方法。 - margin condition:这是处理非光滑泛函的标准技巧,但本文将其推广到策略学习场景,并引入了两个平行的 margin conditions(Assumptions 3 和 6)。 - 拉格朗日对偶:将带约束的 minimax 问题转化为无约束问题,\(\eta_S\) 作为对偶变量。 - piecewise linear 分析:利用目标函数的分段线性结构,将无限维优化问题简化为有限维阈值搜索。
真实例子与应用¶
模拟研究(Section 5): - 数据生成:\(X \in \mathbb{R}^3\),\(X_1 \sim U(-1,1)\),\(X_2 \sim \text{Bernoulli}(0.5)\),\(X_3 \sim N(0,1)\)。stratum 分配用 ordered logistic 模型,保证单调性。 - 评估指标:bounds 估计的 MAE 和 RMSE,策略的误分类率、约束违反程度、worst-case regret。 - 结果:随着 \(n\) 从 500 增至 5000,MAE/RMSE 持续下降;logistic 回归在较小样本下优于 GAM,但差异随 \(n\) 增大而缩小;在约束紧致的情形下,估计策略的约束违反率趋近于零。
真实数据应用(Section 6): - 数据:MIMIC-III v1.4,1429 名严重脓毒症患者(基线 SOFA > 10),其中 861 人接受机械通气(\(Z=1\))。 - 结局:\(Y=1\) 表示 48 小时 SOFA 评分较基线未恶化或改善;\(S=1\) 表示存活至 48 小时且有 SOFA 记录。 - 协变量:年龄、基线 SOFA、GCS、肌酐、PaO2/FiO2 比值。 - 结果:估计的最优策略在基准策略 \(\varpi(x)=e(x)\)(观察性治疗策略)下,将治疗集中在少数高优先级患者上;worst-case regret 为负,说明学习策略优于基准。当基准策略为 \(\varpi(x)=1\)(一律治疗)时,约束变得紧致,策略需要将部分患者从治疗改为不治疗以满足生存率约束。
例子想说明什么:① 方法在中等样本(\(n \approx 1500\))下即可稳定运行;② 在临床场景中,minimax regret 准则倾向于保守策略(只对优先级最高的患者治疗),这与临床直觉一致;③ 约束的存在显著改变策略形态,说明忽略生存率约束会导致不可行的策略。
🔎 结论是否比证明窄¶
严格证明 vs 泛泛声称: - Theorem 1 的 sharpness 证明是完整的(见 Supplementary Material S2.1),但仅针对二值结局。作者在引言中声称方法适用于"general outcomes",但 Theorem 1 的证明强烈依赖二值性(\(m_{10} \in [0,1]\))。对于连续结局,bounds 的形式需要推广到 Lee bounds(Semenova 2025),本文没有处理。这是一个明确的"证明窄于声称"的点。 - Theorem 2 的误差分解假设 nuisance 估计使用独立样本(条件 (a))。在交叉拟合中,这可以通过样本分割实现,但作者没有讨论分割比例的选择或自适应分割。这是实现细节上的窄。 - Theorem 3 的渐近正态性要求 Assumption 4(c) 的 margin condition 对所有 \(\eta\) 一致成立。这在紧致参数空间上合理,但作者没有给出验证该条件的可操作方法。这是可检验性上的窄。 - Theorem 4 的阈值表示假设 \(p_1(X) - p_0(X) > 0\) 对所有 \(X\) 成立。作者在脚注中提到"without this condition, the optimal policy may involve randomization",但没有给出反例或详细讨论。这是一个被回避的边界情形。 - Theorem 5 的可行性保证是渐近的(\(o_P(1)\)),没有给出有限样本的可行性概率界。对于实际应用,这意味着一部分样本中约束可能被违反。 - Theorem 6 的遗憾界依赖于 \(\|\hat{\rho}_L - \rho_L\|_\infty\) 和 \(\|\hat{\rho}_U - \rho_U\|_\infty\) 的收敛速率,但作者没有给出这些速率的具体条件(如 nuisance 估计的 \(L_\infty\) 收敛速率)。这使得遗憾界的实用性受限。
泛泛声称的例子: - 引言声称"our framework accommodates partial identification directly",但 Theorem 4 的推导实际上假设了 \(\eta_S\) 是已知的(或可一致估计的)。对于 \(\eta_S\) 的估计误差对策略的影响,作者只在 Theorem 5 中给出了可行性保证,没有给出遗憾界的完整刻画。 - 引言声称"unlike existing methods...we do not rely on principal ignorability",这是对的,但代价是只能得到 bounds 而非点估计。这个 trade-off 在引言中没有明确讨论。 - 摘要声称"the optimal policy admits a threshold representation based on two priority scores",但 Theorem 4 的证明(见 S2.8)实际上只证明了存在性,没有讨论如何计算 \(\eta_S\)(需要求解一个一维方程,但该方程可能没有解析解)。
总体判断:这篇论文的核心贡献是概念性的——将部分识别与带约束的策略学习结合,并给出最优策略的显式形式。证明的技术深度集中在 Theorem 2-3 的 EIF 分析,这部分是扎实的。但策略学习部分的证明(Theorem 4-6)相对薄弱,依赖较强的正则性条件,且没有处理有限样本的约束违反问题。对于研究者来说,最有价值的切入点是 Theorem 4 的边界情形(\(p_1(X) = p_0(X)\) 时的最优策略)和 Theorem 6 的有限样本遗憾界。
四、开放问题¶
-
连续结局的推广:Theorem 1 的 sharp bounds 仅对二值结局成立。对于连续结局,需要推广到 Lee (2009) 和 Semenova (2025) 的 generalized Lee bounds。扎根点:引言中"extend our framework to continuous outcomes would likely connect to Lee bounds and their generalizations"(Section 7 第一段)。要确认这是否为真 gap,去读 Semenova (2025) 的引言,看它是否已处理策略学习场景。
-
单调性假设的放松:本文依赖单调性(Assumption 2)来排除 harmed units。如果单调性不成立,stratum 结构变为四种,bounds 会变宽,策略学习问题会变得更复杂。扎根点:Section 7 提到"future work could develop sensitivity analysis to assess the robustness of policy evaluation and learning results to departures from monotonicity"。要确认这是否为真 gap,去读 Yang and Ding (2018) 看他们是否已处理无单调性下的 SACE 界。
-
\(\eta_S\) 的推断:Theorem 4 中的阈值 \(\eta_S\) 是拉格朗日乘子,其估计误差对策略的影响没有被完整刻画。扎根点:Theorem 5 只给出了可行性保证(\(B(\hat{\pi}^*) - B(\varpi) = o_P(1)\)),没有给出 \(\hat{\eta}_S\) 的渐近分布。要确认这是否为真 gap,去读 Kallus and Zhou (2021) 看他们是否已处理约束策略学习的推断问题。
-
有限样本遗憾界:Theorem 6 的遗憾界是渐近的,且依赖 \(L_\infty\) 收敛速率。扎根点:Theorem 6 的陈述中"\(O_P(n^{-1/2} + \|\hat{\rho}_L - \rho_L\|_\infty^{1+\beta} + \|\hat{\rho}_U - \rho_U\|_\infty^{1+\beta})\)"没有给出 \(\|\hat{\rho} - \rho\|_\infty\) 的具体速率条件。要确认这是否为真 gap,去读 Athey and Wager (2021) 看他们是否已建立有限样本遗憾界。
-
动态策略的扩展:本文只考虑单步决策。在重症监护等场景中,治疗决策是序贯的。扎根点:引言提到"dynamic treatment regimes"但未展开(Section 7 最后一段)。要确认这是否为真 gap,去读 Han (2024) 看他们是否已处理动态场景下的部分识别策略学习。
-
多个约束的权衡:本文只考虑一个生存率约束。实际中可能需要同时满足多个约束(如生存率不低于基准、成本不高于预算)。扎根点:Theorem 4 的推导只处理了单个线性约束,多个约束会导致更复杂的 piecewise linear 结构。要确认这是否为真 gap,去读 Qiu et al. (2022) 看他们是否已处理多约束策略学习。
提醒:要确认上述任何一条是否真为 gap,去读同子领域近期约 5 篇论文的引言——如果多篇都指向同一个问题,那是共识(真 gap);如果互相打架,那是机会。特别值得关注的是 Levis et al. (2024, 2025) 和 Semenova (2025) 的最新工作,它们与本文的技术路线最接近。
Maintained by 陈星宇 · Homepage · Source on GitHub