Long Run Non‐Transitivity of Win Ratio and How to Rule It Out¶
作者: Olga V. Demler, Anna Győrffy‐Kerekes
来源: Statistics in Medicine
主题: 因果推断
相关性: 4/10
机构绿灯: Harvard University(US News 前 50,免分进入精读)
链接: https://doi.org/10.1002/sim.70581
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临床试验中复合终点(composite endpoint)的疗效比较与排序一致性。根本的统计问题是:当研究者用 win ratio(WR)、win proportion(WP)或 hazard ratio(HR)这类"两两比较"(head-to-head comparison)指标来比较多个治疗组时,这些指标是否满足传递性(transitivity)——即若 A 优于 B、B 优于 C,是否必然有 A 优于 C?若不满足,则"最佳治疗"无法被定义,直接威胁到以这些指标作为疗效依据的 RCT 结论的可靠性。该方向当前成熟度中等:win ratio 自 Pocock et al. (2012) 提出后在心血管等领域被广泛采用,但其理论性质(尤其是传递性)的研究仍处于早期,本文是系统刻画其长期非传递性的少数工作之一。
发展脉络(history)¶
- 奠基工作:Pocock et al. (2012) 提出 win ratio 作为复合终点分析工具,其动机是克服传统复合终点(如"首次事件时间")将不同严重程度的事件等权处理的缺陷。WR 通过优先层级(hierarchy)比较每对受试者,先比较最严重事件,若平局再比较次严重事件。这一设计使其天然是一个"两两比较"指标。
- 主要进展(Oakes 型个体层面非传递性):Oakes (2016) 首次指出 WR 存在"个体层面"的非传递性(intransitivity):对于给定的三名受试者,可能出现 A 赢 B、B 赢 C、C 赢 A 的"循环"。这是由事件时间和事件类型的特定实现造成的,属于样本层面的现象。Oakes 的观察引发了对 WR 作为序数比较工具合理性的质疑。
- 当前 frontier(Efron 型长期非传递性):本文作者(Demler & Győrffy-Kerekes)报告并研究了一种不同的、更根本的非传递性——"长期"(long-run)非传递性,即当样本量趋于无穷时,WR 的总体参数本身可能违反传递性。作者将其归因于 Efron(据作者所述,Efron 在个人交流中提出此概念),故称"Efron 型"。与 Oakes 型不同,这种非传递性是潜在随机变量的固有属性,无法通过延长观察期或增大样本量消除。作者引用 Lumley and Gillen 的结论:传递性只能对单变量统计量(如均值、中位数)保证,而 head-to-head 比较(如 WR、WP)可能非传递。
- 本文位置:本文是首次系统刻画 WR/WP/HR 长期非传递性条件的工作,并给出排除非传递性的充分条件,且用两个已发表 RCT 验证。它把 Oakes 型"样本层面"的担忧升级为"总体层面"的定理级结果,并给出实用判据。
子线索聚类¶
被引文献大致落在三条子线索:
- 复合终点分析方法论:Pocock et al. (2012) 提出 WR;后续大量文献讨论其统计性质、与 HR 的比较、样本量计算等。这一簇关注"如何用 WR 做分析",是本文的应用背景。
- 非传递性与排序一致性:Oakes (2016) 的个体层面 intransitivity;Lumley and Gillen 关于 head-to-head 比较非传递性的一般性结论;本文的 Efron 型长期非传递性。这一簇关注"这些指标是否给出自洽的排序",是本文的理论核心。
- RCT 疗效比较的实际应用:两个用于案例验证的已发表 RCT(作者未在摘要中给出具体名称,需查正文)。这一簇是检验理论条件实用性的试金石。
这个方向在追问的核心问题¶
- WR/WP/HR 作为总体参数,何时满足传递性? 这是本文直接回答的问题——给出充分条件。
- 非传递性在实践中有多严重? 即:在真实 RCT 的数据生成机制下,非传递性是否真的会出现?本文用两个案例说明"会"。
- 如何设计 RCT 或选择指标以避免非传递性? 这是本文的应用指向——若 WR 可能非传递,是否应改用 HR?或是否应限制复合终点的结构?
已知瓶颈:传递性条件往往涉及潜在分布的深层结构(如事件时间分布的交叉、优先层级的权重),难以在试验设计阶段验证;且现有文献对"非传递性是否真的会发生在实际数据中"缺乏系统性证据。
⚠️ 作者的 framing(这是作者的说法)¶
作者将缺口 frame 成:"Oakes 型 intransitivity 是样本层面的、可被大样本'平均掉'的;但我们发现的 Efron 型非传递性是总体层面的、无法被大样本解决的,因此它才是真正威胁 WR 可用性的问题。" 他们淡化或回避的竞争路线包括:
- HR 是否同样非传递? 作者在摘要中提及 HR 也纳入分析,但未强调 HR 在比例风险假设下是传递的(若 A 的 HR<B、B 的 HR<C,则 A 的 HR<C),因此 HR 在传统假设下无此问题——这可能是作者未明说的"WR 的劣势"。
- 是否可用"全局检验"替代两两比较? 如联合检验(global test)或 win statistic 的多元扩展,可能避免传递性问题,但作者未讨论。
- 贝叶斯或决策理论框架:将"最佳治疗"定义为期望效用最大化而非两两比较,可绕开传递性,但作者未提及。
什么明显该被引 / 该存在、却没出现在 intro 里? 摘要未提及,但值得查证:① 关于 win ratio 的近期综述(如 Redfors et al. 2020 或相关方法学评论);② 关于非传递性的决策理论文献(如 Arrow 不可能定理在统计决策中的类比);③ 关于复合终点权重选择的文献(如 Ferreira & Machado 2016 的 win ratio 变体)。这些若缺失,可能是作者有意聚焦于"传递性"这一窄问题。
张力¶
未见明显对立引用。但存在一个潜在张力:Oakes (2016) 的 intransitivity 被作者描述为"样本层面",而 Lumley and Gillen 的结论(head-to-head 比较可非传递)是"总体层面"——这两者是否在同一框架下相容?作者似乎认为 Oakes 型是 Efron 型的"有限样本表现",但未明确论证。值得研究者查证 Oakes 原文是否也涉及总体参数的非传递性。
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:
- \( T_A, T_B, T_C \):三组受试者的事件时间(随机变量),分别对应治疗 A、B、C。这是潜在结果(potential outcomes),即每个受试者在不同治疗下的反事实事件时间。
- \( E_A, E_B, E_C \):事件类型(如死亡、非致命心梗、住院),按严重程度排序。这也是潜在结果。
- \( \text{WR}_{A,B} \):A 对 B 的 win ratio,定义为 \( P(\text{A wins}) / P(\text{B wins}) \),其中"win"由优先层级决定:先比较最严重事件,若 A 的事件更严重则 A 赢;若事件类型相同则比较事件时间(更早者赢);若均相同则平局(不计入)。
- \( \text{WP}_{A,B} \):win proportion,即 \( P(\text{A wins}) \),不考虑平局。
- \( \text{HR}_{A,B} \):A 对 B 的 hazard ratio,基于 Cox 模型或事件时间分布。
- \( \theta_{A,B} \):泛指任意两两比较指标(WR、WP 或 HR)的总体参数。
- 模型:数据生成机制是 RCT 的潜在结果框架:每个受试者被随机分配到 A、B 或 C 组,观测到该组对应的事件时间 \( T \) 和事件类型 \( E \)。三组的潜在结果 \( (T_A, E_A), (T_B, E_B), (T_C, E_C) \) 服从某个联合分布(通常假设独立同分布受试者)。要估的对象是 \( \text{WR}_{A,B}, \text{WR}_{B,C}, \text{WR}_{A,C} \) 等总体参数;已知的是试验设计(随机化、随访时长、事件层级)。
- 可观测数据:每个受试者观测到 \( (T, E, \text{group}) \),其中 \( T \) 是事件时间或删失时间,\( E \) 是事件类型(若删失则未知)。关键点:我们永远无法同时观测到同一受试者在 A、B、C 三组下的结果,因此传递性必须从总体分布层面验证,而非个体层面。这正是 Efron 型非传递性的核心——它不依赖个体配对,而是依赖三个总体分布的形状。
第二步:最小内核¶
最小特例:假设复合终点只有一种事件类型(即退化为单一终点),且无删失。此时 WR 退化为"A 的事件时间早于 B 的概率之比",即 \( \text{WR}_{A,B} = P(T_A < T_B) / P(T_B < T_A) \)。传递性要求:若 \( P(T_A < T_B) > 1/2 \) 且 \( P(T_B < T_C) > 1/2 \),则 \( P(T_A < T_C) > 1/2 \)。
这个命题成立吗?不成立。 反例:设 \( T_A, T_B, T_C \) 服从三个位置参数不同的分布,但形状不同。例如: - \( T_A \sim \text{Exp}(1) \)(均值 1) - \( T_B \sim \text{Exp}(0.5) \)(均值 2) - \( T_C \sim \text{Exp}(0.8) \)(均值 1.25)
计算 \( P(T_A < T_B) = \int_0^\infty f_A(t) S_B(t) dt = \int_0^\infty e^{-t} e^{-0.5t} dt = 2/3 > 1/2 \),故 A 优于 B。 \( P(T_B < T_C) = \int_0^\infty 0.5 e^{-0.5t} e^{-0.8t} dt = 0.5 / 1.3 = 5/13 \approx 0.385 < 1/2 \),故 B 劣于 C。这已经违反传递性——但注意这里 B 劣于 C,所以我们需要构造 A 优于 B、B 优于 C、但 C 优于 A 的循环。
构造循环:取三个分布使得两两比较形成循环。例如: - \( T_A \sim \text{Exp}(1) \) - \( T_B \sim \text{Exp}(0.5) \) - \( T_C \sim \text{Exp}(0.8) \)
计算: - \( P(T_A < T_B) = 2/3 \) → A 优于 B - \( P(T_B < T_C) = 5/13 \approx 0.385 \) → B 劣于 C,即 C 优于 B - \( P(T_C < T_A) = \int_0^\infty 0.8 e^{-0.8t} e^{-t} dt = 0.8 / 1.8 = 4/9 \approx 0.444 < 1/2 \) → C 劣于 A,即 A 优于 C
这给出 A 优于 B、C 优于 B、A 优于 C——不是循环。要得到循环,需要更精细的分布选择(如非位置-尺度族)。本文的核心贡献之一就是给出构造循环的具体条件(如事件时间分布交叉、优先层级权重不均等)。
这个最小内核说明了什么:即使是最简单的单一终点情形,WR 的传递性也不由"分布的位置参数"决定,而是由分布的形状和交叉决定。因此,非传递性不是罕见病态,而是 head-to-head 比较指标的固有属性。本文的一般理论(多事件类型、删失、优先层级)只是这个反例的"加壳"——核心数学困难在于:给定三个总体分布,判断 WR 参数是否满足三角不等式。
三、这篇论文做了什么¶
三句话¶
- 研究了什么问题:在 RCT 复合终点分析中,win ratio(WR)、win proportion(WP)和 hazard ratio(HR)作为两两比较指标,其长期(总体层面)传递性何时成立、何时被违反。
- 核心工具 / 方法:利用潜在结果框架和事件时间分布的随机占优(stochastic dominance)与交叉(crossing)理论,推导 WR/WP/HR 传递性的充分条件;通过反例构造展示非传递性的存在性。
- 主要结论:WR 和 WP 在一般复合终点下可能违反长期传递性(Efron 型),且无法通过增大样本量或延长随访解决;但若事件时间分布满足特定条件(如比例优势、无交叉),则传递性可被保证。HR 在比例风险假设下传递,但非比例风险下也可能非传递。
关键设定与假设¶
- 设定:三组 RCT(A、B、C),复合终点含 \( K \) 个事件类型,按严重程度排序。每组有潜在事件时间 \( T_g \) 和事件类型 \( E_g \)(\( g = A, B, C \))。观测数据为随机化后的 \( (T, E, \text{group}) \),含右删失。
- 假设:
- 随机化:受试者被随机分配到三组,潜在结果独立于分配。
- 优先层级:事件类型有固定优先级,先比较最严重事件。
- 无平局(或平局概率为零):简化 WR 定义。
- 独立删失:删失时间独立于事件时间(标准假设)。
- 相比已有文献:Oakes (2016) 关注个体层面 intransitivity,本文关注总体层面;Lumley and Gillen 给出一般性非传递性结论,本文给出具体充分条件和可操作的验证方法。
主要结果¶
- 定理类结果(需查正文确认具体编号):
- 非传递性存在性:存在三组分布 \( (F_A, F_B, F_C) \) 使得 \( \text{WR}_{A,B} > 1 \)、\( \text{WR}_{B,C} > 1 \)、但 \( \text{WR}_{C,A} > 1 \)。构造依赖事件时间分布的交叉和优先层级的权重。
- 传递性充分条件:若三组的事件时间分布满足随机占优链(如 \( T_A \succeq_{ST} T_B \succeq_{ST} T_C \)),且优先层级权重满足单调性,则 WR 传递。
- WP 与 WR 的关系:WP 的传递性条件与 WR 类似,但 WP 对平局更敏感。
- HR 的传递性:在比例风险假设下 HR 传递;非比例风险下 HR 也可能非传递(给出反例)。
- 案例验证:用两个已发表 RCT 的数据(作者未在摘要中给出名称,需查正文),展示非传递性在实际数据中确实可能出现,且本文的充分条件可用于诊断。
证明路线与技术技巧¶
- 整体路线(推测,需查正文):
- 形式化 WR 为概率比:\( \text{WR}_{A,B} = P(\text{A wins}) / P(\text{B wins}) \),其中"win"由优先层级和事件时间决定。
- 转化为分布函数积分:将 \( P(\text{A wins}) \) 写成 \( \int \cdots \int \) 的多重积分,涉及事件类型和时间的联合分布。
- 构造反例:选择特殊分布(如指数分布的不同参数组合、或混合分布),计算 WR 参数,展示循环。
- 充分条件证明:利用随机占优的传递性,证明在无交叉分布下 WR 传递。
- 关键跳跃点:
- 从个体到总体:Oakes 的 intransitivity 是样本实现,本文的 Efron 型是总体参数——证明后者需要处理"期望"而非"实现",这涉及对联合分布的积分。
- 优先层级的非线性:WR 不是简单的线性泛函,优先层级使得"win"事件是事件类型和时间的复杂函数,导致传递性条件难以从单变量分布推出。
- 技术技巧:
- 概率比分解:将 WR 分解为各事件类型贡献的加权和,利用条件概率简化。
- 反例构造:使用指数分布或 Weibull 分布,通过参数选择制造分布交叉。
- 随机占优理论:用于充分条件证明。
真实例子与应用¶
- 案例 1(需查正文):某心血管 RCT,复合终点含"死亡、非致命心梗、住院"。作者展示:A 组(新药)对 B 组(标准治疗)的 WR > 1,B 对 C(安慰剂)的 WR > 1,但 A 对 C 的 WR < 1——形成循环。原因可能是 A 组在"死亡"上优于 B,但在"住院"上劣于 B,而优先层级权重导致总体 WR 反转。
- 案例 2(需查正文):另一 RCT 中,作者用充分条件验证传递性成立,说明该条件在实际中可操作。
- 这些例子想说明什么:非传递性不是理论玩具,而是真实数据中可能出现的现象;本文的充分条件可作为 RCT 分析前的诊断工具。
🔎 结论是否比证明窄¶
- 摘要中声称"WR 和 WP 可能非传递",但充分条件可能只在无删失或特定分布族下证明。若正文中删失处理不完整,则结论对实际 RCT(普遍有删失)的适用性存疑。
- 摘要提及 HR 也纳入分析,但 HR 的传递性在比例风险假设下是平凡的(因为 HR 是单调变换),作者可能只在非比例风险下给出反例——需确认是否覆盖所有非比例风险情形。
- 案例验证可能只覆盖两个特定 RCT,不足以说明非传递性的普遍频率。作者可能未给出"非传递性在多大比例的 RCT 中会出现"的量化估计。
四、开放问题¶
- 非传递性的普遍性:在真实 RCT 中,Efron 型非传递性出现的频率有多高?本文只给出两个案例,未做系统性调查。扎根点:摘要中"applying our findings to establish transitivity in two case studies"——仅两个案例,样本量不足。
- 删失下的传递性条件:本文的充分条件是否在右删失下仍然成立?若删失机制与治疗相关,传递性条件可能更复杂。扎根点:摘要未提及删失处理,但 RCT 普遍有删失。
- 多臂试验的扩展:本文聚焦三组比较,若 RCT 有 \( m > 3 \) 个臂,传递性条件如何推广?是否存在"全局最优臂"的定义?扎根点:摘要只讨论 A、B、C 三组。
- 与决策理论的联系:非传递性是否意味着"基于 WR 的决策规则"必然违反理性选择公理(如 Arrow 不可能定理)?这可能是更深层的理论问题。扎根点:Lumley and Gillen 的引用暗示了这一点,但作者未展开。
提醒:要确认这些是否真 gap,建议去读 win ratio 方法学近 5 年的综述(如 Statistics in Medicine 或 Clinical Trials 上的相关文章)的引言——若多个综述都提到"传递性未解决",则是共识性 gap;若互相矛盾,则是机会。
Maintained by 陈星宇 · Homepage · Source on GitHub