跳转至

What is estimated in cluster randomized crossover trials with informative sizes? A survey of estimands and common estimators

作者: Kenneth M Lee, Andrew B Forbes, Jessica Kasza, Andrew Copas, Brennan C Kahan et al.
来源: Statistical Methods in Medical Research
主题: 因果推断
相关性: 6/10
机构绿灯: University of Pennsylvania(US News 前 50,免分进入精读)
链接: 期刊页 · arXiv


一、领域脉络与小综述

这个方向是什么

本文属于整群随机试验(Cluster Randomized Trials, CRT)的因果推断方法论这一子领域,其核心科学问题是:当试验设计具有多时期结构(如交叉设计、阶梯楔形设计)且群大小(cluster size)携带信息时,不同的统计估计量究竟在估计什么因果参数?该问题的根本困难在于——在整群随机试验中,干预分配的单位是群(cluster),而推断的目标往往是个体(individual),当群大小与潜在结果或处理效应相关时(即"信息性群大小",informative cluster size),不同加权方案会对应不同的因果 estimand,而常见的统计模型(如混合效应模型)可能收敛到没有任何实际意义的参数。该子领域目前处于方法论成熟期:已有大量关于 P-CRT 和阶梯楔形设计(SW-CRT)中 estimand 定义与估计量一致性的研究,但针对交叉设计(crossover)中多时期结构带来的额外 estimand 复杂性(如时期加权)的研究尚属空白。

发展脉络

  • 奠基工作:Kahan et al. (2023) [1] 系统定义了整群随机试验中的两类核心 estimand——个体平均处理效应(iATE)和群平均处理效应(cATE),并指出在信息性群大小下二者会不同。这是本文的理论起点,本文将其扩展到了多时期交叉设计。
  • 主要进展:Wang et al. (2022) [15] 提出"两个权重会出错"(two weights make a wrong)的警示,指出在 GEE 框架下同时使用群大小权重和相关性权重会导致估计量既不收敛于 iATE 也不收敛于 cATE。Lee & Li (2024) [18] 将 estimand 分析扩展到带基线期的平行整群随机试验(PB-CRT),发现混合效应模型在信息性群大小下可能不一致,但经验上偏差较小。
  • 当前 frontier:Chen & Li (2025) [10] 在阶梯楔形设计中引入了加权平均处理效应 estimand 的统一框架(wATE),本文直接继承这一框架并将其应用于 CRXO 设计。同时,Ouyang et al. (2023) [18] 关于稳健方差估计量的工作为本文的推断方法提供了工具基础。
  • 本文的位置:本文是这一脉络的自然延伸——将 estimand 分析从 P-CRT 和 PB-CRT 推进到 CRXO 设计,首次系统定义了四种加权 estimand(iATE、cATE、cpATE、pATE),并给出了常见估计量(IEE、FE、EME、NEME 及其加权版本)在这些 estimand 下的一致性结果。

子线索聚类

  1. Estimand 定义与识别:Kahan et al. (2023) [1]、Kahan et al. (2022) [8]、Chen & Li (2025) [10]——这条线索关注如何用潜在结果框架精确定义不同加权方案下的因果参数,以及这些参数何时相等、何时不同。
  2. 估计量的一致性分析:Wang et al. (2022) [15]、Lee & Li (2024) [18]、本文——这条线索关注常见统计模型(GEE、混合效应、固定效应)在信息性群大小下收敛到哪个参数,以及加权方案如何改变收敛目标。
  3. 推断方法:Pustejovsky & Tipton (2016) [4]、Ouyang et al. (2023) [18]——这条线索关注小样本下稳健方差估计量的表现,为本文的模拟研究提供了方法学支撑。
  4. 试验设计与报告:Arnup et al. (2017) [10]、McKenzie et al. (2025) [19]、Young et al. (2020) [6]——这条线索关注 CRXO 设计的实际应用与报告规范,本文的案例研究(PEPTIC 试验)属于此类。

这个方向在追问的核心问题

  1. 估计量到底在估计什么? 在信息性群大小下,未加权的 IEE、FE、EME、NEME 分别收敛到哪个 estimand?这是本文的核心问题。
  2. 加权能否修复一致性? 逆群大小加权、逆时期大小加权、逆群-时期大小加权能否使估计量收敛到对应的加权 estimand?在什么条件下可以?
  3. 混合效应模型的"黑箱"问题:NEME 模型在信息性群大小下收敛到难以解释的加权 estimand,其权重依赖于未知的 ICC 参数——这是否意味着该模型在实践中的使用需要重新审视?
  4. 如何检测信息性群大小? 本文明确承认未提出正式的统计检验,这为后续研究留下了空间。

⚠️ 作者的 framing(必须明确标注成"这是作者的说法")

作者将本文定位为"首次在 CRXO 设计中系统定义四种加权 estimand 并分析常见估计量一致性"的工作,强调"这是第一篇引入所有四种 estimand 的 CRXO 论文"。作者将 NEME 模型在信息性群大小下的不一致性描述为"令人惊讶的结果",并据此建议实践者在怀疑信息性群大小时优先使用 IEE 及其加权版本。作者还提出了一个实用的分析流程:先检查群大小分布,再根据目标 estimand 选择估计量。注意:这是作者自己的 framing,是否真的"首次"、NEME 的不一致性是否真的"令人惊讶",需要你自己判断。

张力

未见明显对立引用。但值得注意的是,Lee & Li (2024) [18] 在 PB-CRT 中发现 EME 模型对信息性群大小"惊人地稳健",而本文发现 NEME 模型在 CRXO 设计中不一致——这两个结果之间的张力(为什么 EME 稳健而 NEME 不一致?)值得深究。此外,Wang et al. (2022) [15] 对"两个权重"的警告与本文对加权估计量的推荐之间存在微妙的关系:本文的加权方案是"一个权重"(要么群大小、要么时期大小、要么群-时期大小),而非同时使用多个权重,这可能是避免"两个权重"陷阱的关键。


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:

符号 含义 类型
\(i = 1, \dots, I\) 群(cluster)索引 样本单位
\(j = 1, 2\) 时期(period)索引 时间维度
\(k = 1, \dots, K_{ij}\) 个体(individual)索引 嵌套在群-时期单元内
\(S_i \in \{0, 1\}\) 群 \(i\) 的序列分配(\(S_i=1\) 表示先治疗后对照,\(S_i=0\) 反之) 随机化变量
\(X_{ij} \in \{0, 1\}\) 群 \(i\) 在时期 \(j\) 的治疗指示 处理变量
\(Y_{ijk}(z)\) 个体 \(k\) 在群 \(i\)、时期 \(j\) 的潜在结果 潜在结果
\(Y_{ijk}\) 观测结果 可观测
\(K_{ij}\) 群 \(i\) 在时期 \(j\) 的个体数 可观测(随机)
\(\delta\) 处理效应参数 待估
\(\Phi_j\) 时期效应 待估
\(\alpha_i\) 群随机截距 随机效应
\(\gamma_{ij}\) 群-时期随机交互 随机效应
\(\sigma^2_w, \tau^2_\alpha, \tau^2_\gamma\) 残差、群、群-时期方差分量 方差参数
\(\rho_{wp}, \rho_{bp}\) 期内、期间 ICC 衍生参数

模型设定(以 NEME 模型为例,式 9):

\[Y_{ijk} = X_{ij}\delta + \Phi_j + \alpha_i + \gamma_{ij} + e_{ijk}, \quad \alpha_i \sim N(0, \tau^2_\alpha), \quad \gamma_{ij} \sim N(0, \tau^2_\gamma), \quad e_{ijk} \sim N(0, \sigma^2_w)\]

可观测数据:\(\{(Y_{ijk}, X_{ij}, K_{ij}, S_i) : i=1,\dots,I, j=1,2, k=1,\dots,K_{ij}\}\)

关键假设: 1. SUTVA:无干扰,且 \(Y_{ijk} = Y_{ijk}(X_{ij})\)(一致性) 2. 随机化:\(S_i \perp\!\!\!\perp \Omega\),其中 \(\Omega = \{Y_{ijk}(0), Y_{ijk}(1), K_{ij}\}_{i,j,k}\) 为所有潜在结果和群大小的集合 3. 交叉设计的特殊结构:每个群在两个时期分别接受治疗和对照(\(X_{i1} = S_i\),\(X_{i2} = 1 - S_i\)),因此每个群贡献两个时期的观测

四种 estimand 的定义(式 2-5):

  • iATE(个体平均):\(E\left[\frac{\sum_{j=1}^2 \sum_{k=1}^{K_{ij}} [Y_{ijk}(1) - Y_{ijk}(0)]}{\sum_{j=1}^2 K_{ij}}\right]\)——每个个体等权
  • cpATE(群-时期平均):\(E\left[\frac{1}{2}\sum_{j=1}^2 \frac{\sum_{k=1}^{K_{ij}} [Y_{ijk}(1) - Y_{ijk}(0)]}{K_{ij}}\right]\)——每个群-时期单元等权
  • cATE(群平均):\(E\left[\frac{\sum_{j=1}^2 \sum_{k=1}^{K_{ij}} [Y_{ijk}(1) - Y_{ijk}(0)]}{\sum_{j=1}^2 K_{ij}}\right]\)——每个群等权(注意与 iATE 的区别在于分母是群内总人数而非个体总数)
  • pATE(时期平均):\(E\left[\frac{1}{2}\sum_{j=1}^2 \frac{\sum_{i=1}^I \sum_{k=1}^{K_{ij}} [Y_{ijk}(1) - Y_{ijk}(0)]}{\sum_{i=1}^I K_{ij}}\right]\)——每个时期等权

第二步:最小内核

最小内核:考虑一个只有 2 个群、2 个时期的 CRXO 设计。群 1 被分配到序列 \(S_1=1\)(时期 1 治疗、时期 2 对照),群 2 被分配到序列 \(S_2=0\)(时期 1 对照、时期 2 治疗)。假设每个群-时期单元有 \(K_{ij}\) 个个体,且处理效应是常数 \(\delta\)(即 \(Y_{ijk}(1) - Y_{ijk}(0) = \delta\) 对所有 \(i,j,k\) 成立)。

在这个极端简化的设定下,四种 estimand 分别为:

  • \(\text{iATE} = \delta\)(因为每个个体的处理效应都是 \(\delta\))
  • \(\text{cpATE} = \delta\)
  • \(\text{cATE} = \delta\)
  • \(\text{pATE} = \delta\)

关键观察:当处理效应是常数时,所有 estimand 相等。信息性群大小的问题只有在处理效应异质性(treatment effect heterogeneity)存在时才出现。

现在引入处理效应异质性:假设群 1 的处理效应为 \(\delta_1\),群 2 的处理效应为 \(\delta_2\),且 \(\delta_1 \neq \delta_2\)。进一步假设群 1 的规模较大(\(K_{11} = K_{12} = 100\)),群 2 的规模较小(\(K_{21} = K_{22} = 10\))。此时:

  • \(\text{iATE} = \frac{100\delta_1 + 100\delta_1 + 10\delta_2 + 10\delta_2}{220} = \frac{200\delta_1 + 20\delta_2}{220} = \frac{10\delta_1 + \delta_2}{11}\)
  • \(\text{cpATE} = \frac{1}{2}\left(\delta_1 + \delta_2\right)\)
  • \(\text{cATE} = \frac{1}{2}\left(\delta_1 + \delta_2\right)\)(因为每个群等权)
  • \(\text{pATE} = \frac{1}{2}\left(\delta_1 + \delta_2\right)\)(因为每个时期等权)

核心洞察:iATE 对大规模群的处理效应赋予更大权重,而 cpATE、cATE、pATE 对所有群(或群-时期单元)等权。当处理效应与群大小相关时(即信息性群大小),这些 estimand 会不同。

估计量收敛到哪个 estimand? 考虑未加权的 IEE 估计量(即普通最小二乘回归 \(Y \sim X + \Phi\))。在 2 群 2 时期的设计中,IEE 估计量可以写成:

\[\hat{\delta}_{\text{IEE}} = \frac{1}{2}\left[(\bar{Y}_{11} - \bar{Y}_{22}) + (\bar{Y}_{21} - \bar{Y}_{12})\right]\]

其中 \(\bar{Y}_{ij}\) 是群 \(i\) 时期 \(j\) 的均值。这个估计量的概率极限是:

\[\text{plim } \hat{\delta}_{\text{IEE}} = \frac{1}{2}\left[(\delta_1 + \text{period effect}) + (\delta_2 + \text{period effect})\right] = \frac{\delta_1 + \delta_2}{2}\]

注意:IEE 估计量收敛到 cATE(或 cpATE),而不是 iATE!这是因为 IEE 在群层面做比较,每个群贡献一个"群均值差",因此每个群等权。

这就是本文的核心洞察:在 CRXO 设计中,未加权的 IEE 估计量天然收敛到群平均 estimand(cATE 或 cpATE),而不是个体平均 estimand(iATE)。如果研究者想要估计 iATE,就需要使用逆群大小加权(IEEcw)或逆群-时期大小加权(IEEcpw)。

为什么 NEME 模型不一致? NEME 模型(式 9)的 GLS 估计量会赋予每个群-时期单元一个权重,该权重取决于群-时期单元的大小以及 ICC 参数。当群大小与处理效应相关时,这些权重会使得估计量收敛到一个"数据依赖"的加权 estimand,其权重既不是等权(cATE),也不是个体加权(iATE),而是介于两者之间且依赖于未知 ICC 的复杂函数。这就是为什么 NEME 在信息性群大小下不一致——它收敛到的参数本身没有清晰的含义。

这个最小内核揭示了本文的全部数学本质:估计量的一致性取决于其隐含的加权方案,而信息性群大小使得不同加权方案对应不同的 estimand。本文的贡献在于系统梳理了这些对应关系,并给出了实践指导。


三、这篇论文做了什么

三句话

  1. 研究了什么问题:在 2 时期交叉设计的整群随机试验中,当群大小、时期大小或群-时期大小携带信息时,未加权和加权的 IEE、FE、EME、NEME 估计量分别收敛到哪个因果 estimand(iATE、cATE、cpATE、pATE)?
  2. 核心工具/方法:潜在结果框架下的 estimand 定义(wATE 统一框架)+ 估计量的概率极限推导(利用设计矩阵的代数结构和随机化假设)+ 蒙特卡洛模拟验证。
  3. 主要结论:IEE 及其加权版本(IEEcw、IEEcpw、IEEpw)分别一致地估计 iATE、cATE、cpATE、pATE;FE 和 EME 在特定条件下(如群-时期大小固定)也一致;但 NEME 及其加权版本在信息性群大小下收敛到难以解释的数据依赖加权 estimand,可能产生严重偏差。

关键设定与假设

  • 设计:2 时期、2 序列、横断面(cross-sectional)CRXO 设计,\(I\) 个群等概率随机分配到两个序列。
  • 潜在结果:\(Y_{ijk}(z)\),\(z \in \{0,1\}\),满足 SUTVA。
  • 随机化:\(S_i \perp\!\!\!\perp \Omega\),其中 \(\Omega = \{Y_{ijk}(0), Y_{ijk}(1), K_{ij}\}\)。
  • 模型:连续结果,线性模型。NEME 模型假设 \(Y_{ijk} = X_{ij}\delta + \Phi_j + \alpha_i + \gamma_{ij} + e_{ijk}\),其中 \(\alpha_i \sim N(0, \tau^2_\alpha)\),\(\gamma_{ij} \sim N(0, \tau^2_\gamma)\),\(e_{ijk} \sim N(0, \sigma^2_w)\)。
  • 信息性大小的定义:处理效应与群大小、时期大小或群-时期大小相关(即 \(E[Y_{ijk}(1) - Y_{ijk}(0) | K_{ij}]\) 依赖于 \(K_{ij}\))。
  • 相比已有文献的放宽/强化:相比 P-CRT 和 PB-CRT 的 estimand 分析,本文首次引入了时期维度(pATE)和群-时期维度(cpATE),并考虑了交叉设计中"每个群在两个时期都接受治疗和对照"的特殊结构。相比 Wang et al. (2022) [15] 的"两个权重"警告,本文明确区分了"群大小权重"和"群-时期大小权重",并指出在交叉设计中需要同时考虑这两个维度的信息性。

主要结果

理论结果(表 4 总结):

估计量 一致估计的 estimand 条件
IEE(未加权) iATE 始终
IEEcw(逆群大小加权) cATE 始终
IEEcpw(逆群-时期大小加权) cpATE 始终
IEEpw(逆时期大小加权) pATE 始终
FE(固定效应) pATE 群-时期大小比例固定(\(\lambda_i = \lambda\))
FEcw cpATE 群-时期大小比例固定
FEcpw cpATE 始终
FEpw pATE 始终
EME(可交换混合效应) iATE 群-时期大小固定(\(K_{i1} = K_{i2}\))
EMEcw cATE 群-时期大小固定
EMEcpw cpATE 群-时期大小固定
NEME(嵌套可交换混合效应) 无明确 estimand 数据依赖权重,通常不一致
NEMEcw/NEMEcpw 无明确 estimand 数据依赖权重,通常不一致

关键理论贡献:

  1. IEE 的普适一致性:无论信息性大小如何,IEE 始终一致估计 iATE,IEEcw 始终一致估计 cATE,IEEcpw 始终一致估计 cpATE,IEEpw 始终一致估计 pATE。这为实践者提供了"安全"的选择。

  2. FE 和 EME 的条件一致性:FE 和 EME 在群-时期大小固定(\(K_{i1} = K_{i2}\))时一致估计 iATE,在群-时期大小比例固定(\(\lambda_i = \lambda\))时一致估计 pATE 或 cpATE。这些条件在实践中可能不成立。

  3. NEME 的不一致性:NEME 及其加权版本在信息性群大小下收敛到数据依赖的加权 estimand,其权重依赖于未知的 ICC 参数和群大小分布,通常不等于任何有意义的 estimand。这是本文最"令人惊讶"的发现。

模拟研究: - 10 群(5 群/序列)和 50 群(25 群/序列)两种设置。 - 三种场景:无非信息性大小、ICS(处理效应随群大小变化)、IPS(处理效应随时期大小变化)。 - 结果验证了理论预测:IEE 及其加权版本在对应 estimand 下无偏;NEME 在信息性大小下产生显著偏差(相对偏差可达 10-20%);FE 和 EME 在群-时期大小固定时无偏,否则有偏。

案例研究(PEPTIC 试验): - 数据:49 个 ICU(群),2 时期,比较 PPIs 与 H₂RBs 对机械通气患者住院时长(log-LOS)的影响。 - 结果:未加权 IEE 估计为 0.018(95% CI: -0.017, 0.053),IEEcw 估计为 0.040(95% CI: -0.018, 0.098),NEME 估计为 0.024(95% CI: -0.015, 0.063)。不同估计量给出不同点估计,但置信区间均包含 0,结论一致(无显著效应)。然而,点估计的差异(0.018 vs 0.040)提示可能存在 ICS。

证明路线与技术技巧

整体路线(以 IEE 为例):

  1. 写出估计量的显式表达式:\(\hat{\delta}_{\text{IEE}} = (Z'Z)^{-1}Z'Y\) 中对应 \(\delta\) 的分量。
  2. 利用随机化:\(S_i \perp\!\!\!\perp \Omega\),因此条件于 \(\Omega\),\(S_i\) 的分布已知(等概率)。
  3. 取条件期望:\(E[\hat{\delta}_{\text{IEE}} | \Omega]\) 可以写成 \(\Omega\) 中元素的函数。
  4. 取概率极限:利用大数定律,\(E[\hat{\delta}_{\text{IEE}} | \Omega]\) 收敛到某个期望值。
  5. 识别 estimand:将极限值与四种 estimand 的定义比较,确定收敛目标。

关键技巧:

  • 设计矩阵的代数操作:利用 \(Z'Z\) 和 \(Z'Y\) 的块结构,将 \(\hat{\delta}\) 写成群层面均值的线性组合。这是推导的核心技巧。
  • 条件期望的迭代:\(E[\hat{\delta}] = E[E[\hat{\delta}|\Omega]]\),先条件于 \(\Omega\) 处理随机化,再对 \(\Omega\) 取期望。
  • 对称性论证:利用随机化下 \(S_i\) 与 \(\Omega\) 的独立性,简化条件期望的计算。
  • NEME 的 GLS 权重分析:NEME 估计量是 GLS 估计量,其权重矩阵 \(V^{-1}\) 依赖于 ICC 参数。通过分析 \(V^{-1}\) 的结构,展示权重如何依赖于群-时期大小,从而解释为什么 NEME 收敛到数据依赖的 estimand。

技术难点:

  • NEME 的权重矩阵:NEME 模型的 \(V\) 矩阵具有块结构(群内相关、群-时期相关),其逆矩阵的解析表达式复杂。作者通过假设 \(K_{i1} = K_{i2}\) 简化了推导,但对于一般情况,只能给出数值结果。
  • 概率极限的推导:对于 FE 和 EME,估计量的概率极限涉及复杂的期望运算,需要仔细处理群大小与处理效应的相关性。

🔎 结论是否比证明窄

是的,存在几处"证明窄于结论"的情况:

  1. 表 4 的"始终"表述:文中对 IEE 及其加权版本的"始终一致"结论,在正文推导中实际上假设了群大小与潜在结果独立(即 \(K_{ij} \perp\!\!\!\perp Y_{ijk}(z)\))。如果群大小与潜在结果相关(例如,更大的群可能有不同的基线风险),则 IEE 的收敛目标可能不再是 iATE。作者在附录中承认了这一点,但表 4 的表述过于绝对。

  2. NEME 的"不一致"结论:文中证明 NEME 不一致的条件是群-时期大小在群内变化(\(K_{i1} \neq K_{i2}\))。如果群-时期大小固定(\(K_{i1} = K_{i2}\)),NEME 是一致的(表 4 也承认了这一点)。但正文的讨论部分将 NEME 描述为"通常不一致",这可能过度概括。

  3. 模拟验证的范围:模拟只覆盖了特定的数据生成过程(正态误差、线性模型、特定参数值),没有覆盖非线性模型、非正态误差、更复杂的相关性结构。因此,模拟结果对理论结论的验证是有限的。

  4. 案例研究的推断:案例研究仅展示了点估计的差异,未进行正式的 ICS 检验。作者承认"我们尚未提出正式的统计检验",因此案例研究只能作为"提示性"证据。


四、开放问题

  1. 正式的 ICS 检验:本文明确承认"未来工作可以聚焦于产生正式统计检验来检测有意义的 ICS 的存在"(Discussion 部分)。这是一个直接扎根于本文的开放问题——如何构造一个检验来区分 iATE 和 cATE(或 cpATE)?

  2. 扩展到多时期、多序列设计:本文仅分析了 2 时期、2 序列的 CRXO 设计。对于多时期(>2)、多序列的 CRXO 设计,四种 estimand 的定义和估计量的一致性需要重新推导。文中提到"我们主要关注最简单的 2 时期 CRXO 设计",暗示了扩展方向。

  3. 非连续结局:本文仅考虑连续结局。对于二元结局、计数结局,估计量的一致性分析需要重新进行。文中在讨论部分提到"我们的结果可以扩展到广义线性模型框架",但未给出具体推导。

  4. 信息性群大小的机制建模:本文假设群大小是外生的随机变量。如果群大小本身受处理影响(例如,治疗导致更多患者入组),则 estimand 的定义需要重新考虑。这是一个更深层的因果推断问题。

  5. NEME 模型的替代方案:既然 NEME 在信息性群大小下不一致,那么是否存在一种混合效应模型设定(例如,允许随机效应与群大小相关)能够恢复一致性?这是一个理论问题,也是实践问题。

  6. 有限样本性质:本文主要关注一致性(大样本性质)。在有限样本下(如 10 个群),各种估计量的偏差、方差和置信区间覆盖率的比较需要进一步研究。文中模拟结果暗示了这一点,但未系统分析。


提醒:要确认上述开放问题是否真的是 gap,建议去读同一子领域近期约 5 篇论文的引言和讨论部分——如果多篇论文都指向同一个问题,那很可能是共识性的 gap;如果各篇论文提出的问题互相矛盾,那可能意味着该领域尚未形成共识,机会更大。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论