跳转至

Comparing Missing Data Strategies for Generalized Pairwise Comparisons in Randomized Clinical Trials: A Simulation Study

作者: Ruben P. A. van Eijk, Ying Lu
来源: Statistics in Medicine
主题: 因果推断
相关性: 4/10
机构绿灯: Stanford University(US News 前 50,免分进入精读)
链接: https://doi.org/10.1002/sim.70737


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随机临床试验中复合终点(composite endpoint)的统计推断,具体聚焦于广义成对比较(Generalized Pairwise Comparisons, GPC)这一非参数方法在纵向数据缺失与删失并存时的操作特性。GPC 方法的核心思想是:对两组患者的所有可能配对,根据一个分层复合终点(hierarchical composite endpoint,如先比生存时间、再比功能评分变化)判定每对患者的"胜/负/平",然后用胜率(win ratio)、胜差(win difference)等统计量做组间比较。该方向的根本问题是:当结局数据不完整(删失、纵向访视缺失)时,如何构造一个既保持 Type I error 控制、又尽量不损失功效的估计与推断策略。当前成熟度:GPC 已被监管机构(如 FDA)接受用于 pivotal trial 的主要分析,但缺失数据下的稳健性策略尚无共识,本文正是针对这一 gap 的模拟研究。

发展脉络(history)

从 introduction 与参考文献看,这条线的演进大致如下:

  • 奠基工作:Pocock et al. (2012) 提出 win ratio 方法,将成对比较思想引入复合终点分析,解决了传统复合终点(如"死亡或住院")把不同临床重要性的事件等权相加的问题。Finkelstein & Schoenfeld (1999) 更早提出类似的成对比较框架,但 Pocock 的工作使其在临床试验中流行。这一代工作的隐含假设是:数据完整或仅存在独立删失。
  • 主要进展:Buyse (2010) 系统化 GPC 框架,引入"胜差"(net benefit)等统计量,并讨论其在样本量计算中的应用。Dong et al. (2016, 2018) 等研究了 win ratio 在删失数据下的性质,指出删失处理方式(如把删失对视为平局 vs. 剔除)会显著影响估计与检验。Bebu & Lachin (2015) 等讨论了多重插补在复合终点中的应用。这一阶段的核心进展是:认识到删失与缺失不是"数据管理问题",而是识别与推断问题。
  • 当前 frontier:van Eijk et al. (2023) 等开始系统评估不同缺失数据处理策略在 GPC 框架下的操作特性。本文(van Eijk & Lu, Statistics in Medicine)正是这一 frontier 的延续:它不再只关注删失,而是同时考虑纵向数据缺失(intermittent missing)与删失,并引入组间差异脱落(differential attrition)这一在监管审查中高度敏感的场景。
  • 本文的位置:本文是模拟研究,不是新方法开发。它的贡献在于系统比较七种已有策略,给出在何种缺失机制下哪种策略稳健的经验证据。它留下的口子是:为什么 last common visit 策略稳健?能否从理论上证明?——这正是统计理论研究者可以切入的点。

子线索聚类

被引文献大致落在三条子线索上:

  1. GPC 方法本身的统计性质(Pocock 2012; Finkelstein & Schoenfeld 1999; Buyse 2010; Dong 2016, 2018):定义胜率/胜差,研究其在删失下的渐近性质、效率、样本量公式。这一簇的隐含假设是数据缺失机制是独立的(independent censoring)。
  2. 缺失数据处理策略(Little & Rubin 2002; Rubin 1987; Molenberghs & Kenward 2007; van Buuren 2018):多重插补、末次观测结转(LOCF)、混合模型等。这一簇是通用缺失数据方法,不针对 GPC 特化。
  3. 临床试验中的估计与敏感性分析(ICH E9(R1) 估计目标框架; Permutt 2016; Mallinckrodt 2020):强调估计目标(estimand)必须先于分析方法,缺失数据策略必须与估计目标对齐。这一簇是监管框架,本文的 framing 明显受其影响。

这个方向在追问的核心问题

  1. GPC 统计量在缺失数据下是否仍能一致估计目标参数? 即:当缺失机制不是完全随机缺失(MCAR)时,哪种策略能保持无偏性?
  2. Type I error 控制是否稳健? 本文的核心发现之一是:组间缺失不平衡时,某些策略的 Type I error 膨胀到 0.378,远超名义水平 0.025。
  3. 功效与偏差的权衡:多重插补能恢复功效、减少偏差,但在差异脱落时膨胀 Type I error——是否存在一种策略同时兼顾两者?
  4. 估计目标(estimand)与缺失策略的匹配:不同缺失策略实际上在估计不同的因果量(如"治疗组如果坚持治疗的效果" vs. "治疗组在现实依从性下的效果"),监管框架要求明确这一点,但 GPC 文献中对此讨论不足。

⚠️ 作者的 framing(必须明确标注成"这是作者的说法")

作者把缺口 frame 成:"GPC 在 pivotal trial 中越来越常用,但缺失数据策略对其操作特性的影响缺乏系统评估"。他们声称:"据我们所知,这是首个系统评估多种缺失策略在 GPC 框架下、同时考虑删失与纵向缺失的模拟研究"。他们淡化/回避的竞争路线包括: - 基于模型的估计方法(如联合建模生存与纵向轨迹的 shared random effects model)——作者只在讨论中一笔带过,未纳入比较。 - 加权估计方程(IPW)——作者未将其作为独立策略纳入,尽管这是因果推断文献中的标准工具。 - 估计目标框架的形式化应用——作者提到 ICH E9(R1),但未严格按 estimand 框架重新定义每个策略在估计什么。

值得研究者去查的问题:为什么作者没有纳入 IPW 或 DR 估计?是因为 GPC 的非参数结构难以构造权重,还是因为模拟设计下 IPW 表现已知不佳?另外,"last common visit 策略始终控制 Type I error"这一发现,是否在理论上可解释为它实际上在估计一个"截断的" estimand?——这可能是理论切入的好问题。

张力

未见明显对立引用。但存在一个隐含张力:GPC 方法文献(Pocock 等)倾向于在独立删失假设下宣称稳健性,而缺失数据文献(Little & Rubin 等)早已证明非随机缺失下没有任何"无假设"的方法。本文的模拟结果(差异脱落时 Type I error 膨胀)实际上是在用数值证据揭示这一张力,但作者未在理论上点破。


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(逐个点名):

  • \(i = 1, \dots, n\):患者索引;\(n\) 为总样本量。随机分为两组:治疗组 \(T\) 与对照组 \(C\),组别指示变量 \(A_i \in \{0, 1\}\)。
  • \(T_i\):生存时间(time-to-event),是潜在结局(potential outcome)的一部分——每个患者理论上都有在治疗和对照两种状态下的生存时间,但我们只能观测到其实际分配组下的值。
  • \(Y_i(t)\):纵向结局(如功能评分 ALS-FRS-R),在预设访视时间点 \(t_1 < t_2 < \dots < t_K\) 测量。同样是潜在结局。
  • \(C_i\):删失时间(censoring time)。观测到的生存时间为 \(\tilde{T}_i = \min(T_i, C_i)\),删失指示 \(\Delta_i = \mathbb{1}(T_i \le C_i)\)。
  • \(R_i(t_k)\):纵向访视缺失指示——\(R_i(t_k) = 1\) 表示第 \(k\) 次访视有观测值,\(=0\) 表示缺失。这是可观测的。
  • \(X_i\):基线协变量(如发病年龄、起病部位),用于生成数据,但不一定进入分析。
  • \(D_i\):疾病严重度(如基线功能评分),是影响缺失机制的变量——缺失可能与疾病严重度相关(即非随机缺失,MNAR 的一种形式)。

模型(数据生成机制,本文基于 ALS 自然史):

  • 生存时间 \(T_i\) 由指数分布生成,风险率依赖组别与基线严重度:\(h(t \mid A_i, D_i) = \lambda_0 \exp(\beta A_i + \gamma D_i)\)。
  • 纵向结局 \(Y_i(t_k)\) 由线性混合效应模型生成:\(Y_i(t_k) = \alpha_0 + \alpha_1 t_k + \alpha_2 A_i t_k + b_{0i} + b_{1i} t_k + \varepsilon_{ik}\),其中 \((b_{0i}, b_{1i})\) 是患者随机截距与斜率,\(\varepsilon_{ik}\) 是测量误差。治疗效应体现在斜率差异 \(\alpha_2\) 上。
  • 缺失机制:纵向访视缺失概率依赖当前疾病严重度(即 \(Y_i(t_k)\) 的值)与组别——这构成缺失非随机(MNAR)场景。删失时间 \(C_i\) 独立于 \(T_i\)(给定协变量),但删失率在不同场景中变化。
  • GPC 分层复合终点:先比生存时间(更长者胜),若生存时间无法判定(如双方均删失或一方删失),则比纵向结局的变化斜率(从基线到最后一次观测的斜率,变化更小者胜),仍无法判定则为平局。

可观测数据:研究者实际观测到的是 \(\{A_i, \tilde{T}_i, \Delta_i, \{Y_i(t_k) R_i(t_k)\}_{k=1}^K, X_i\}\)。关键点:纵向结局 \(Y_i(t_k)\) 在访视缺失时不可观测,且缺失概率与疾病严重度相关——这意味着简单剔除缺失患者或 LOCF 都会引入选择偏差。删失时间 \(C_i\) 本身不可观测(只能观测到 \(\tilde{T}_i\) 与 \(\Delta_i\))。

要估的对象:GPC 框架下的胜率(win ratio) \(WR = P(\text{治疗组患者胜}) / P(\text{对照组患者胜})\),或胜差 \(WD = P(\text{治疗组胜}) - P(\text{对照组胜})\)。这是因果 estimand——它比较的是"如果所有患者都被分配到治疗组 vs. 都被分配到对照组"时的结局分布。

第二步:讲最小内核

最小特例:假设只有一个纵向访视(\(K=1\),即只有基线 \(Y_i(0)\) 和终点 \(Y_i(1)\)),且无删失(所有患者都有生存时间观测)。此时 GPC 退化为:对每对 \((i, j)\)(\(i\) 治疗、\(j\) 对照),比较 \(T_i\) vs \(T_j\);若 \(T_i = T_j\)(连续分布下概率为 0,但离散化后可能),则比较 \(\Delta Y_i = Y_i(1) - Y_i(0)\) vs \(\Delta Y_j\)。

核心困难:假设 \(Y_i(1)\) 对部分患者缺失,且缺失概率与 \(\Delta Y_i\) 相关(病情恶化快的患者更可能脱落)。此时: - 完整病例分析(complete case):只保留 \(Y_i(1)\) 观测到的患者——这相当于在治疗组和对照组分别做不同的条件化,破坏随机化保证的可比性,估计的 \(WR\) 有偏。 - LOCF:用 \(Y_i(0)\) 填充 \(Y_i(1)\)——这相当于假设缺失患者病情无变化,在病情恶化快的患者更易脱落时,系统性高估治疗组表现。 - 多重插补(MI):从观测数据建模预测缺失值——但如果缺失机制是 MNAR(缺失依赖未观测的 \(\Delta Y_i\)),MI 模型设定错误时同样有偏。

本文的核心发现(最小内核):在组间缺失平衡时(两组脱落率相同),所有策略都近似无偏且控制 Type I error——因为随机化保证了条件独立,缺失不引入组间差异。但在组间缺失不平衡时(如治疗组因副作用脱落更多),last common visit(LCV)策略——即只比较双方都有观测的最后一个共同访视时间点的数据——是唯一始终控制 Type I error 的策略。为什么? 直觉上,LCV 相当于把 estimand 重新定义为"在共同观测窗口内的比较",它不试图外推缺失数据,因此不引入模型假设偏差;代价是功效损失(因为丢弃了部分信息)。MI 能恢复功效,但代价是当 MI 模型未正确捕捉 MNAR 机制时,Type I error 膨胀。

这个最小内核揭示的数学本质:GPC 的估计量是U-统计量(成对比较的均值),其渐近正态性依赖 Hajek 投影。缺失数据策略本质上是在改变 U-统计量的核函数(kernel)——LCV 把核函数截断到共同观测区域,MI 则用插补值替换缺失项。不同策略的偏差-方差权衡,可以形式化为核函数的偏差(因截断或插补模型错误)与方差(因样本量损失)之间的权衡。这正是研究者可以用高阶 U-统计量理论切入的点。


三、这篇论文做了什么

三句话

  1. 研究了什么问题:在随机临床试验中,当复合终点同时包含生存时间和纵向结局、且存在删失和纵向数据缺失时,七种缺失数据策略对 GPC 方法的 Type I error、功效和偏差有何影响?
  2. 核心工具/方法:基于 ALS 自然史的条件生成模型(conditional model)进行大规模模拟,生成生存与纵向数据,系统改变删失率、缺失程度、组间差异脱落和缺失-严重度相关性,比较七种策略。
  3. 主要结论:组间缺失平衡时所有策略均无偏且控制 Type I error;不平衡时,LCV 策略是唯一始终控制 Type I error 的方法(0.025 ± 0.002),而 MI 虽恢复功效但膨胀 Type I error(最高达 0.378)。

关键设定与假设

  • 数据生成模型:基于 ALS 自然史的真实参数(来自 PRO-ACT 数据库),生存时间用指数分布,纵向结局用线性混合效应模型。假设:治疗效应在生存和纵向结局上均为比例效应(proportional hazards / proportional slope change)。
  • GPC 分层规则:先比生存、再比纵向斜率变化。假设:生存时间优先于纵向结局(临床合理性假设)。
  • 缺失机制:纵向访视缺失概率依赖当前疾病严重度(MNAR),删失独立于结局(给定协变量)。关键操纵:组间差异脱落(治疗组 vs 对照组脱落率不同)和缺失-严重度相关性强度。
  • 七种策略:完整病例(complete case)、末次观测结转(LOCF)、末次共同访视(LCV)、多重插补(MI,含不同插补模型)、混合模型重复测量(MMRM)、以及将缺失视为平局(tie)的变体。
  • 评估指标:Type I error(在零效应下)、功效(在备择效应下)、偏差(估计的 win ratio 与真实值之差)。

相比已有文献的强化/弱化:本文的强化在于同时操纵删失和纵向缺失,且缺失机制是 MNAR(更贴近现实);弱化在于未考虑竞争风险(competing risks)和非比例效应(non-proportional hazards),且模拟参数全部来自单一疾病(ALS)。

主要结果

  • 平衡缺失:所有策略的 Type I error 均在名义水平附近(0.020–0.030),偏差可忽略。结论:缺失本身不是问题,组间缺失不平衡才是。
  • 不平衡缺失(治疗组脱落更多):
  • 完整病例:Type I error 膨胀至 0.15–0.25(取决于缺失-严重度相关性),偏差显著。
  • LOCF:Type I error 膨胀至 0.20–0.38(最高),偏差最大——因为 LOCF 假设"无变化",在治疗组脱落更多时系统性高估治疗组。
  • MI(正确设定模型):Type I error 膨胀至 0.08–0.15,但功效最高——MI 部分纠正了偏差,但未完全消除。
  • LCV:Type I error 始终在 0.023–0.027,但功效最低——LCV 通过截断比较窗口避免了外推偏差,但丢弃了删失后的信息。
  • 功效排序(在控制 Type I error 的策略中):MI > 完整病例 > LCV。偏差-方差权衡清晰可见。

证明路线与技术技巧

本文是模拟研究,无理论证明。但模拟设计的逻辑可以拆解为:

  1. 数据生成:先抽患者基线特征(\(D_i\)),再条件生成生存时间 \(T_i\) 和纵向轨迹 \(\{Y_i(t_k)\}\),最后生成缺失指示 \(R_i(t_k)\)(依赖 \(Y_i(t_k)\) 和 \(A_i\))。技巧:用真实 ALS 数据校准参数,保证模拟场景临床相关。
  2. GPC 计算:对所有跨组配对计算胜/负/平,构造 win ratio 估计量。技巧:用分层比较(先生存后纵向)减少平局比例,提高检验功效。
  3. 操作特性评估:重复模拟(每个场景 1000 次),记录 Type I error、功效、偏差的蒙特卡洛分布。技巧:用 95% 置信区间判断 Type I error 是否显著偏离名义水平。
  4. 场景设计:全因子设计(删失率 × 缺失率 × 差异脱落 × 缺失-严重度相关性),覆盖从 MCAR 到 MNAR 的谱系。

技术难点:GPC 的 U-统计量结构使得方差估计在缺失数据下不平凡——成对比较之间存在相关性(同一患者参与多对比较),缺失数据进一步破坏对称性。本文未深入讨论方差估计的偏差,但模拟结果间接反映了这一点(Type I error 膨胀部分来自方差低估)。

🔎 结论是否比证明窄

  • 明确声明:作者在讨论中承认"LCV 策略的功效损失在缺失率超过 30% 时变得显著",且"MI 的 Type I error 膨胀在缺失机制为 MNAR 且插补模型未包含严重度时最严重"——这些是模拟场景内的结论,未外推。
  • 潜在过度声明:作者在摘要中称"LCV 是唯一始终控制 Type I error 的策略"——但这一结论仅在模拟的参数范围内成立(ALS 数据、指数生存、线性纵向轨迹)。对于非比例效应、竞争风险、或纵向轨迹非线性(如平台期)的场景,LCV 是否仍稳健未经验证。
  • 未讨论的理论问题:作者未讨论LCV 策略实际上在估计什么 estimand——它是否等价于"在共同观测窗口内的条件效应"?如果是,那么它的 Type I error 控制是以改变研究问题为代价的,这在监管语境下需要明确声明。这是本文最值得理论深挖的缺口。

真实例子与应用

本文无真实数据应用,但模拟参数基于 PRO-ACT 数据库(ALS 患者登记数据),且模拟场景设计参考了ENDEAR 试验(依达拉奉治疗 ALS 的 pivotal trial,使用 ALSFRS-R 作为主要终点)。作者在讨论中明确将结果与 ENDEAR 试验的缺失模式对比,指出该试验中治疗组脱落率更高(与本文的差异脱落场景一致),暗示 LCV 策略可能更适合作为该试验的敏感性分析。


四、开放问题

  1. LCV 策略的 estimand 是什么? 本文模拟显示 LCV 控制 Type I error,但未定义它在估计什么因果量。能否用潜在结果框架形式化"共同观测窗口内的比较"这一 estimand,并推导其与完整数据 estimand 的关系?(扎根于:作者在讨论中承认"LCV 改变了比较的时间范围",但未深入。)
  2. 能否推导 LCV 策略的渐近性质? GPC 估计量是 U-统计量,LCV 相当于截断核函数。能否用高阶 U-统计量理论推导 LCV 在 MNAR 下的渐近偏差和方差,并给出 Type I error 控制的条件?(扎根于:作者仅提供模拟证据,无理论保证。)
  3. 是否存在比 LCV 更优的策略? 模拟显示 MI 在功效上有优势但牺牲 Type I error。能否构造一种双重稳健的 GPC 估计量——结合 MI 的功效和 LCV 的稳健性?(扎根于:作者在结论中呼吁"开发新的缺失数据策略",但未给出方向。)
  4. 组间差异脱落的检验问题:本文模拟了差异脱落,但未讨论如何检验差异脱落是否存在。能否构造一个基于 GPC 结构的检验统计量,在分析前检测组间缺失机制差异?(扎根于:作者在场景设计中操纵了差异脱落,但未将其作为可检验的假设。)

提示:要确认这些是否真 gap,建议去读近 5 年 GPC 方法文献(如 Clinical Trials、Statistics in Medicine 上 Dong、Mao、Bebu 等人的工作)的 introduction——如果多篇都指向"缺失数据下 GPC 的理论性质未解决",则第一条是真 gap;如果已有理论工作(如 Mao 2021 的 win ratio 渐近理论)覆盖了部分,则需要调整切入角度。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论