跳转至

Sharp Partial Identification for Survival Model Comparison Without Target Outcomes

作者: Won Gi Choi, Sun-Ho Kim, Min Soo Kim
主题: 因果推断
相关性: 7/10
链接: https://arxiv.org/abs/2610.09658


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"部分识别(partial identification)"与"迁移学习(transportability)"的交叉地带。其根本科学问题是:当目标人群(target population)的结局尚未观测到时,如何比较两个已锁定的预测模型(locked prediction models)在目标人群中的预测性能?由于目标结局完全缺失,且不假设条件可迁移性(conditional transportability),目标性能指标(如 Brier 风险)无法点识别,只能退而求其次,在给定的敏感性模型(sensitivity model)下刻画其识别集(identified set)。该子方向的成熟度处于"方法论框架已建立、但针对特定损失函数(如 Brier 风险)的对比型识别集尚属空白"的阶段。

  • 发展脉络(history):

  • 奠基工作:Brier (1950) 提出 Brier 评分作为概率预测的损失函数;Graf et al. (1999) 将其推广至右删失生存数据,提出基于逆概率删失加权的 Brier 评分估计量。这两篇奠定了"用 Brier 风险衡量生存模型预测性能"的度量基础。
  • 主要进展:Steingrimsson et al. (2023, 2024) 是本文最直接的先驱。Steingrimsson (2023) 建立了"将预测模型迁移到新人群"的估计框架,但假设条件可迁移性(即目标人群的结局条件分布与源人群相同);Steingrimsson et al. (2024) 进一步提出基于指数倾斜(exponential tilt)的敏感性分析框架,允许目标-源人群之间的结局分布存在参数化的偏移,但该框架针对的是单一模型的性能,而非两个模型的对比。Qiu et al. (2024) 则从高效估计角度处理了分布偏移下的风险估计,但同样未聚焦于对比型目标量。
  • 当前 frontier:部分识别与敏感性分析的结合(如 Dorn et al. 2025 的 doubly-valid/doubly-sharp 敏感性分析;Asiaee et al. 2026 的结局分布偏移下的处理效应泛化),以及"无标签目标数据"下的模型评估(如 Maia Polo et al. 2024 的弱监督部分识别)。这些工作都处理"目标结局缺失"的困境,但要么针对处理效应,要么针对单一模型性能。
  • 本文的位置:作者明确指出,Steingrimsson et al. (2024) 的敏感性框架"可以应用于损失函数之差,但这样做会丢失两个风险共享同一目标结局分布这一结构信息"(见 Section 2.4)。本文的贡献正是在于:针对 Brier 风险对比这一特定目标量,利用两个风险共享同一未知目标结局分布的结构,推导出比"分别识别再相减"更紧的尖锐识别集。

  • 子线索聚类:

  • 预测模型的迁移与外部验证(Altman & Royston 2000; Royston & Altman 2013; Steingrimsson 2023):关注模型在新人群中的性能估计,通常假设某种形式的可迁移性。
  • 部分识别与敏感性分析(Manski 2003; Imbens & Manski 2004; Stoye 2009; Dorn et al. 2025; Asiaee et al. 2026):在识别假设不成立时,刻画目标量的识别集,并构造置信区间。
  • 删失数据下的预测性能评估(Graf et al. 1999; Gerds & Schumacher 2006; Steingrimsson et al. 2024):处理右删失对 Brier 评分估计的影响,发展 IPCW 类估计量。
  • 无标签/弱监督下的模型评估(Maia Polo et al. 2024):在目标数据无标签时,利用部分识别界定模型性能。

  • 这个方向在追问的核心问题:

  • 当目标结局完全缺失时,两个模型的性能对比能否被识别?若不能,识别集的边界是什么?
  • 敏感性参数(如本文的 γ)如何解释?其取值如何由外部证据或专家判断校准?
  • 如何将识别集的不确定性与抽样不确定性分离并联合量化?
  • 在右删失数据下,IPCW 加权引入的额外不确定性如何影响识别集的推断? 已知瓶颈:识别集宽度可能过大而失去决策价值;敏感性参数 γ 的校准缺乏客观标准;小样本、高删失率下 bootstrap 覆盖率的有限样本偏差。

  • ⚠️ 作者的 framing(这是作者的说法):作者将缺口 frame 为"现有敏感性分析框架(Steingrimsson et al. 2024)虽可应用于损失差,但未利用共享结局分布的结构,导致识别集非最紧"。因此本文的"显然下一步"是:针对 Brier 风险对比,推导保持共享结局分布的尖锐识别集。被淡化的竞争路线包括:(a) 直接假设条件可迁移性(Steingrimsson 2023),作者认为这过于强且无法从数据验证;(b) 使用更复杂的分布偏移模型(如非参数偏移),作者选择有界 log-odds 偏移作为"可解释且可校准"的折中。值得研究者去查的问题:本文的 intro 未引用 Maia Polo et al. (2024) 的弱监督部分识别框架——该框架同样处理"无标签目标数据"下的模型评估,且同样使用部分识别,但针对的是分类准确率而非 Brier 风险。两者是否存在可统一的理论?此外,Dorn et al. (2025) 的 doubly-sharp 敏感性分析是否可推广到本文的对比型目标量?

  • 张力:未见明显对立引用。但存在一个微妙的张力:Steingrimsson et al. (2024) 的指数倾斜模型允许偏移随协变量变化(即 γ(x) 是 x 的函数),而本文的 bounded log-odds 偏移模型要求 |γ(x)| ≤ γ 但允许 γ(x) 随 x 变化。两者在"偏移的异质性"上立场一致,但在"偏移的度量尺度"上不同(指数倾斜 vs. log-odds 有界偏移)。本文的 log-odds 选择更贴近二值结局的自然参数化,但可能不如指数倾斜灵活。

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:
  • \(T^*\):生存时间(事件时间),随机变量。
  • \(C\):删失时间,随机变量。
  • \(T = \min(T^*, C)\):观测到的随访时间。
  • \(\Delta = \mathbb{1}\{T^* \le C\}\):事件指示符。
  • \(X\):协变量向量(如临床变量、影像特征)。
  • \(S\):人群指示符,\(S=0\) 表示源人群(source),\(S=1\) 表示目标人群(target)。
  • \(\tau\):预设的预测时间水平(如 2 年 = 730 天)。
  • \(Y = \mathbb{1}\{T^* > \tau\}\):在 \(\tau\) 时刻是否存活(二值结局)。
  • \(f_1(X), f_0(X)\):两个锁定的预测模型(候选模型和参考模型),输出在 \(\tau\) 时刻的预测生存概率,取值在 [0,1]。
  • \(B_1 = (Y - f_1(X))^2\),\(B_0 = (Y - f_0(X))^2\):两个模型的 Brier 损失(个体水平)。
  • \(\Delta = \mathbb{E}_1[B_0] - \mathbb{E}_1[B_1]\):目标人群中的 Brier 风险对比(目标 estimand)。负值 favor 候选模型。
  • \(\gamma(X)\):目标-源人群之间的 log-odds 偏移函数,满足 \(|\gamma(X)| \le \gamma\)。
  • \(\gamma\):敏感性参数(预设的偏移上界)。
  • \(S(X) = (f_1(X), f_0(X))\):部署汇总(deployment summary),即两个模型的预测分数构成的二维向量。
  • \(\pi(X) = P(S=1 | X)\):目标人群的倾向分数(由协变量分布决定)。
  • \(p_1(s) = \mathbb{E}_1[\mathbb{1}\{S(X)=s\}]\):目标人群中部署汇总的分布。
  • \(p_0(s) = \mathbb{E}_0[\mathbb{1}\{S(X)=s\}]\):源人群中部署汇总的分布。
  • \(q_1(s) = \mathbb{E}_1[Y | S(X)=s]\):目标人群中给定部署汇总的结局概率。
  • \(q_0(s) = \mathbb{E}_0[Y | S(X)=s]\):源人群中给定部署汇总的结局概率。
  • \(\mathcal{M}_\gamma\):满足偏移约束的候选目标结局分布集合。

  • 模型:

  • 数据生成机制:源人群 \(S=0\) 提供右删失生存数据 \((X, T, \Delta)\),用于估计源人群的条件结局分布 \(q_0(s)\) 和部署汇总分布 \(p_0(s)\)。目标人群 \(S=1\) 仅提供协变量 \(X\)(无结局),用于估计 \(p_1(s)\)。
  • 敏感性模型:目标人群的结局概率 \(q_1(s)\) 与源人群 \(q_0(s)\) 通过 log-odds 偏移关联:
    \[\text{logit}(q_1(s)) = \text{logit}(q_0(s)) + \gamma(s), \quad |\gamma(s)| \le \gamma\]
    其中 \(\gamma(s)\) 是部署汇总 \(s\) 的函数,允许随 \(s\) 变化,但绝对值有界。
  • 可观测数据:源人群 \((X_i, T_i, \Delta_i)_{i=1}^{n_0}\),目标人群 \((X_j)_{j=1}^{n_1}\)。目标结局 \(Y\) 在目标人群中完全不可观测。

第二步:讲最小内核

把一般设定剥掉,考虑最简情形:只有一个协变量 \(X\)(即部署汇总 \(S(X) = X\) 是一维的),且 \(X\) 是离散的、只取两个值 \(x_1, x_2\)。源人群和目标人群的 \(X\) 分布已知(或可精确估计),源人群的结局概率 \(q_0(x_1), q_0(x_2)\) 已知(无删失或已完美估计)。

在这个最简情形下,目标 estimand 是:

\[\Delta = \mathbb{E}_1[B_0] - \mathbb{E}_1[B_1] = \sum_{x \in \{x_1, x_2\}} p_1(x) \left[ (q_1(x) - f_0(x))^2 - (q_1(x) - f_1(x))^2 \right]\]
展开后:
\[\Delta = \sum_x p_1(x) \left[ (f_0(x)^2 - f_1(x)^2) - 2 q_1(x)(f_0(x) - f_1(x)) \right]\]
注意 \(q_1(x)\) 是未知的,但受约束 \(|\text{logit}(q_1(x)) - \text{logit}(q_0(x))| \le \gamma\)。

核心数学问题:在约束 \(q_1(x) \in [\text{logit}^{-1}(\text{logit}(q_0(x)) - \gamma), \text{logit}^{-1}(\text{logit}(q_0(x)) + \gamma)]\) 下,求 \(\Delta\) 的最小值和最大值。

为什么"分别识别再相减"会丢失信息:如果分别识别 \(R_0 = \mathbb{E}_1[B_0]\) 和 \(R_1 = \mathbb{E}_1[B_1]\),那么 \(R_0\) 的识别集是 \([R_0^{\min}, R_0^{\max}]\),\(R_1\) 的识别集是 \([R_1^{\min}, R_1^{\max}]\),相减得到 \([\Delta^{\text{sep}}_{\min}, \Delta^{\text{sep}}_{\max}]\)。但这里隐含地允许 \(R_0\) 和 \(R_1\) 在不同的目标结局分布下达到极值。而直接识别 \(\Delta\) 则要求 \(R_0\) 和 \(R_1\) 在同一个 \(q_1(x)\) 下计算。由于 \(\Delta = \mathbb{E}_1[B_0 - B_1]\) 是 \(q_1(x)\) 的线性函数(系数为 \(-2(f_0(x) - f_1(x))\)),其极值在 \(q_1(x)\) 取端点时达到,但两个风险共享同一个 \(q_1(x)\) 这一约束使得识别集更紧。

为什么"同侧 1/2 条件"是关键:当 \(f_0(x)\) 和 \(f_1(x)\) 位于 1/2 的同一侧时,\(B_0 - B_1 = (f_0(x) - f_1(x))(f_0(x) + f_1(x) - 2q_1(x))\) 的符号在 \(q_1(x)\) 变化时不变(因为 \(f_0(x) + f_1(x) - 2q_1(x)\) 的符号由 \(q_1(x)\) 与 \((f_0(x)+f_1(x))/2\) 的相对位置决定,而该值在 1/2 的同一侧时不会穿越零点)。此时 \(\Delta\) 的极值在 \(q_1(x)\) 取同一个端点(全取上界或全取下界)时达到,识别集宽度为 \(2\gamma \sum_x p_1(x) |f_0(x) - f_1(x)| \cdot \text{某因子}\)。当 \(f_0(x)\) 和 \(f_1(x)\) 位于 1/2 的两侧时,\(B_0 - B_1\) 的符号可能随 \(q_1(x)\) 变化,极值可能在不同 \(x\) 处取不同端点,识别集更宽。

这个最小内核揭示了本文的核心洞见:对比型 estimand 的识别集不是两个边际识别集的简单差集,而是受"共享未知分布"约束的联合识别问题。这个约束在 Brier 风险对比中具体表现为:两个风险项中的 \(q_1(x)\) 必须是同一个函数,而"同侧 1/2"条件保证了极值可以在同一个 \(q_1(x)\) 下达到,从而给出尖锐识别集。

证明思路(最简情形):对每个 \(x\),\(B_0 - B_1\) 是 \(q_1(x)\) 的线性函数。若 \(f_0(x) > f_1(x)\) 且两者都 > 1/2,则 \(B_0 - B_1 = (f_0 - f_1)(f_0 + f_1 - 2q_1)\)。当 \(q_1\) 增大时,\(f_0 + f_1 - 2q_1\) 减小,故 \(B_0 - B_1\) 减小。因此 \(\Delta\) 的最小值在 \(q_1(x)\) 取上界时达到,最大值在取下界时达到。若 \(f_0(x) < f_1(x)\) 且两者都 < 1/2,则符号反转。若两者位于 1/2 两侧,则 \(f_0 + f_1 - 2q_1\) 可能在 \(q_1 \in [q_0 - \gamma, q_0 + \gamma]\) 内穿越零点,导致极值在内部点达到,需要更细致的分析。一般情形的证明正是这个思路的推广,只是将离散求和替换为积分,并处理部署汇总 \(S(X)\) 为多维时的测度论细节。

三、这篇论文做了什么

三句话: ① 研究了在目标人群结局完全缺失、且不假设条件可迁移性的情况下,如何对两个锁定生存预测模型的 Brier 风险对比进行部分识别与推断; ② 核心工具是"有界 log-odds 偏移"敏感性模型 + 保持共享目标结局分布的尖锐识别集推导 + 联合 pairs bootstrap 同时推断; ③ 主要结论是:直接识别对比风险比"分别识别再相减"严格更紧(宽度比可达 5.73 倍),且在信号和样本量足够时可改变操作结论,否则保留 DEFER。

关键设定与假设: - 锁定预测模型:\(f_1, f_0\) 是固定的、不随目标数据更新的函数(Assumption A1)。这意味着模型开发的不确定性被完全忽略——这是一个强假设,实际中模型可能需要在目标人群重新校准。 - 条件独立删失:\(T^* \perp C \mid X\)(源人群)。这是 IPCW 估计的基础。 - 有界 log-odds 偏移:\(|\text{logit}(q_1(s)) - \text{logit}(q_0(s))| \le \gamma\),其中 \(\gamma\) 是预设的敏感性参数。注意这里允许偏移随部署汇总 \(s\) 变化,但要求绝对值有界。相比 Steingrimsson et al. (2024) 的指数倾斜模型,本文的 log-odds 参数化对二值结局更自然,但可能不够灵活。 - 部署汇总:\(S(X) = (f_1(X), f_0(X))\)。这是一个低维汇总(二维),使得偏移函数 \(\gamma(s)\) 的建模可行。但这也意味着所有与结局相关的协变量信息必须通过这两个预测分数传递——如果存在与结局相关但不被预测分数捕获的协变量,偏移模型可能错误设定。 - 传输正性(Assumption A6):目标人群的 \(S\) 分布被源人群的 \(S\) 分布绝对连续控制,且密度比有界。这是从源人群估计 \(q_0(s)\) 并外推到目标人群的必要条件。 - 有限网格:敏感性参数 \(\gamma\) 在预设的有限网格上变化,而非连续区间。这简化了同时推断,但可能遗漏网格点之间的关键变化。

主要结果: - 定理 1(尖锐识别集):在偏移模型下,目标 Brier 风险对比 \(\Delta\) 的识别集为 \([\Delta_{\min}, \Delta_{\max}]\),其中极值通过对每个部署汇总 \(s\) 独立选择端点 \(q_1(s) = q_0(s) \pm \gamma\) 达到,选择规则由 \(f_0(s) - f_1(s)\) 的符号决定。证明的关键是:由于 \(\Delta\) 是 \(q_1(s)\) 的线性泛函,且约束是逐点的,极值在端点处达到。 - 定理 2(同时推断):在正则条件下,联合 pairs bootstrap 给出的同时置信带满足

\[P\left( \Delta_{\min}(\gamma) \ge \hat{\Delta}_{\min}(\gamma) - \hat{q}_{1-\alpha} \hat{\sigma}_{\min}(\gamma), \; \forall \gamma \in \Gamma \right) \ge 1-\alpha + o(1),\]
其中 \(\hat{q}_{1-\alpha}\) 是 bootstrap studentized 最大值的经验分位数。证明依赖源人群 nuisance 估计的渐近线性性和经验过程条件。 - 命题 2(直接 vs 分别识别):直接识别集宽度 \(W_{\text{direct}} = 2\gamma \mathbb{E}_1[|f_0(S) - f_1(S)| \cdot \text{某因子}]\),分别识别再相减的宽度 \(W_{\text{sep}} = \gamma \mathbb{E}_1[|1 - 2f_0(S)| + |1 - 2f_1(S)|] \cdot \text{某因子}\)。由于 \(|1-2a| + |1-2b| \ge 2|a-b|\),直接识别永不更宽,且在"同侧 1/2"条件下严格更紧。

证明路线与技术技巧: 1. 识别集推导:将 \(\Delta\) 重写为 \(\mathbb{E}_1[(f_0(S) - f_1(S))(f_0(S) + f_1(S) - 2q_1(S))]\)。由于 \(q_1(s)\) 的约束是逐点的,且系数 \(-2(f_0(s) - f_1(s))\) 的符号固定,极值在端点 \(q_0(s) \pm \gamma\) 处达到。关键技巧是将积分问题分解为逐点优化问题,利用线性泛函的极值原理。 2. 估计:源人群的 \(q_0(s)\) 通过 IPCW 加权逻辑回归估计,其中删失分布用条件 Cox 模型估计(Breslow 基线)。目标人群的 \(p_1(s)\) 直接由经验分布估计。端点估计 \(\hat{\Delta}_{\min/\max}(\gamma)\) 是 plug-in 估计。 3. 同时推断:核心技巧是联合 pairs bootstrap——同时重抽样源人群和目标人群,并在每个 bootstrap 样本中重新估计所有 nuisance(包括 Cox 删失模型、逻辑回归、标准化参数)。这保证了 bootstrap 分布能反映 nuisance 估计的不确定性。studentized 最大值统计量 \(\max_{\gamma \in \Gamma} |\hat{\Delta}_{\min/\max}(\gamma) - \Delta_{\min/\max}(\gamma)| / \hat{\sigma}(\gamma)\) 的分布用于构造同时置信带。 4. 技术难点:源人群 nuisance 估计(Cox 模型 + IPCW 逻辑回归)的渐近线性性需要仔细验证;bootstrap 的 consistency 依赖经验过程理论(van der Vaart & Wellner 1996; Cheng & Huang 2010)。作者在补充材料中给出了完整的正则条件和证明。

真实例子与应用: - NSCLC 应用:源人群为 Chonnam National University Hwasun Hospital(CNH,n=342,105 事件),目标人群为斯坦福(n=60,22 事件)和 VA(n=80,32 事件)队列。比较两个锁定预测模型:临床-only Cox 模型(参考)与临床+影像特征模型(候选)。预测水平为 2 年总生存(τ=730 天)。所有 40 个预设评估(2 目标 × 4 种子 × 5 敏感性值)均导致 DEFER,尽管直接识别显著缩小了识别集。 - Rotterdam-to-GBSG 支持性分析:源人群为 Rotterdam(n=1,546,拆分为开发/校准),目标为 GBSG(n=686)。参考模型为临床-only Cox 模型,候选模型增加淋巴结负担、ER 状态等。在种子 62、γ=0.2 时,直接识别产生 ADOPT CANDIDATE,而分别识别产生 DEFER——这是直接识别改变操作结论的关键示例。 - 模拟研究:覆盖了无偏移、常数偏移、剖面变化偏移、符号变化偏移、有限重叠、模型误设等场景。关键发现:在"同侧 1/2"条件下,直接识别宽度比分别识别窄 3.4-3.6 倍(应用规模)至 5.73 倍(受控几何);在小型高删失 NSCLC 规模下,bootstrap 覆盖率不足(0.847-0.861 vs 0.95),而在 Rotterdam 规模下接近名义水平(0.946)。

🔎 结论是否比证明窄: - 定理 2 的证明依赖源人群 nuisance 估计的渐近线性性,但作者在补充材料中承认,当删失模型误设时,IPCW 权重可能不一致,此时端点估计的偏差未被理论覆盖。然而,正文中"直接识别能减少不确定性"的结论在模型误设下仍成立(因为识别集是模型定义的),但"覆盖率接近名义水平"的保证在模型误设下失效。 - 作者在 Section 2.7.2 中明确写道:"The inferential result is likewise not doubly robust and does not guard against misspecification of the conditional censoring or the source outcome model." 这是一个诚实的限定,但正文摘要和结论部分未充分强调这一限制。 - 命题 2 的"严格更紧"条件(同侧 1/2)在模拟中得到了验证,但作者未给出该条件在真实数据中成立程度的诊断。NSCLC 应用中,预测分数是否同侧 1/2 未被报告。

四、开放问题

  1. 有限样本覆盖率的改进:作者在模拟中发现 NSCLC 规模下 bootstrap 覆盖率不足(0.847-0.861 vs 0.95)。扎根于 Table S9 和 Section 3.5。一个自然的开放问题是:能否构造二阶校正的 bootstrap 或基于 Edgeworth 展开的校正,使小样本、高删失率下的覆盖率接近名义水平?这与您 moderately familiar 的 HOIF 理论可能相关——高阶影响函数可用于校正 bootstrap 的一阶误差。

  2. 模型误设下的稳健性:作者明确承认结果不具双重稳健性(Section 2.7.2)。扎根于该句。开放问题:能否构造对源人群结局模型或删失模型误设具有稳健性的端点估计?这可能需要将 Dorn et al. (2025) 的 doubly-valid/doubly-sharp 思想推广到对比型 estimand。

  3. 连续敏感性网格的扩展:定理 2 仅覆盖有限预设网格,作者在补充材料中承认连续扩展需要额外条件。扎根于 Section 2.6 末尾。开放问题:能否建立连续敏感性参数上的 uniform confidence band?这需要更精细的经验过程条件,可能与您熟悉的 Gaussian process 逼近有关。

  4. 预测模型不确定性的传播:本文假设预测模型已锁定(Assumption A1),但实际中模型开发本身有不确定性。扎根于 Assumption A1。开放问题:若预测模型是从源数据开发的(而非外部给定),其估计不确定性如何影响目标人群中的对比识别集?这可能与您熟悉的半参数效率理论相关——模型开发过程可视为一个 nuisance 估计步骤。

  5. 与高阶 U-统计量的联系:Brier 风险对比本质上是一个二阶 U-统计量(涉及成对比较)。作者使用的 pairs bootstrap 是否可被您熟悉的张量网络/高阶 U-统计量理论所改进?扎根于 Section 2.6 的 bootstrap 构造。这是一个潜在的交叉点,但需要先确认 bootstrap 的收敛速率是否受 nuisance 估计主导。

提醒:要确认上述问题是否为真 gap,建议阅读 Steingrimsson et al. (2024) 的讨论部分以及近 2-3 年关于"transportability + partial identification"的文献(如 Dorn et al. 2025, Asiaee et al. 2026)。如果这些文献已解决上述问题,则本文的开放空间会缩小。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论