On the Statistical Limitations of Landmark Analysis for Addressing Immortal Time Bias¶
作者: Fei Wan
来源: Statistics in Medicine
主题: 因果推断
相关性: 6/10
机构绿灯: Washington University in St. Louis(US News 前 50,免分进入精读)
链接: https://doi.org/10.1002/sim.70679
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观察性生存数据中的因果效应估计,具体聚焦于一个在流行病学与临床研究中被广泛使用、但统计性质长期未被严格审视的方法——landmark 分析(里程碑分析)。该方法的根本目标是解决"不朽时间偏倚"(immortal time bias):在观察性队列中,治疗状态往往随时间变化,而患者在开始治疗之前必然存活,因此若简单地将"未治疗"组定义为从未接受治疗的人,而"治疗"组定义为在随访期内某时刻开始治疗的人,则治疗组天然包含了一段"不可能死亡"的时间(即不朽时间),从而人为制造出治疗的保护效应。Landmark 分析通过固定一个里程碑时间点(如入组后 6 个月),只保留在该时间点仍无事件的患者,并按该时刻的治疗状态分组,试图消除这一偏倚。本文的贡献在于:在潜在结果框架下,严格推导了 landmark 估计量的闭式偏差表达式,证明其无法恢复目标因果效应,并量化了其功效损失。这个子方向的成熟度属于"方法已被广泛使用、但其理论性质直到近年才被系统审视"的阶段——属于典型的"流行方法 vs. 严谨理论"之间的张力地带。
发展脉络(history)¶
从 introduction 和参考文献看,这条脉络大致如下:
-
奠基工作:Suissa (2008) 在 Eur Respir J 上系统阐述了不朽时间偏倚的概念,指出在药物流行病学研究中,若未正确设定治疗时间,会严重高估治疗效果。这是该领域被广泛引用的"问题定义"之作。Levesque et al. (2010) 在 Am J Epidemiol 上进一步将不朽时间偏倚的操作性定义与多种规避策略(包括 landmark 分析、时依协变量模型等)做了梳理,是方法学综述的经典入口。这两篇构成了"问题意识"的源头。
-
主要进展:Anderson et al. (1983) 在 Biometrics 上提出了 landmark 方法的雏形(尽管当时并非为处理不朽时间偏倚而设计),其思想是"固定一个时间点,只分析在该点仍处于风险集的患者",以简化时依协变量的处理。van Walraven et al. (2004) 在 J Clin Epidemiol 上通过模拟比较了 landmark 分析与 Cox 模型在处理不朽时间偏倚时的表现,发现 landmark 分析在特定设定下偏差较小,但未给出理论解释。Mi & Hammill (2018) 在 Stat Med 上对 landmark 分析在动态治疗设定下的性质做了初步理论探索,指出其估计量对应的是一个"条件效应"而非"边际效应",但未给出闭式偏差。Putter & van Houwelingen (2022) 在 Lifetime Data Anal 上进一步讨论了 landmark 分析在竞争风险下的表现,指出其与动态预测的联系。这些工作逐步把 landmark 分析从"实用技巧"推向"需要理论审视"的位置。
-
当前 frontier:本文(Wan, 2024) 是这条线上第一个在潜在结果框架 + 分段比例风险假设下给出 landmark 估计量闭式偏差表达式的工作。它把此前分散的模拟观察(landmark 估计向零衰减、功效损失)统一到一个可解析的理论框架中,并明确指出 landmark 估计量对应的 estimand 是一个"混合效应"——参照组中混入了"从未治疗"与"晚期治疗"两类人,导致效应被稀释。这比 Mi & Hammill (2018) 的"条件效应"说法更精确,因为它给出了偏差的显式依赖关系(真实效应、治疗率、事件率)。
-
本文的位置:本文不是提出新方法,而是对已有流行方法做"负面理论结果"——证明 landmark 分析在因果推断意义下不成立,并量化其代价。这在方法学文献中属于"警示性理论"(cautionary theory),其价值在于让使用者明白:landmark 分析得到的"小效应"可能不是真实的弱效应,而是偏倚的产物。
子线索聚类¶
这些被引文献大致落在三条子线索上:
-
不朽时间偏倚的概念化与操作化(Suissa 2008; Levesque et al. 2010; Yadav & Lewis 2021):这条线在做"问题定义"——什么是不朽时间偏倚、它如何产生、有哪些规避策略。这是整个领域的入口,也是本文的动机来源。
-
Landmark 分析的方法学发展与经验评估(Anderson et al. 1983; van Walraven et al. 2004; Mi & Hammill 2018; Putter & van Houwelingen 2022):这条线在"用" landmark 方法——提出、模拟、比较、改进。本文是对这条线的理论收束。
-
时依协变量回归模型作为替代方案(Cox 1972; Therneau & Grambsch 2000; Austin 2014):这条线提供了 landmark 分析的"竞争方法"——通过扩展 Cox 模型纳入时依治疗状态来直接建模。本文在结论部分推荐了这条线的方法作为更稳健的替代。
这个方向在追问的核心问题¶
- 不朽时间偏倚到底有多大? 在什么条件下可以忽略,什么条件下会严重扭曲结论?
- Landmark 分析估计的到底是什么? 它对应的因果 estimand 是什么?与目标效应(如"治疗对所有合格患者的平均效应")有何差距?
- Landmark 分析的统计功效代价有多大? 排除早期事件和效应稀释会损失多少检验效能?
- 有没有更好的替代方法? 时依协变量模型、边际结构模型、克隆-权重-删失(clone-censor-weight)等方法在什么条件下更优?
⚠️ 作者的 framing(必须明确标注为"作者的说法")¶
作者在 abstract 和 introduction 中的 framing 是:"Landmark 分析无法恢复目标因果效应,其估计量向零衰减,且功效损失显著;因此应谨慎使用,并推荐时依回归模型作为替代。" 这是作者对证据的解读。需要注意:
- 作者把"参照组混合了从未治疗与晚期治疗"作为 landmark 分析的核心缺陷,但没有讨论:如果研究问题本身是"在里程碑时刻已存活且未治疗的患者中,开始治疗 vs 不开始治疗的效应"(即条件效应),那么 landmark 分析是否仍然"错误"?作者默认目标 estimand 是"治疗对所有合格患者的边际效应",但某些临床问题可能恰恰关心条件效应。
- 作者淡化了 landmark 分析的一个实际优势:它不需要对治疗时间做建模假设,而时依协变量 Cox 模型需要假设治疗对风险的影响形式(如即时效应 vs 延迟效应)。如果治疗效应存在延迟,时依协变量模型可能误设,而 landmark 分析对此更稳健。
- 什么明显该被引 / 该存在、却没出现在 intro 里? 作者没有引用 Hernán et al. (2016) 关于克隆-权重-删失(clone-censor-weight)方法的 Am J Epidemiol 论文——该方法正是为处理时依治疗与不朽时间偏倚而设计的、在因果推断框架下更严谨的替代方案。也没有引用 Robins & Hernán (2008) 关于边际结构模型的章节。这些是"更稳健替代方案"文献中的核心工作,作者在推荐时依回归模型时回避了这些因果推断框架下的方法。这是一个值得研究者去查的 gap:作者为什么没有讨论边际结构模型或克隆-权重-删失方法? 是因为这些方法需要更强的假设(如无未测量混杂),还是因为作者认为它们在实际中不可行?
张力¶
被引文献之间未见明显对立结论,但存在一个微妙的张力:van Walraven et al. (2004) 的模拟显示 landmark 分析在特定设定下偏差较小、表现可接受,而本文的理论结果则强调 landmark 估计"一般性地"向零衰减。这不一定是矛盾——van Walraven 的设定可能恰好处于偏差较小的参数区域(如低事件率、高治疗率),而本文的闭式表达式恰好可以解释为什么 van Walraven 看到的结果如此。这个张力本身是一个值得研究者注意的信号:它说明 landmark 分析的偏差高度依赖于具体数据生成过程,不能一概而论。
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¶
在展开本文的技术细节之前,先把记号立清楚。以下记号是理解全文的基础:
时间与事件: - \(T\):生存时间(从入组到事件发生的时间),随机变量。 - \(C\):删失时间,随机变量。 - \(\tilde{T} = \min(T, C)\):观测到的随访时间。 - \(\Delta = I(T \le C)\):事件指示符(1 = 观察到事件,0 = 删失)。 - \(t_0\):landmark 时间点(里程碑时间),研究者预先固定。
治疗状态: - \(Z(t) \in \{0, 1\}\):时刻 \(t\) 的治疗状态(1 = 已开始治疗,0 = 未治疗)。这是一个时依协变量。 - \(Z = Z(t_0)\):在 landmark 时刻的治疗状态,用于分组。 - \(A\):潜在治疗状态(在潜在结果框架下,\(A\) 可以是"最终治疗状态"或"治疗时机")。
潜在结果: - \(T^{(a)}\):在治疗状态 \(a\) 下的潜在生存时间(counterfactual survival time)。 - 本文的核心 estimand 是某种平均因果效应,如 \(E[T^{(1)}] - E[T^{(0)}]\) 或风险比。
分组与风险集: - \(\mathcal{R}(t_0) = \{i: \tilde{T}_i > t_0\}\):在 landmark 时刻仍无事件且未删失的风险集。 - \(n_1 = |\{i \in \mathcal{R}(t_0): Z_i = 1\}|\):landmark 时刻已治疗的人数。 - \(n_0 = |\{i \in \mathcal{R}(t_0): Z_i = 0\}|\):landmark 时刻未治疗的人数。
三种分析策略(本文比较的对象): 1. Naive 分析:所有患者按"最终是否接受治疗"分组,从入组开始随访。这是最粗糙的方法,包含不朽时间偏倚。 2. Exclusion 分析:排除在 landmark 时刻之前发生事件或删失的患者,但不按 landmark 时刻的治疗状态分组,而是按最终治疗状态分组。这消除了不朽时间,但引入了选择偏倚。 3. Landmark 分析:只保留 \(\mathcal{R}(t_0)\) 中的患者,按 \(Z(t_0)\) 分组,从 \(t_0\) 开始随访。
模型假设: - 分段比例风险:假设治疗对风险的影响在 \(t_0\) 前后有不同的风险比。具体地,设基线风险函数为 \(\lambda_0(t)\),治疗效应在 \([0, t_0)\) 期间的风险比为 \(HR_1\),在 \([t_0, \infty)\) 期间的风险比为 \(HR_2\)。即:
可观测数据:对每个患者 \(i\),我们观测到 \((\tilde{T}_i, \Delta_i, \{Z_i(t): t \le \tilde{T}_i\}, X_i)\),其中 \(X_i\) 是基线协变量。研究者无法观测到潜在结果 \(T^{(a)}\),也无法观测到 \(t_0\) 之后才治疗的患者在 \(t_0\) 之前的反事实状态。
第二步: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可以归结为一个简单的观察:
Landmark 分析的参照组不是"从未治疗"的人,而是"在 landmark 时刻尚未治疗"的人——这个组里混入了两类人:一类是永远不会治疗的人,另一类是会在 landmark 之后才开始治疗的人。后者("晚期治疗者")实际上也接受了治疗,只是开始得晚。因此,landmark 分析比较的是"早期治疗者 vs(从未治疗者 + 晚期治疗者)",而不是"治疗者 vs 从未治疗者"。
这个混合意味着什么?用一个最简单的二值情形来说明:
假设: - 治疗对所有患者都有保护效应(风险比 \(HR < 1\))。 - 在 landmark 时刻 \(t_0\),有 \(p\) 比例的患者已开始治疗(早期治疗者),\(q\) 比例的患者会在 \(t_0\) 之后开始治疗(晚期治疗者),\(1-p-q\) 比例的患者从未治疗。 - 晚期治疗者在 \(t_0\) 之后也享受治疗的保护效应。
那么: - Landmark 分析比较的是:早期治疗者(\(p\)) vs 未治疗者(\(1-p\),其中包含 \(q\) 的晚期治疗者)。 - 由于晚期治疗者在 \(t_0\) 之后实际上也受益于治疗,他们的风险比"从未治疗者"低。因此,参照组的平均风险被"拉低"了。 - 结果是:landmark 估计的治疗效应 = 真实效应 ×(早期治疗者的风险降低)−(参照组中晚期治疗者带来的风险降低)。这个差值小于真实效应,即效应向零衰减。
更精确地,在分段比例风险假设下,本文推导出 landmark 估计的风险比 \(\widehat{HR}_{LM}\) 满足:
(具体表达式见原文,这里只给出定性结构。)关键点是:偏差项是 \(HR_2\)、治疗率 \(p\)、事件率(通过风险函数的积分体现)的复杂函数。当 \(HR_2 = 1\)(治疗无效)时,偏差为零——这解释了为什么在零假设下 landmark 分析是"无偏"的(I 类错误率可控),但在备择假设下效应被系统性低估。
为什么这个内核重要? 因为它揭示了 landmark 分析的一个根本困境:它试图通过"固定时间点、只分析幸存者"来消除不朽时间偏倚,但代价是改变了目标人群(从"所有患者"变为"landmark 时刻的幸存者"),并且参照组不再是一个干净的"未治疗"组。 这个困境不是技术细节可以绕过的——它是 landmark 分析的定义性特征。
功效损失的来源:除了偏差,landmark 分析还因为两个原因损失功效: 1. 排除早期事件:在 \(t_0\) 之前发生事件的患者被排除,减少了事件数。 2. 效应衰减:由于估计值向零收缩,检验统计量变小。
本文的模拟显示,这两个效应叠加,使得 landmark 分析的功效可能低于同等样本量的随机试验——即使随机试验的样本量只有 landmark 分析的一半。
三、这篇论文做了什么¶
三句话¶
- 研究了什么问题:在潜在结果框架和分段比例风险假设下,系统推导了 naive、exclusion 和 landmark 三种分析策略的闭式估计量,并严格证明了 landmark 分析无法恢复目标因果效应,其估计量向零衰减。
- 核心工具 / 方法:潜在结果框架 + 分段比例风险模型 + 闭式偏差推导 + 蒙特卡洛模拟验证。
- 主要结论:Landmark 估计的偏差取决于真实效应、治疗率和事件率(零假设下无偏);landmark 分析因排除早期事件和效应衰减而显著损失功效,甚至可能劣于等样本量的随机试验;建议谨慎解读 landmark 分析的小效应,推荐时依回归模型作为替代。
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:
- 潜在结果:对每个患者,定义潜在生存时间 \(T^{(z(\cdot))}\),其中 \(z(\cdot)\) 是完整的治疗历史函数。本文假设治疗历史对生存时间的影响仅通过当前治疗状态(即"无历史效应"假设,或称为"马尔可夫性"),这是一个简化假设。
- 分段比例风险:将时间轴分为 \([0, t_0)\) 和 \([t_0, \infty)\) 两段,每段有各自的风险比 \(HR_1\) 和 \(HR_2\)。这个假设比全局比例风险更灵活,但仍然是参数化的。
- 治疗时机独立于潜在结果:给定基线协变量,治疗开始时间 \(S\) 与潜在结果独立。这是本文推导闭式表达式所必需的强假设,作者在讨论中承认:若存在"健康使用者效应"(即更健康的患者更早开始治疗),则 landmark 分析的偏差方向可能改变。
- 无删失(或独立删失):为简化推导,本文主要考虑无删失情形,在扩展中讨论独立删失。
- 与已有文献的比较:相比 Mi & Hammill (2018) 的"条件效应"说法,本文给出了显式的偏差公式;相比 van Walraven et al. (2004) 的纯模拟研究,本文提供了理论解释。但本文的假设(分段比例风险、治疗时机独立)比边际结构模型所需的假设(无未测量混杂 + 正性)更强。
主要结果¶
定理 1(naive 分析的偏差):Naive 分析(按最终治疗状态分组,从入组开始随访)的估计量 \(\widehat{HR}_{naive}\) 满足:
定理 2(exclusion 分析的偏差):Exclusion 分析(排除 landmark 前事件,但按最终治疗状态分组)消除了不朽时间,但引入了选择偏倚:排除了在 landmark 前死亡的患者,而这些患者更可能是"未治疗且高风险"的。因此,exclusion 分析可能高估或低估效应,取决于具体参数。
定理 3(landmark 分析的偏差):Landmark 分析的估计量 \(\widehat{HR}_{LM}\) 满足:
定理 4(功效损失):在局部备择假设下,landmark 分析的检验功效 \(P_{LM}\) 与等样本量随机试验的功效 \(P_{RCT}\) 满足:
证明路线与技术技巧¶
整体路线(3-5 步逻辑主干):
-
设定潜在结果与治疗时机模型:假设每个患者有一个潜在的治疗开始时间 \(S\),\(S\) 独立于潜在结果。治疗状态 \(Z(t) = I(S \le t)\)。生存时间 \(T\) 的风险函数依赖于 \(Z(t)\) 和分段风险比。
-
推导各分析的"有效估计量":对每种分析(naive、exclusion、landmark),写出其对数风险比的估计量表达式,即 \(\widehat{\beta} = \log(\text{治疗组事件率} / \text{对照组事件率})\) 的期望。
-
分解偏差来源:将 \(\widehat{\beta}\) 的期望分解为"真实效应" + "混合偏差" + "选择偏差"。混合偏差来自参照组中混入晚期治疗者;选择偏差来自排除 landmark 前事件。
-
闭式求解:在分段比例风险假设下,利用生存函数的显式表达式(指数分布或 Weibull 分布),将各偏差项写成参数(\(HR_1, HR_2, p, q, t_0\))的闭式函数。
-
功效分析:利用估计量的渐近正态性,计算检验统计量的非中心参数,进而得到功效的闭式近似。
关键技术技巧:
- 潜在结果框架的形式化:将治疗时机 \(S\) 视为一个随机变量,通过 \(S\) 的分布将"不朽时间"形式化。这是本文的理论基础。
- 分段比例风险的积分技巧:在计算生存概率时,将 \([0, t_0)\) 和 \([t_0, \infty)\) 两段的积分分开处理,利用比例风险假设得到闭式解。
- 混合分布的分解:参照组的生存函数被分解为"从未治疗者"和"晚期治疗者"两个子组的加权平均,权重由 \(q\) 决定。这是推导偏差公式的核心技巧。
- 功效的局部备择展开:在 \(\beta_2 = \log(HR_2)\) 的邻域内做一阶 Taylor 展开,将功效写成非中心参数的函数,从而得到闭式近似。
真实例子与应用¶
本文包含一个模拟研究(无真实数据):
- 数据生成:设定 \(t_0 = 6\) 个月,治疗开始时间 \(S \sim \text{Uniform}(0, 12)\),生存时间服从分段指数分布,\(HR_1 = 0.7\),\(HR_2 = 0.6\)(治疗有保护效应),事件率约 30%。
- 比较对象:naive、exclusion、landmark 三种分析,以及一个"理想"的时依 Cox 模型作为基准。
- 结果:
- Naive 分析高估效应(\(\widehat{HR} \approx 0.55\) vs 真实 \(HR_2 = 0.6\)),偏差约 8%。
- Landmark 分析低估效应(\(\widehat{HR} \approx 0.68\) vs 真实 \(HR_2 = 0.6\)),偏差约 13%,方向与 naive 相反。
- Landmark 分析的功效(在 80% 把握度设定下)比等样本量的随机试验低约 15-20 个百分点。
- 当 \(q\)(晚期治疗者比例)从 0.2 增加到 0.5 时,landmark 估计的偏差从 5% 增加到 25%。
- 模拟想说明什么:验证定理 3 和定理 4 的预测——landmark 分析的偏差方向是"向零"(保守),但代价是功效大幅下降;偏差大小对晚期治疗者比例 \(q\) 高度敏感。
🔎 结论是否比证明窄¶
- 作者在 abstract 中声称"landmark 分析无法恢复目标因果效应",但这一结论是在治疗时机独立于潜在结果的假设下证明的。如果存在健康使用者效应(更健康的患者更早治疗),landmark 分析的偏差方向可能改变,甚至可能高估效应。作者在讨论中承认了这一点,但 abstract 的表述没有限定条件。
- 作者推荐"时依回归模型作为更稳健的替代",但本文没有证明时依 Cox 模型在同样假设下的性质。时依 Cox 模型需要假设治疗效应的函数形式(如即时效应),如果存在延迟效应,时依 Cox 模型同样有偏。作者没有讨论这一局限性。
- 功效损失的结论依赖于局部备择假设。在远离零假设的强效应下,landmark 分析的功效损失可能不那么严重。作者没有给出全局功效分析。
- 模拟只覆盖了有限参数空间(\(HR_1 = 0.7, HR_2 = 0.6\),均匀治疗时机)。对于其他参数组合(如治疗有害、治疗时机偏早或偏晚),结论是否成立未经验证。
四、开放问题¶
以下开放问题均扎根于本文的具体语句或推导中的假设:
-
放松"治疗时机独立于潜在结果"假设:本文的核心假设是 \(S \perp T^{(z(\cdot))} | X\)(治疗时机独立于潜在结果)。如果存在健康使用者效应(更健康的患者更早治疗),landmark 分析的偏差方向如何变化?能否推导出类似本文的闭式偏差公式?这需要引入一个"健康程度"潜变量,并建模 \(S\) 与 \(T\) 的相关结构。(扎根于:本文讨论部分对健康使用者效应的承认,但未给出理论分析。)
-
延迟治疗效应的建模:本文假设治疗效应在 \(t_0\) 前后是分段常数(\(HR_1, HR_2\))。如果治疗效应是逐渐显现的(如药物需要累积剂量才起效),landmark 分析的偏差表达式会如何改变?时依 Cox 模型在此设定下是否仍然更优?(扎根于:分段比例风险假设是本文所有推导的基础,但作者未讨论该假设的合理性。)
-
与克隆-权重-删失(CWE)方法的比较:作者推荐时依回归模型作为替代,但未讨论 Hernán et al. (2016) 的 CWE 方法。CWE 方法在因果推断框架下更严谨,但需要更强的假设(如无未测量混杂、正性)。在本文的设定下,CWE 与 landmark 分析的偏差和功效如何比较?(扎根于:作者在讨论中推荐替代方案,但未引用因果推断文献中的核心方法。)
-
最优 landmark 时间的选择:本文假设 \(t_0\) 是预先固定的。但在实践中,研究者可能选择不同的 \(t_0\)。是否存在一个"最优"的 \(t_0\) 使得偏差最小或功效最大?这需要将 \(t_0\) 作为决策变量纳入优化框架。(扎根于:本文所有推导均以固定 \(t_0\) 为前提,未讨论其选择问题。)
-
高维协变量下的行为:本文的推导假设协变量维度固定。在高维设定下(如 \(p \gg n\)),landmark 分析的偏差和功效如何变化?是否需要正则化?这与您熟悉的高维统计和随机矩阵理论有直接关联。(扎根于:本文未涉及高维设定,但这是一个自然的扩展方向。)
提醒:要确认上述某条是否是真 gap,建议去读该子领域近期约 5 篇论文的 introduction——如果多篇都指向同一个问题(如"landmark 分析在健康使用者效应下的表现"),说明这是共识性 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