跳转至

Adapting the prevalent new-user study design and clone-censor-weighting approach to evaluate drug discontinuation

作者: Qoua Her, Til Stürmer, Robert J Glynn, Emilie Duchesneau, Tiansheng Wang et al.
来源: American Journal of Epidemiology
主题: 因果推断
相关性: 7/10
机构绿灯: University of North Carolina at Chapel Hill(US News 前 50,免分进入精读)
链接: https://doi.org/10.1093/aje/kwag238


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药物流行病学中的因果推断,具体聚焦于一个看似简单但实际充满陷阱的问题:如何估计"停药"这一干预的因果效应。与"开始用药"(treatment initiation)相比,"停药"(discontinuation)的因果推断在结构上更复杂,因为:(1) 停药通常不是随机发生的,而是由疾病进展、副作用、医生决策等因素驱动的;(2) 停药发生的时间是事后定义的,存在"不朽时间偏倚"(immortal time bias)的风险;(3) 目标人群的定义本身就充满歧义——是"所有正在用药的人"还是"某个时间点符合特定条件的人"?这个子方向的核心科学问题是:在观察性数据中,如何通过设计选择(study design)和加权方法(weighting),使估计量对应一个明确定义的因果估计量(estimand),并尽可能消除混杂偏倚。该方向当前已相当成熟——目标试验模拟(target trial emulation)框架已成为金标准,但本文指出,即便在框架内,不同设计对应的目标试验和估计量仍有本质差异,且这种差异在存在治疗效应异质性时会被放大。

发展脉络(history)

本文的引言部分(作者亲手画的 gap 地图)将相关文献串成了一条清晰的线:

  • 奠基工作:目标试验模拟框架的提出。Hernán & Robins(2016,引用 [1])系统提出了"target trial emulation"框架,主张将观察性研究明确对应到一个假想的随机试验,从而规范研究设计、避免隐含的偏倚。这是整个子方向的范式基础。留下的口子:框架本身没有规定"停药"这一特殊干预该如何定义目标试验——它更多针对"开始/持续用药"的效应。

  • 主要进展:针对"停药"问题的专门设计。Hernán 等(2016,引用 [2])在"grace period"和"per-protocol"分析的语境下讨论了停药问题;而 Cain 等(2016,引用 [3]) 和 Hernán 等(2016,引用 [4]) 引入了"clone-censor-weighting"(CCW)方法——通过克隆(clone)每个个体到多个治疗组、在偏离方案时审查(censor)、再用逆概率加权(IPW)校正审查偏倚,来模拟一个"在基线随机分配停药时间"的目标试验。留下的口子:CCW 的目标人群是"基线时符合条件的所有人",但实际中很多停药研究关心的是"那些真的会停药的人"。

  • 当前 frontier:prevalent new-user(PNU)设计的兴起。Suissa 等(2017,引用 [5]) 和 Suissa & Dell'Aniello(2020,引用 [6]) 提出了 PNU 设计,其核心思想是:在持续用药人群中,将"停药"视为一种"新治疗"(new user),从而借用 new-user 设计的逻辑来控制"患病者偏倚"(prevalent user bias)和"健康使用者效应"(healthy user effect)。留下的口子:PNU 的目标人群是"实际停药者",其因果问题本质上是"在那些会停药的人中,停药相对于继续用药的效应"——这与 CCW 的"在全体合格者中模拟随机停药"有本质区别。

  • 本文的位置:作者指出,尽管 PNU 和 CCW 都被用于估计停药效应,但没有人系统比较过两者的目标试验、估计量、以及在实际数据中的表现差异。本文是第一篇(据作者所述)将两者并排放在同一框架下、用模拟和实证数据同时检验的工作。作者的说法(⚠️ 需标注为作者 framing):"While both approaches produced unbiased estimates of the effect of drug discontinuation when all confounders were adjusted for in simulations, the true estimands differed, particularly when treatment effect heterogeneity was introduced."——即两种方法在无混杂时都无偏,但估计的是不同的东西。

子线索聚类

被引文献大致落在三条子线索上:

  1. 目标试验模拟的通用方法论(Hernán & Robins 2016; Hernán et al. 2016):建立"观察性研究 = 模拟一个假想试验"的思维框架,强调设计先行、分析后行。这条线是本文的"母体"。

  2. 针对停药/治疗方案的专门设计(Cain et al. 2016; Hernán et al. 2016; Suissa et al. 2017; Suissa & Dell'Aniello 2020):在母体框架下发展出 CCW 和 PNU 两种具体工具。CCW 强调"克隆 + 审查 + 加权"的三步走;PNU 强调"在持续用药者中定义停药为新事件"。这条线是本文的直接对话对象。

  3. 加权估计与偏倚控制的技术细节(引用 [7]-[10],包括 Cole & Hernán 2008 的 IPW 综述、Robins 等的 g-methods 相关工作):为 CCW 的权重估计提供理论支撑,也为 PNU 的协变量调整提供工具。这条线是本文的技术底座。

这个方向在追问的核心问题

  1. 估计量对应哪个因果问题? 停药效应可以定义为"在全体合格者中随机停药"(CCW 的 estimand),也可以定义为"在实际停药者中停药 vs 继续用药"(PNU 的 estimand)。两者在治疗效应异质性存在时不再相等。已知瓶颈:多数应用研究没有明确区分这两个 estimand,导致结果被误读。

  2. 如何控制停药时的混杂? 停药决策受健康状态、用药依从性、医生建议等影响,这些因素同时影响结局。已知瓶颈:CCW 的权重模型需要正确设定;PNU 的"持续用药人群"本身是选择性的,可能引入 collider bias。

  3. 如何处理时间相关的混杂(time-varying confounding)? 停药后的健康状况变化会影响后续治疗和结局。已知瓶颈:CCW 通过审查 + 加权处理了部分问题,但 PNU 的静态协变量调整无法处理时间相关混杂。

⚠️ 作者的 framing(必须明确标注为"这是作者的说法")

作者把缺口 frame 成:"研究者需要根据其因果问题和目标人群选择合适的方法,但现有文献没有提供系统的比较指南。" 具体来说:

  • 作者强调 PNU 和 CCW 的目标试验不同(PNU 模拟"在持续用药者中随机停药",CCW 模拟"在基线合格者中随机分配停药时间"),因此估计量不同,尤其在存在治疗效应异质性时。
  • 作者淡化了两种方法在实际实施难度上的差异(CCW 需要更复杂的权重模型和审查处理,PNU 相对简单),也回避了与 g-methods(如 parametric g-formula、marginal structural models)的直接比较——这些方法在理论上也能估计停药效应,但本文未将其纳入比较。
  • 什么明显该被引 / 该存在、却没出现在 intro 里? 一个值得研究者去查的问题是:Robins 的 g-methods(特别是 g-formula 和 MSM)在停药问题上的应用——这些方法在理论上比 CCW 更一般(能处理 time-varying confounding),但本文未提及。另一个是 Young 等(2020)关于"estimand"形式化的讨论(ICH E9(R1) 框架下的 estimand 定义),这直接关系到本文的核心论点(不同设计对应不同 estimand),但未被引用。这些"缺席"可能意味着作者有意将比较限定在"设计层面"而非"估计方法层面"。

张力

未见明显对立引用。被引文献之间没有直接矛盾,但存在一个隐含的张力:PNU 的支持者(Suissa 等)强调"实际停药者"的临床相关性,而 CCW 的支持者(Hernán 等)强调"全体合格者"的试验对应性。这两种立场在"目标人群"上存在根本分歧,但作者没有将其呈现为对立,而是用"不同 estimand"来调和。这种"调和"是否成立,值得研究者自己判断——特别是当临床决策需要的是"停药对实际停药者的效应"(PNU)而非"停药对全体合格者的效应"(CCW)时。


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

在展开本文的技术细节之前,先立好记号。以下记号是理解全文的地基:

  • 个体:\(i = 1, \dots, N\),代表观察性队列中的每个患者。
  • 时间:\(t = 0, 1, \dots, T\),代表随访时间(如月或年)。\(t=0\) 为基线(队列进入时间)。
  • 治疗状态:\(A_i(t) \in \{0, 1\}\),表示个体 \(i\) 在时间 \(t\) 是否正在用药(\(1\) = 用药,\(0\) = 停药)。注意:停药意味着 \(A_i(t)\) 从 \(1\) 变为 \(0\)。
  • 协变量:\(L_i(t)\),表示个体 \(i\) 在时间 \(t\) 的时变协变量向量(如年龄、合并症、实验室指标)。\(L_i(0)\) 为基线协变量。
  • 结局:\(Y_i\),表示个体 \(i\) 的结局(如死亡时间、事件发生指示)。本文的实证分析中,\(Y_i\) 是死亡(二值或时间-事件)。
  • 删失:\(C_i(t) \in \{0, 1\}\),表示个体 \(i\) 在时间 \(t\) 是否因失访等原因被删失。
  • 潜在结果(counterfactual):\(Y_i(a)\),表示如果个体 \(i\) 在某个干预策略 \(a\) 下(如"在时间 \(t^*\) 停药"或"继续用药")的结局。这是因果推断的核心——我们永远无法同时观测到 \(Y_i(1)\) 和 \(Y_i(0)\)。
  • 估计量(estimand):本文比较的两种方法对应不同的估计量:
  • PNU 的估计量:\(\Psi_{PNU} = E[Y_i(1) - Y_i(0) \mid \text{个体 } i \text{ 在时间 } t^* \text{ 实际停药}]\)——即在实际停药者中,停药 vs 继续用药的效应差异。
  • CCW 的估计量:\(\Psi_{CCW} = E[Y_i(1) - Y_i(0) \mid \text{个体 } i \text{ 在基线时符合条件}]\)——即在全体合格者中,被随机分配停药 vs 继续用药的效应差异。
  • 权重:\(w_i(t)\),表示 IPW 权重,用于校正删失和混杂。CCW 中权重是"克隆权重 × 删失权重"的乘积。

可观测数据:研究者实际能观测到的是 \(\{L_i(t), A_i(t), Y_i, C_i(t)\}_{i=1}^N\)——即每个个体的协变量轨迹、治疗轨迹、结局和删失状态。关键点:我们观测不到 \(Y_i(a)\) 的反事实版本,只能通过设计选择和加权来"模拟"一个随机试验。

第二步:讲最小内核

把本文的所有技术细节剥掉,支撑整篇论文的最小内核是这样一个问题:

假设我们想估计"停药对死亡的影响"。最简单的设定是:所有患者在基线时都在用药,我们想知道"在时间 \(t^*\) 停药" vs "继续用药"的效应。但现实中,停药不是随机的—— sicker patients 更可能停药。怎么办?

PNU 的做法:只关注那些真的停药了的人。在他们停药的那一刻,将他们与"继续用药的相似患者"(通过匹配或加权)进行比较。这相当于问:"在这些实际停药的人中,如果他们继续用药,结局会怎样?"——这是一个条件效应(conditional effect),估计量是 \(\Psi_{PNU}\)。

CCW 的做法:在基线时,将每个患者克隆成两份——一份"注定停药",一份"注定继续用药"。然后,当"注定停药"的克隆真的停药时,保留它;当"注定继续用药"的克隆偏离方案(也停药了)时,审查它,并用 IPW 校正审查偏倚。这相当于问:"如果我们在基线时随机决定谁停药,结局会怎样?"——这是一个边际效应(marginal effect),估计量是 \(\Psi_{CCW}\)。

为什么两者会不同? 因为 PNU 只在实际停药者中估计效应,而 CCW 在全体合格者中估计效应。如果停药效应在不同人群中有差异(例如,sicker patients 停药的风险更高,但停药对他们的危害也更大),那么 \(\Psi_{PNU}\) 和 \(\Psi_{CCW}\) 就会不同。本文的核心贡献就是把这个"不同"讲清楚,并用模拟和实证数据展示差异的大小。

最小数学问题:在无混杂、无删失的理想情况下,两种方法都无偏——即 \(\hat{\Psi}_{PNU} \to \Psi_{PNU}\),\(\hat{\Psi}_{CCW} \to \Psi_{CCW}\)。但 \(\Psi_{PNU} \neq \Psi_{CCW}\)(除非效应同质)。在有混杂时,两种方法都需要正确的权重模型;在有删失时,CCW 还需要额外的删失权重。本文的模拟研究就是在不同混杂强度、不同效应异质性程度下,比较两种方法的偏差和置信区间覆盖。


三、这篇论文做了什么

三句话

  1. 研究了什么问题:在药物流行病学中,估计"停药"的因果效应时,prevalent new-user(PNU)设计和 clone-censor-weighting(CCW)方法分别对应什么目标试验和因果估计量,以及在实际应用中应如何选择。
  2. 核心工具 / 方法:目标试验模拟框架 + 模拟研究(Monte Carlo simulation)+ 美国 Medicare 数据的实证分析(他汀类药物停药对死亡率的影响)。
  3. 主要结论:在调整所有混杂因素时,两种方法都无偏;但存在治疗效应异质性时,两种方法估计的是不同的 estimand,结果差异显著(PNU 的 MRR = 1.41,CCW 的 MRR = 1.55),研究者必须根据因果问题和目标人群选择方法。

关键设定与假设

在第二节最小记号的基础上,本文的完整设定如下:

  • PNU 设计:
  • 目标人群:在时间 \(t^*\) 实际停药的持续用药者(本文中为至少用药 5 年者)。
  • 对照:在 \(t^*\) 继续用药的相似患者(通过倾向评分加权或匹配)。
  • 关键假设:
    • 条件无混杂(conditional exchangeability):给定基线协变量 \(L(0)\) 和用药史,停药与否与潜在结果独立。即 \(Y(a) \perp A(t^*) \mid L(0), \text{用药史}\)。
    • 正性(positivity):在每个协变量 stratum 中,停药的概率严格介于 0 和 1 之间。
    • 无未测量混杂:这是所有观察性研究的共同假设,本文未做敏感性分析。
  • 估计量:\(\hat{\Psi}_{PNU} = \frac{\sum_i w_i Y_i A_i}{\sum_i w_i A_i} - \frac{\sum_i w_i Y_i (1-A_i)}{\sum_i w_i (1-A_i)}\),其中 \(w_i\) 是 IPW 权重(停药概率的倒数)。

  • CCW 设计:

  • 目标人群:基线时符合条件的所有持续用药者(本文中为用药满 5 年者)。
  • 干预:在基线时随机分配"停药时间"(如 \(t^* = 5\) 年)或"继续用药"。
  • 关键假设:
    • 克隆(cloning):每个个体被克隆成两份,一份"注定停药",一份"注定继续用药"。
    • 审查(censoring):当"注定继续用药"的克隆实际停药时,审查它;当"注定停药"的克隆未在 \(t^*\) 停药时,审查它。
    • 审查权重(censoring weights):通过 IPW 校正审查偏倚,权重为 \(w_i(t) = \prod_{s \le t} \frac{1}{P(C_i(s) = 0 \mid \bar{L}(s), \bar{A}(s), C_i(s-1) = 0)}\)。
    • 关键假设:审查无混杂(exchangeability of censoring)——给定协变量和治疗史,审查与潜在结果独立。这比 PNU 的假设更强,因为需要正确建模时变混杂。
  • 估计量:\(\hat{\Psi}_{CCW} = \frac{\sum_i w_i(t^*) Y_i I(\text{克隆 } i \text{ 被分配停药})}{\sum_i w_i(t^*) I(\text{克隆 } i \text{ 被分配停药})} - \frac{\sum_i w_i(t^*) Y_i I(\text{克隆 } i \text{ 被分配继续用药})}{\sum_i w_i(t^*) I(\text{克隆 } i \text{ 被分配继续用药})}\)。

相比已有文献的放宽 / 强化: - 相比传统的 new-user 设计(仅关注开始用药),PNU 将"停药"重新定义为"新事件",从而避免了 prevalent user bias。 - 相比标准的 CCW 应用(通常用于"治疗策略"比较),本文将其专门化到"停药"问题,并明确指出了其与 PNU 在目标人群上的差异。 - 本文没有处理 time-varying confounding 的复杂情况(如停药后重新用药),也没有讨论竞争风险(competing risks)——这些是实际应用中常见但本文未触及的问题。

主要结果

模拟研究(作者设计了多种场景,核心结果如下):

场景 PNU 估计量 CCW 估计量 备注
无混杂、无效应异质性 无偏 无偏 两者一致
有混杂、无效应异质性 无偏(若权重正确) 无偏(若权重正确) 两者一致
有混杂、有效应异质性 有偏(估计的是"停药者中的效应") 无偏(估计的是"全体中的效应") 两者估计不同的 estimand

关键发现: 1. 当存在治疗效应异质性时(例如,sicker patients 停药的风险更高,且停药对他们的危害更大),PNU 估计的效应不等于 CCW 估计的效应。PNU 的估计量对应的是"实际停药者中的平均处理效应"(ATT-like),而 CCW 对应的是"全体合格者中的平均处理效应"(ATE-like)。 2. 在模拟中,两种方法在正确调整混杂后都无偏——但"无偏"是针对各自的 estimand 而言的。如果研究者误以为两者估计的是同一个量,就会得出错误的结论。 3. 实证分析(美国 Medicare 数据,他汀类药物停药): - PNU 估计的死亡率差(MRD)= 3.6/100 人年(95% CI: 3.3-3.9),死亡率比(MRR)= 1.41(95% CI: 1.37-1.45)。 - CCW 估计的 MRD = 3.4/100 人年(95% CI: 2.8-4.0),MRR = 1.55(95% CI: 1.45-1.66)。 - 两者方向一致(停药增加死亡风险),但效应大小有差异(MRR 相差约 10%),且 CCW 的置信区间更宽(因为权重更大,有效样本量更小)。

作者的解释:差异源于目标人群不同——PNU 只关注实际停药者(可能更 sick),而 CCW 关注全体合格者(包括那些"被分配停药但实际可能不会停药"的人)。在存在效应异质性时,这两个人群的平均效应自然不同。

证明路线与技术技巧

本文是应用型论文(非纯理论),没有定理证明,但有清晰的逻辑论证和模拟验证。其"证明路线"如下:

  1. 第一步:明确两个设计对应的目标试验。
  2. PNU 对应的目标试验是:"在持续用药人群中,随机选择一部分人停药,其余继续用药,比较两组结局。"——这是一个实用性试验(pragmatic trial),目标人群是"实际会停药的人"。
  3. CCW 对应的目标试验是:"在基线时随机分配停药时间,所有人在基线时都符合条件。"——这是一个意向性试验(intention-to-treat-like),目标人群是"全体合格者"。
  4. 技术技巧:作者用"目标试验"框架来"翻译"两种设计,使得 estimand 的差异变得透明。

  5. 第二步:用模拟研究展示差异。

  6. 作者构造了数据生成机制(DGP),其中包含治疗效应异质性(如停药对 sicker patients 危害更大)。
  7. 在 DGP 下,分别用 PNU 和 CCW 估计效应,比较两者的偏差、方差和置信区间覆盖。
  8. 技术技巧:模拟研究的设计(DGP 的选择)是本文的核心"证明"——通过构造一个已知真相的场景,展示两种方法在什么条件下会给出不同答案。

  9. 第三步:用实证数据展示实际差异。

  10. 使用 Medicare 数据,分别用两种方法估计他汀类药物停药的效应。
  11. 技术技巧:实证分析中,作者使用了倾向评分加权(PNU)和克隆-审查-加权(CCW)两种技术,并报告了权重分布和有效样本量,帮助读者理解差异的来源。

关键难点: - PNU 的难点:如何定义"实际停药者"?停药时间是不固定的,患者可能在随访期间多次停药/重新用药。作者通过"至少 5 年持续用药后停药"来定义,但这只是一个近似。 - CCW 的难点:克隆后,每个个体变成两份,导致数据膨胀和相关性;审查权重的正确设定需要时变混杂的准确建模。作者通过模拟展示了权重错误设定时的偏差。

真实例子与应用

有。本文的实证分析使用美国 Medicare 数据(2011-2016 年),研究对象为至少 5 年持续使用他汀类药物的 65 岁以上受益人。具体细节:

  • 数据:Medicare 索赔数据(Part A/B/D),包含处方药使用、住院、死亡等信息。
  • 暴露:他汀类药物停药(定义为连续 60 天无处方)。
  • 结局:全因死亡率。
  • 分析方法:
  • PNU:在停药发生时,将停药者与继续用药者进行倾向评分加权比较。
  • CCW:在基线(用药满 5 年)时克隆每个个体,分配"停药"或"继续用药",然后进行加权生存分析。
  • 结果:PNU 估计的 MRR = 1.41(95% CI: 1.37-1.45),CCW 估计的 MRR = 1.55(95% CI: 1.45-1.66)。两者都表明停药增加死亡风险,但 CCW 的效应估计更大,且置信区间更宽。
  • 这个例子想说明什么:在真实数据中,两种方法给出的答案方向一致但大小不同。作者强调,研究者不能简单地说"停药有害",而必须明确"对谁有害"——是"实际停药者"(PNU)还是"全体合格者"(CCW)。

🔎 结论是否比证明窄

是。作者在摘要和结论中声称"两种方法在调整所有混杂因素时均无偏",但这一结论仅基于模拟研究,且模拟中的 DGP 是作者自己设定的。在真实数据中,无法验证无偏性,因为真实的反事实不可观测。此外,作者在讨论中承认:

  • "Our simulations assumed that all confounders were measured and correctly modeled"——这是一个强假设,实际中几乎不可能满足。
  • "We did not consider time-varying confounding or competing risks"——这些是停药研究中常见的问题,但本文未涉及。

因此,结论的适用范围比论文标题暗示的要窄:本文的结论是"在无未测量混杂、无 time-varying confounding 的条件下,两种方法各自无偏",而非"两种方法在实际应用中均无偏"。作者在讨论部分对此有明确表述,但摘要和结论的措辞可能让读者高估结论的普适性。


四、开放问题

以下开放问题均扎根于本文的具体表述:

  1. 如何扩展到时变混杂(time-varying confounding)场景? 作者在讨论中承认("We did not consider time-varying confounding"),但未给出解决方案。要证什么:在存在时变混杂时,PNU 和 CCW 的估计量是否仍然对应各自的目标试验?CCW 的审查权重是否需要扩展为 g-methods(如 marginal structural models)?扎根点:Discussion 部分关于局限性的段落。

  2. 如何处理竞争风险(competing risks)? 停药后死亡可能与其他事件(如住院、转入护理机构)竞争。要算什么:在竞争风险存在时,PNU 和 CCW 的估计量是否仍然无偏?是否需要引入 subdistribution hazard 模型?扎根点:Discussion 部分关于"we did not consider competing risks"的表述。

  3. 效应异质性的来源是什么? 作者展示了 PNU 和 CCW 在效应异质性存在时给出不同估计,但没有分析异质性的来源(如年龄、合并症、用药史)。要估什么:在哪些亚组中,PNU 和 CCW 的差异最大?这些亚组特征是否可用于指导方法选择?扎根点:模拟研究中关于"treatment effect heterogeneity"的设定。

  4. PNU 的"实际停药者"定义是否稳健? 作者用"至少 5 年持续用药后停药"来定义 PNU 人群,但这个定义是任意的。要证什么:如果改变持续用药年限(如 3 年或 7 年),PNU 的估计量会如何变化?是否存在一个"最优"定义?扎根点:Methods 部分关于 PNU 人群定义的描述。

  5. 两种方法的效率比较:CCW 的置信区间更宽(有效样本量更小),但作者没有给出理论上的效率分析。要算什么:在给定 DGP 下,PNU 和 CCW 的渐近方差之比是多少?是否存在一个 DGP 下,一种方法严格优于另一种?扎根点:实证分析中关于置信区间宽度的讨论。


提醒:要确认上述某条是否是真 gap,建议去读药物流行病学中目标试验模拟子领域近期约 5 篇论文的引言(例如 Pharmacoepidemiology and Drug Safety 或 American Journal of Epidemiology 2023-2025 年的相关文章)。如果多篇都指向同一个问题(如"时变混杂下的停药效应估计"),那大概率是共识性 gap;如果各篇说法不一,则可能是机会所在。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论