Estimands and estimation in trials with time trends¶
作者: Marta Bofill Roig, Ekkehard Glimm, Kelly Van Lancker, Martin Posch
主题: 因果推断
相关性: 7/10
链接: https://arxiv.org/abs/2609.39742
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平台试验(platform trials)中因果估计量的定义与估计。平台试验是一种多臂、多阶段的适应性临床试验设计,允许试验臂在不同时间点进入或退出,共享一个持续招募的对照组。其根本的统计问题是:当试验跨越较长的日历时间、且存在时间趋势(time trends,即患者特征、标准治疗、疾病流行病学随时间变化)时,如何精确定义"治疗效应"这一因果目标,并选择恰当的估计方法。该方向的成熟度处于中期发展阶段:估计方法(回归、G-computation、AIPW)本身是成熟的半参数工具,但估计量的目标(estimand)定义在平台试验情境下仍存在模糊性,尤其是"条件于日历时间的效应"与"边际效应"之间的张力。
发展脉络(history)¶
奠基工作:平台试验设计与非并发对照的引入。 Berry et al. (2015) [1] 和 Saville & Berry (2016) [2] 奠定了平台试验的基本架构——多臂共享对照、臂的进入与退出。Koenig et al. (2024) [10] 系统梳理了平台试验的十大关键问题,指出非并发对照(non-concurrent controls, NCC)的使用是核心争议点之一。这一阶段的文献主要关注设计层面的效率与灵活性,对估计量的目标定义着墨不多。
主要进展:非并发对照的统计方法。 Lee & Wason (2020) [11] 通过模拟研究了使用 NCC 的收益与风险,发现时间趋势存在时朴素合并 NCC 会导致 I 型错误膨胀。Bofill Roig et al. (2022) [8] 系统比较了多种模型化时间趋势的方法(线性、分段、阶梯函数),指出模型选择对偏差的影响。Krotka et al. (2024) [14] 提出了用样条和随机效应建模时间趋势的扩展。这一阶段的方法论共识是:必须对时间趋势建模,但"建模后估计的是什么效应"这一问题被搁置。
当前 frontier:估计量的形式化与因果推断框架。 两条并行的前沿线索在此交汇。第一条线索是因果推断框架下的识别与估计:Santacatterina et al. (2024) [19] 从潜在结果框架出发,系统讨论了使用 NCC 时所需的识别假设,指出"时间趋势可建模"(即给定日历时间的可交换性)是核心假设,并推荐以并发平均处理效应(concurrent ATE, cATE)作为稳健的估计目标。第二条线索是监管与 estimand 框架的对接:Van Lancker et al. (2024) [9] 和 Bannick et al. (2026) [17] 强调 ICH E9(R1) [24] 的 estimand 框架要求明确目标人群、处理条件、终点和汇总指标,而平台试验的时间维度使得"目标人群"的界定变得复杂。Qian et al. (2024) [18] 提出了"Entire Concurrently Eligible (ECE)"人群作为目标人群,试图统一不同试验臂的时间窗口。
本文的位置:本文站在上述两条线索的交汇点,系统性地完成了三项工作:① 形式化定义了平台试验中多种目标人群(ECE、ACA、LACC)对应的 estimand;② 建立了条件效应与边际效应在时间趋势下不一致的精确条件(命题 1);③ 对未调整、回归、G-computation、AIPW 四类估计量进行了偏差与方差的系统比较,并给出了何时使用非并发数据的明确建议。本文的独特贡献在于将 estimand 定义与估计量选择解耦,明确指出"估计量的无偏性必须相对于其声称估计的 estimand 来评估"。
子线索聚类¶
-
估计方法线:Tsiatis et al. (2008) [3](半参数效率理论奠基)、Van Lancker et al. (2024) [1](数据自适应协变量调整)、Robins et al. (1986, 1994) [21, 22](G-computation 与 AIPW 的起源)。这条线关注给定 estimand 后如何高效估计。
-
识别与因果假设线:Santacatterina et al. (2024) [19](NCC 的识别假设)、Guo et al. (2024) [16](倾向性评分加权处理时间漂移)、Marschner & Schou (2024) [15](区分随机化与非随机化信息)。这条线关注哪些 estimand 在何种假设下可识别。
-
监管与 estimand 框架线:ICH E9(R1) [24]、Van Lancker et al. (2024) [9]、Bannick et al. (2026) [17]。这条线关注如何将统计目标转化为监管可接受的科学问题。
-
设计效率线:Lee & Wason (2020) [11]、Kopp-Schneider et al. (2019) [13](外部信息借用的不可能性)、Sridhara et al. (2022) [4](监管视角下的 NCC 使用)。这条线关注数据使用范围与试验效率的权衡。
这个方向在追问的核心问题¶
-
当存在时间趋势时,条件于日历时间的处理效应与跨时间平均的边际效应何时不一致? 本文命题 1 给出了精确条件:当且仅当存在治疗-时期交互或治疗-协变量交互且协变量分布随时间变化时,二者不一致。
-
非并发对照数据应如何使用? 是仅用于提高协变量效应的估计精度(不进入处理效应估计),还是直接参与处理效应估计(需要更强的假设)?本文的模拟表明,在模型正确设定时 NCC 带来的方差缩减有限(约 10%),但模型误设时偏差风险显著。
-
如何选择目标人群? ECE、ACA、LACC 对应不同的科学问题:ECE 回答"如果所有符合条件的患者都被纳入试验,效应是多少",ACA 回答"实际被随机化的患者中的效应",LACC 回答"最近期患者中的效应"。本文指出,监管决策通常关注近期人群(LACC),而科学问题可能更关注 ECE。
-
非线性模型(如 logistic)下边际效应如何定义与估计? 本文第 7 节指出,在 logit 链接下,条件 log-odds ratio 与边际 log-odds ratio 的差异不仅来自非可压缩性(non-collapsibility),还来自时间趋势导致的边际人群构成变化。
⚠️ 作者的 framing(这是作者的说法)¶
作者将缺口 frame 为:"尽管已有大量文献讨论如何在平台试验中调整时间趋势,但对于'调整后估计的是什么效应'这一更基本的问题关注不足"(引言第 2 段)。作者进一步声称,现有方法(尤其是模型化时间趋势的回归方法)"隐含地估计了一个信息加权的混合效应,该效应既不等于任何明确的目标人群的效应,也不具有清晰的政策含义"(第 3 节)。作者将本文定位为"为平台试验中的 estimand 选择提供形式化框架",并强调"估计量的选择应服从于 estimand 的选择,而非相反"(讨论部分)。
被作者淡化或回避的竞争路线:① 贝叶斯动态借用方法(如 Bayesian Time Machine [7])——作者仅在引言中提及"贝叶斯方法也可用于此目的",但未将其纳入比较框架;② 基于设计的方法(如仅使用并发对照)——作者承认这是最稳健的选择,但认为其效率损失在长期试验中不可接受;③ 将时间视为工具变量的方法——作者完全未提及这一路线。
值得研究者去查的问题:为什么作者没有引用或讨论时间作为工具变量的识别策略?在存在未观测时间混杂的情况下,工具变量方法可能提供另一种识别路径。此外,作者对"目标人群"的定义完全基于日历时间,但未讨论基于患者特征的目标人群(如"符合某臂入组标准的所有患者")与基于日历时间的人群之间的差异。
张力¶
未见明显对立引用,但存在一个值得注意的张力:Santacatterina et al. (2024) [19] 强调"非并发对照的使用需要不可验证的假设",而本文的模拟表明在模型正确设定时 NCC 的收益虽小但确实存在。这两者并不矛盾,但反映了效率与稳健性之间的根本权衡——这正是本文第 8 节讨论的核心。另一个张力存在于 [11](Lee & Wason 发现 NCC 在时间趋势下导致 I 型错误膨胀)与 [8](Bofill Roig 等发现模型化时间趋势可以纠正偏差)之间,本文通过区分"估计量偏差"与"estimand 错配"为这一张力提供了新的解释视角。
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(按类别分组):
| 类别 | 符号 | 含义 |
|---|---|---|
| 指标 | \(a \in \{0, 1, 2\}\) | 处理组:0=对照,1=臂1,2=臂2 |
| \(s \in \{1, 2, 3\}\) | 日历时期(period) | |
| \(C_a\) | 臂 \(a\) 活跃的时期集合(如 \(C_1 = \{1,2\}\), \(C_2 = \{2,3\}\)) | |
| \(L_a\) | 臂 \(a\) 活跃的最后一个时期 | |
| \(U_a\) | 从试验开始到 \(L_a\) 的所有时期 | |
| 样本量 | \(N_s\) | 时期 \(s\) 的总入组人数(固定设计量) |
| \(n_{a,s}\) | 时期 \(s\) 分配到臂 \(a\) 的人数 | |
| \(m_{a,s} = n_{a,s} + n_{0,s}\) | 时期 \(s\) 中臂 \(a\) 或对照的入组人数 | |
| 变量 | \(Y\) | 结局(连续或二元) |
| \(X\) | 基线协变量向量 | |
| \(S\) | 日历时期(随机变量) | |
| \(A\) | 处理分配(随机变量) | |
| \(Y^{(a)}\) | 潜在结局(potential outcome) | |
| 参数/估计目标 | \(\Delta_{a,s}(x)\) | 条件时期特异性效应:\(E[Y^{(a)} - Y^{(0)} \mid S=s, X=x]\) |
| \(\Delta_{a,s}\) | 边际时期特异性效应:\(E[\Delta_{a,s}(X) \mid S=s]\) | |
| \(\Delta^{(P)}_a\) | 目标人群 \(P\) 上的边际效应(estimand) | |
| \(w^{(P)}_{a,s}\) | 目标人群 \(P\) 下时期 \(s\) 的权重 | |
| 模型参数 | \(\alpha_s\) | 时期效应(截距) |
| \(\theta_a\) | 处理主效应 | |
| \(\phi_{a,s}\) | 处理-时期交互 | |
| \(\beta\) | 协变量主效应 | |
| \(\kappa_s\) | 协变量-时期交互 | |
| \(\psi_a\) | 处理-协变量交互 | |
| \(\sigma^2_{a,s}\) | 时期 \(s\)、臂 \(a\) 的误差方差 |
数据生成机制(模型 14):
对于连续结局:
其中 \(X_i \mid S_i = s \sim F_s\)(时期特异性协变量分布)。
可观测数据:\(\{(Y_i, A_i, S_i, X_i)\}_{i=1}^{N}\),其中 \(N = \sum_s N_s\)。关键结构性特征: - 时期 \(s\) 内,\(A\) 与 \((Y^{(0)}, Y^{(1)}, Y^{(2)}, X)\) 条件独立(随机化); - 时期 \(s\) 内,\(X\) 与潜在结局独立(时期特异性协变量分布); - 时期之间,\(X\) 的分布 \(F_s\) 可以变化(时间趋势的来源之一); - 臂 \(a\) 在时期 \(s \notin C_a\) 时不可用,因此 \(P(A=a \mid S=s) = 0\)。
估计目标:给定目标人群 \(P\)(ECE、ACA 或 LACC),估计
其中权重 \(w^{(P)}_{a,s}\) 由目标人群定义决定: - ECE:\(w^{ECE}_{a,s} = N_s / \sum_{t \in C_a} N_t\)(按时期入组人数加权) - ACA:\(w^{ACA}_{a,s} = m_{a,s} / \sum_{t \in C_a} m_{a,t}\)(按实际随机化人数加权) - LACC:\(w^{LACC}_{a,s} = 1\) 若 \(s = L_a\),否则 0
第二步:最小内核¶
最小内核:考虑最简单的平台试验——两个时期(\(s=1,2\)),臂 1 仅在时期 1 活跃,臂 2 仅在时期 2 活跃,对照在两个时期都活跃。即 \(C_1 = \{1\}\), \(C_2 = \{2\}\)。此时:
- ECE 和 ACA 对臂 1 的估计目标相同(只有一个时期),但 ECE 的权重 \(w^{ECE}_{1,1} = N_1/N_1 = 1\),ACA 的权重 \(w^{ACA}_{1,1} = m_{1,1}/m_{1,1} = 1\),两者一致。
- 关键差异出现在臂 2:ECE 权重 \(w^{ECE}_{2,2} = N_2/N_2 = 1\),ACA 权重 \(w^{ACA}_{2,2} = m_{2,2}/m_{2,2} = 1\),也一致。
要让 ECE 和 ACA 真正不同,需要至少三个时期,且臂 1 在时期 1 和 2 都活跃,臂 2 在时期 2 和 3 都活跃。此时 \(C_1 = \{1,2\}\), \(C_2 = \{2,3\}\)。对于臂 1 的估计: - ECE 权重:\(w^{ECE}_{1,1} = N_1/(N_1+N_2)\), \(w^{ECE}_{1,2} = N_2/(N_1+N_2)\) - ACA 权重:\(w^{ACA}_{1,1} = m_{1,1}/(m_{1,1}+m_{1,2})\), \(w^{ACA}_{1,2} = m_{1,2}/(m_{1,1}+m_{1,2})\)
当 \(N_s \neq m_{1,s}\)(即时期 \(s\) 有臂 2 的患者入组)时,ECE 和 ACA 的权重不同,估计目标也不同。
核心数学问题:在模型 (14) 下,时期特异性边际效应为
当 \(\psi_a \neq 0\)(存在处理-协变量交互)且 \(E[X \mid S=s]\) 随 \(s\) 变化(协变量分布漂移)时,\(\Delta_{a,s}\) 随 \(s\) 变化。此时: - 条件效应(给定 \(S=s\))是常数 \(\theta_a + \phi_{a,s}\)(若 \(\phi_{a,s}\) 恒定则为 \(\theta_a\)); - 边际效应 \(\Delta^{(P)}_a\) 是时期特异性效应的加权平均,权重由目标人群决定。
本文的核心数学贡献(命题 1):ECE、ACA、LACC 三个 estimand 相等当且仅当 \(\Delta_{a,s}\) 在 \(s \in C_a\) 上恒定。在模型 (14) 下,这等价于 \(\phi_{a,s}\) 恒定且(\(\psi_a = 0\) 或 \(E[X \mid S=s]\) 恒定)。当此条件不满足时,三个 estimand 代表不同的科学问题,不能互换使用。
为什么这个内核是"最小"的:它剥离了所有一般性技术假设(协变量维度、非线性链接、多重比较、适应性设计),只保留平台试验的本质特征——臂在不同时期进入/退出、时间趋势存在、目标人群选择影响估计目标。理解了这一内核,论文第 4-7 节的所有内容都是它的"加壳":第 4 节引入具体估计量,第 5 节推导方差公式,第 6-7 节通过模拟验证有限样本表现。
三、这篇论文做了什么¶
三句话¶
- 研究了什么问题:在存在时间趋势的平台试验中,条件于日历时间的处理效应与跨时期边际处理效应何时不一致,以及不同目标人群(ECE、ACA、LACC)对应的 estimand 应如何定义和估计。
- 核心工具/方法:潜在结果框架下的 estimand 形式化定义;未调整估计量、线性回归、G-computation、AIPW 四种估计量的偏差与方差分析;解析方差公式推导(命题 2-4)与大规模蒙特卡洛模拟验证。
- 主要结论:① ECE、ACA、LACC 三个 estimand 在无处理-时期交互且无处理-协变量交互作用于漂移协变量分布时重合,否则不同;② 在模型正确设定时,G-computation 和 AIPW 对所有 estimand 均一致,但方差随目标人群和数据集选择而变化;③ 在模型误设时,AIPW 的倍差鲁棒性使其成为最稳健的选择,但方差估计在近阳性(near-positivity)时会膨胀;④ 非并发数据的使用应限于提高协变量效应估计精度,而非直接进入处理效应估计。
关键设定与假设¶
核心假设(第 2 节): - 一致性:\(Y_i = Y_i^{(A_i)}\); - 时期内的可交换性:\(A \perp \{Y^{(0)}, Y^{(1)}, Y^{(2)}, X\} \mid S\)(随机化保证); - 阳性性:\(P(A = a \mid S = s) > 0\) 且 \(P(A = 0 \mid S = s) > 0\) 对所有 \(s \in C_a\); - 无干扰(SUTVA 的一部分):一个患者的处理不影响其他患者的结局。
模型假设(第 5 节,用于解析结果): - 数据生成模型 (14):线性、可加、正态误差; - 条件同方差:\(\sigma^2_{a,s} = \sigma^2\)(命题 2-4 中简化假设); - 协变量分布 \(F_s\) 可以跨时期变化,但协变量效应 \(\beta, \kappa_s\) 是常数。
相比已有文献的放宽/强化: - 放宽:允许任意形式的时期特异性协变量分布 \(F_s\)([19] 假设 \(F_s\) 已知或可估计);允许处理-时期交互 \(\phi_{a,s}\) 存在([8] 假设无交互)。 - 强化:假设随机化概率已知(平台试验中确实如此);假设结局模型为线性(第 7 节放宽到 logistic)。
主要结果¶
命题 1(estimand 一致性条件):ECE、ACA、LACC 三个 estimand 相等当且仅当 \(\Delta_{a,s}\) 在 \(s \in C_a\) 上恒定。在模型 (14) 下,这等价于:
命题 2-4(方差比较):在模型 (14) 和条件 A、B(常数方差、常数分配比)下: - 未调整估计量的方差:\(\text{Var}(\hat{\Delta}^{unadj}_{a,s}) = \sigma^2(1/n_{a,s} + 1/n_{0,s})\) - G-computation 的方差:\(\text{Var}(\hat{\Delta}^{G}_{a,s}) = \sigma^2(1/n_{a,s} + 1/n_{0,s}) \cdot (1 - R^2_{X \mid S})\),其中 \(R^2_{X \mid S}\) 是协变量在时期 \(s\) 内解释的方差比例 - AIPW 的方差:\(\text{Var}(\hat{\Delta}^{AIPW}_{a,s}) = \text{Var}(\hat{\Delta}^{G}_{a,s}) + \text{额外项}\),额外项来自倾向性得分估计的不确定性
推论(效率排序):在模型正确设定时,G-computation 和 AIPW 的方差 ≤ 回归估计量的方差 ≤ 未调整估计量的方差。但 AIPW 的方差在倾向性得分接近 0 或 1 时会急剧膨胀(近阳性问题)。
第 7 节(二元结局):在 logistic 模型下,条件 log-odds ratio 与边际 log-odds ratio 的差异不仅来自非可压缩性,还来自时期特异性基线风险 \(\alpha_s\) 和协变量分布 \(F_s\) 的变化。作者证明,即使条件效应恒定(\(\phi_{a,s} = 0\)),边际 log-odds ratio 仍随时期变化,因此 ECE、ACA、LACC 在二元结局下几乎总是不一致。
模拟设置与结果¶
模拟设计:3 个时期,臂 1 在时期 1-2 活跃,臂 2 在时期 2-3 活跃,对照全程活跃。样本量 \(N_s = 100\)(时期 1、3),\(N_2 = 300\)。9 个场景覆盖:无交互、处理-时期交互、处理-协变量交互、协变量分布漂移、极端分配比等。
关键结果: 1. 偏差:在无交互场景(场景 1-5),所有估计量对所有 estimand 均近似无偏。在交互场景(场景 6-7),未调整估计量和回归估计量对 ECE/LACC 有显著偏差(相对偏差 10-25%),而 AIPW 对所有 estimand 均近似无偏。 2. 方差:G-computation 和 AIPW 的方差比未调整估计量低 15-40%(取决于协变量预测强度)。AIPW 在近阳性场景(场景 8)方差膨胀约 2-3 倍。 3. 方差估计:模型化方差估计在模型正确时校准良好(比率 0.95-1.05),但在交互场景中系统性高估(比率 1.2-1.5),与 [23] 的发现一致。
真实数据例子¶
本文为纯方法学论文,无真实数据应用。 所有结论基于解析推导和模拟验证。
🔎 结论是否比证明窄¶
是,存在三处"证明窄于结论"的情况:
-
命题 1 的充分性方向:命题 1 声称"ECE、ACA、LACC 相等当且仅当 \(\Delta_{a,s}\) 恒定",但证明仅覆盖了模型 (14) 下的线性可加情形。作者在脚注 3 中承认"对于非线性模型,充分性可能不成立",但正文结论的表述未加此限定。
-
方差比较的适用范围:命题 2-4 的方差公式在条件 A、B(常数方差、常数分配比)下推导,但模拟中场景 8-9 明确违反条件 B。作者在讨论中承认"方差比较在极端分配比下可能不成立",但未给出修正公式。
-
AIPV 的"总是无偏"声明:第 4.4 节声称 AIPW 对每个 estimand 均一致,但这一结论依赖于倾向性得分的正确设定。在场景 8 中,AIPW 的点估计确实无偏,但其方差膨胀严重,作者在讨论中承认"在近阳性下 AIPW 的置信区间覆盖可能不足",但未给出有限样本修正。
最值得注意的"窄结论":作者在第 5.6 节推导了 AIPW 的精确有限样本分布(高斯线性模型下),但这一结果仅适用于连续结局和线性模型。第 7 节的二元结局分析仅给出数值结果,没有解析证明。因此,论文的核心理论贡献(命题 1-4)严格限于线性可加模型,对非线性模型的结论主要依赖模拟。
四、开放问题¶
以下开放问题均扎根于论文的具体语句:
-
非线性模型下的 estimand 一致性条件(扎根于第 7 节末尾:"The conditions under which the concurrent estimands coincide in nonlinear models remain an open question")。作者仅通过数值例子展示了 logistic 模型下 ECE/ACA/LACC 的差异,但未给出类似命题 1 的解析条件。要确认这是否为真 gap,可查阅近期关于非可压缩性(non-collapsibility)的文献(如 Daniel et al. 2021 [5]),看是否已有针对平台试验的推广。
-
最优权重的解析刻画(扎根于第 5.5 节末尾:"The optimal choice of weights for combining period-specific estimates remains an open problem")。作者证明了 ACA 权重在常数分配比下是方差最优的,但未给出一般分配比下的最优权重。这与经典的效率理论(如 Tsiatis et al. 2008 [3] 的半参数效率界)直接相关——可尝试用半参数效率理论推导最优权重。
-
近阳性下的方差修正(扎根于第 6.1 节场景 8 讨论:"The variance estimator for AIPW under near-positivity requires further investigation")。作者观察到 AIPW 的方差在近阳性下膨胀,但未给出修正的方差估计量。这与 [23] 中关于 AIPW 方差估计的讨论直接相关——可尝试将倍差鲁棒方差估计推广到平台试验情境。
-
非并发数据的最优使用策略(扎根于第 8 节:"The question of how to optimally use non-concurrent data remains open")。作者建议非并发数据仅用于提高协变量效应估计精度,但未给出这一策略的最优性证明。这与 [19] 的 cATE 推荐直接相关——可尝试证明在何种条件下这一策略是 minimax 最优的。
-
适应性设计中 estimand 的时变性(扎根于第 8 节:"In adaptive designs, the estimand itself may change over time, which is not addressed in this work")。当试验设计因中期分析而改变时(如臂的提前终止),目标人群的定义可能需要动态调整。这与 [10] 中提到的适应性设计挑战直接相关——目前文献中缺乏对时变 estimand 的形式化处理。
确认 gap 的操作建议:要验证上述开放问题是否为真 gap,建议检索近 2-3 年(2023-2026)发表在 Biometrics、Statistics in Medicine、Clinical Trials 上的平台试验方法论论文,特别关注是否已有工作解决了非线性模型下的 estimand 一致性条件或近阳性下的方差修正问题。如果这些方向近期已有工作,则本文的开放问题已部分解决,需要重新定位研究切入点。
Maintained by 陈星宇 · Homepage · Source on GitHub