Implementing response-adaptive designs when responses are missing: Impute or ignore?¶
作者: Mia S Tackney, Sofía S Villar
来源: Statistical Methods in Medical Research
主题: 因果推断
相关性: 6/10
机构绿灯: University of Cambridge(US News 前 50,免分进入精读)
链接: https://doi.org/10.1177/09622802251366843
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响应自适应设计(Response-Adaptive Designs, RAD)在缺失数据下的统计性质研究。RAD 是一类序贯临床试验设计,其核心思想是根据已积累的响应数据动态调整后续患者的治疗分配概率,将更多患者分配到当前表现更好的治疗臂上——本质上是"在试验进行中边学边用"。当响应变量存在缺失(尤其是数字健康干预中常见的非随机缺失 MNAR)时,RAD 的在线决策机制与缺失数据处理策略之间会产生交互作用,影响两个核心目标:探索-利用权衡(exploration-exploitation tradeoff,即分配更多患者到当前最优臂 vs. 保留足够信息以识别真正最优臂)和试验结束时成功概率估计的偏差。该方向的成熟度属于"方法学正在快速发展但理论基础尚不完整"的阶段——已有大量 RAD 的随机化算法(如 randomized play-the-winner、Thompson sampling 等),但缺失数据下的在线处理策略及其对估计性质的影响,研究相对稀疏。
发展脉络(history)¶
从 introduction 和参考文献可以梳理出以下脉络:
-
奠基工作:RAD 的早期理论框架可追溯到 Rosenberger & Lachin (2002) 等关于自适应设计的系统论述,确立了 RAD 的基本目标——在伦理考量(更多患者接受更优治疗)与统计有效性(保证估计精度)之间权衡。Berry & Eick (1995) 则较早讨论了自适应设计中响应延迟(response delay)的问题,这是缺失/未观测响应的一个特例。这些工作奠定了"RAD 需要在信息不完整时做决策"的基本问题意识。
-
主要进展:Villar, Bowden & Wason (2015) 对多种 RAD 随机化算法(包括 randomized play-the-winner、Thompson sampling、Bayesian 方法等)做了系统的模拟比较,确立了"不同算法在探索-利用权衡上表现各异"的认知。Thall, Fox & Wathen (2015) 等进一步讨论了 Bayesian 自适应设计的实际操作问题。在缺失数据方面,Little & Rubin (2002) 的缺失数据理论提供了 MCAR/MAR/MNAR 的分类框架,而 National Research Council (2010) 的报告强调了临床试验中缺失数据处理的规范要求。这些工作为本文提供了两个独立的理论支柱:RAD 的算法设计和缺失数据的统计处理。
-
当前 frontier:Villar, Wason & Bowden (2018) 等开始关注 RAD 在实际实施中的偏差来源,指出"乐观抽样"(optimistic sampling,即分配更多患者到表现好的臂导致对成功概率的高估)是 RAD 内生偏差的重要来源。本文正是在这个 frontier 上推进——作者明确指出,已有研究大多假设响应完全可观测,或仅在试验结束时处理缺失,而数字健康干预中响应缺失是常态且往往是 MNAR,这要求 RAD 在试验进行中就必须在线处理缺失。
-
本文的位置:作者将两个独立脉络——RAD 的在线决策机制与缺失数据的插补策略——首次系统地结合起来,提出"在线重插补"(online re-imputation)策略,并系统评估了不同 RAD 算法 × 缺失处理策略组合的探索-利用权衡和估计偏差。这是对 RAD 文献的一个实质性扩展,填补了"RAD 在 MNAR 缺失下如何实施"这一空白。
子线索聚类¶
被引文献大致落在三条子线索上:
-
RAD 算法设计与比较(Villar et al. 2015; Thall et al. 2015; Berry & Eick 1995):这一簇在做什么——设计不同的随机化算法(deterministic、semi-randomised、Bayesian),并通过模拟比较其在探索-利用权衡、检验效能、患者分配公平性等维度上的表现。核心问题是"如何设计分配规则使得试验既伦理又有效"。
-
缺失数据的统计处理(Little & Rubin 2002; National Research Council 2010; Molenberghs et al. 2014):这一簇在做什么——建立缺失数据机制的分类(MCAR/MAR/MNAR),发展插补、加权、极大似然等处理方法,并讨论不同机制下估计的识别性与偏差。核心问题是"在缺失不可忽略时,如何获得无偏或至少可解释的估计"。
-
RAD 的统计性质与偏差来源(Villar et al. 2018; Robertson et al. 2023):这一簇在做什么——分析 RAD 在试验结束时估计量的偏差、方差、覆盖概率等性质,特别关注"乐观抽样"导致的偏差。核心问题是"RAD 的序贯决策机制如何影响最终推断的有效性"。
这个方向在追问的核心问题¶
- 探索-利用权衡如何量化与优化? 即:在保证统计功效的前提下,如何最大化分配到更优治疗臂的患者比例?不同 RAD 算法在这个权衡上的表现如何随参数(臂数、效应量、缺失率)变化?
- 缺失数据如何影响 RAD 的在线决策? 即:当响应缺失时,RAD 的分配规则应该基于什么信息做决策?忽略缺失 vs. 插补缺失,对分配比例和最终估计有何不同影响?
- MNAR 缺失下 RAD 估计量的偏差来源是什么? 即:试验结束时成功概率估计的偏差,除了已知的"乐观抽样"外,MNAR 缺失机制本身是否引入额外的、方向不同的偏差?
已知瓶颈:RAD 的理论分析通常假设响应可及时观测,而缺失数据的处理理论通常假设数据收集是静态的(非序贯)。两者的结合缺乏统一的理论框架;此外,MNAR 情形下插补策略的识别性本身就很脆弱,依赖强假设(如缺失概率模型正确设定),这使得理论保证难以建立。
⚠️ 作者的 framing(这是作者的说法)¶
作者把缺口 frame 成:"RAD 在数字健康试验中的实施必须在线处理缺失,而已有文献要么假设响应完全可观测,要么仅在试验结束时处理缺失,缺乏对在线缺失处理策略的系统评估"。作者通过这个 framing 让本文成为"显然的下一步"——既然数字健康干预中缺失是常态且是 MNAR,那么研究 RAD × 缺失策略的交互就是顺理成章的。
被淡化或回避的竞争路线:作者主要聚焦于插补策略,而对加权(如 IPW)和模型化缺失机制(如 selection model / pattern-mixture model)的路线着墨较少。特别是,作者没有深入讨论"如果缺失机制模型本身错误设定,插补策略的稳健性如何"——这是一个被回避的竞争路线。此外,作者对"完全忽略缺失、仅用完整案例分析"这一最朴素策略的讨论,主要作为 baseline,没有深入分析其在何种条件下可能意外地表现良好。
明显该被引 / 该存在、却没出现在 intro 里:作者没有引用 Tsiatis (2006) 关于半参数效率与缺失数据的系统论述,也没有引用 Robins, Rotnitzky & Zhao (1994) 关于 IPW 估计量的奠基工作——这些是缺失数据因果推断领域的核心文献,其方法(如增强 IPW、双重稳健估计)与本文的插补策略有直接的方法论关联。此外,Zhang et al. (2020) 等关于自适应试验中缺失数据的最新讨论也未出现在参考文献中。这些缺失值得研究者去查证——是作者有意回避(因为聚焦插补而非加权),还是文献检索的疏漏。
张力¶
未见明显的对立引用——被引文献之间没有在相同条件下得出相反结论的情况。不过存在一个隐含张力:RAD 文献强调"利用"(分配更多患者到当前最优臂)以最大化伦理收益,而缺失数据文献强调"信息完整性"(需要足够的数据来准确估计)。当缺失率在臂间差异很大时,这两个目标可能冲突——过度利用会导致某些臂的数据量不足,加剧缺失带来的估计偏差。本文的模拟结果部分揭示了这一张力,但没有从理论上刻画其边界。
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(逐个点名):
- \(K\):治疗臂数量(本文模拟中 \(K=2\),即一个干预臂和一个对照臂)。
- \(n\):总样本量(试验总患者数)。
- \(i = 1, \dots, n\):患者索引,按入组顺序排列。
- \(T_i \in \{1, \dots, K\}\):第 \(i\) 位患者的治疗分配(随机变量,由 RAD 分配规则决定)。
- \(Y_i \in \{0, 1\}\):第 \(i\) 位患者的二元响应(如是否戒烟成功),潜在结果——每位患者对所有 \(K\) 个臂各有一个潜在响应 \(Y_i(t)\),但只有被分配到的臂的响应 \(Y_i = Y_i(T_i)\) 可被观测。
- \(p_k = \mathbb{P}(Y_i(t) = 1)\):第 \(k\) 个臂的真实成功概率(参数 / estimand,本文关注的目标)。
- \(\hat{p}_k^{(m)}\):在第 \(m\) 次 interim analysis 时对 \(p_k\) 的估计(估计量,基于当前已观测和已插补的数据)。
- \(R_i \in \{0, 1\}\):响应是否被观测的指示变量(\(R_i = 1\) 表示 \(Y_i\) 可观测,\(R_i = 0\) 表示缺失)。随机变量,其分布由缺失机制决定。
- \(\pi_k = \mathbb{P}(R_i = 1 \mid T_i = k)\):第 \(k\) 个臂的响应观测概率(参数,本文模拟中设定为臂间不同)。
- \(\hat{Y}_i^{(m)}\):在第 \(m\) 次 interim analysis 时对缺失响应 \(Y_i\) 的插补值(随机变量,由插补策略决定)。
- \(\alpha\):RAD 分配规则中的随机化参数(如 Thompson sampling 中的探索参数,或 randomized play-the-winner 中的 urn 参数)。
- \(\psi\):分配规则的"利用强度"——决定分配比例向当前最优臂倾斜的程度。
模型(数据生成机制):
- 潜在结果模型:\(Y_i(t) \sim \text{Bernoulli}(p_t)\),独立于 \(i\)。这是最简单的二元响应模型,没有协变量。
- 缺失机制模型:\(R_i \mid T_i = k \sim \text{Bernoulli}(\pi_k)\),即缺失概率只依赖于治疗臂(臂依赖缺失)。当 \(\pi_k\) 与 \(Y_i\) 相关时(如响应失败的患者更可能脱落),缺失机制是 MNAR——这是本文的核心设定。作者在模拟中通过设定 \(\pi_k\) 在成功和失败患者间不同来实现 MNAR。
- RAD 分配规则:\(T_i\) 的分布依赖于前 \(i-1\) 位患者的(可能插补后的)响应。例如,Thompson sampling 中 \(\mathbb{P}(T_i = k) \propto \text{Beta}(\alpha_k + s_k, \beta_k + f_k)\),其中 \(s_k, f_k\) 是第 \(k\) 臂的成功/失败计数(含插补值)。
可观测数据:研究者实际观测到的是 \(\{(T_i, R_i, R_i \cdot Y_i)\}_{i=1}^n\)——即每位患者的治疗分配、响应是否缺失、以及(如果未缺失)响应值。关键点:当 \(R_i = 0\) 时,\(Y_i\) 不可观测,但 RAD 的分配规则需要基于某种"完整数据"做决策,因此必须在线处理缺失——要么忽略(用完整案例分析),要么插补(用模型预测值填充)。
第二步:最小内核¶
最简特例:\(K = 2\)(两个臂),\(n\) 较小,响应为二元,缺失机制为臂依赖且 MNAR(即 \(\pi_k\) 在成功和失败患者间不同),RAD 算法取最简单的 randomized play-the-winner (RPW) 规则。
要证的核心命题(退化形式):在 RPW 规则下,如果对缺失响应忽略(即只用完整案例更新 urn),那么当两个臂的缺失率差异很大时,urn 的更新会被系统性地扭曲——表现好的臂如果缺失率高,其成功计数被低估,导致分配比例偏向表现差的臂,最终试验结束时 \(\hat{p}_k\) 的估计不仅因乐观抽样而偏高,还因 MNAR 缺失而引入额外的、方向可能相反的偏差。
为什么这个特例是"最小内核":RPW 的机制极其简单——初始 urn 中每个臂各一个球,每次观察到成功则向该臂的 urn 中加一个球,失败则向另一臂加球,分配概率正比于 urn 中的球数。当响应缺失时,忽略策略意味着"缺失的响应不更新 urn",这等价于假设缺失的响应是"中性"的——但 MNAR 下这个假设是错误的。插补策略则试图用当前估计的 \(\hat{p}_k\) 来填充缺失值,但 \(\hat{p}_k\) 本身可能因乐观抽样而有偏,形成反馈循环。
证明怎么走(直觉层面):
- 设真实 \(p_1 > p_2\)(臂 1 更优),但 \(\pi_1 < \pi_2\)(臂 1 缺失率更高,因为其患者更可能因失败而脱落——MNAR)。
- 忽略策略下,臂 1 的成功观测数被低估,urn 中臂 1 的球数增长慢于应有速度,分配比例偏向臂 2——探索-利用权衡被扭曲:本该更多利用臂 1,实际却更多探索臂 2。
- 试验结束时,\(\hat{p}_1\) 基于完整案例估计,但完整案例是"成功者"的选择性样本(因为失败者更可能缺失),因此 \(\hat{p}_1\) 高估 \(p_1\)——这是 MNAR 缺失导致的偏差,与乐观抽样(因分配更多患者到臂 1 导致 \(\hat{p}_1\) 高估)同向叠加。
- 插补策略(如用当前 \(\hat{p}_k\) 填充缺失值)可以部分缓解步骤 2 的扭曲,但如果 \(\hat{p}_k\) 本身有偏,插补值也有偏,且插补值反过来影响后续分配,形成偏差的传播——这正是本文"在线重插补"策略试图解决的:随着 \(\hat{p}_k\) 更新,重新插补旧值以减小早期偏差的影响。
这个最小内核揭示了本文的核心数学困难:RAD 的序贯决策机制使得插补误差不是静态的,而是通过分配规则反馈到未来的数据收集过程中。这使得偏差分析不能简单地套用标准缺失数据理论(如 IPW 的一致性证明),而需要处理一个带反馈的随机过程的偏差传播。本文没有给出完整的理论刻画(作者用的是模拟),但最小内核清楚地展示了这个困难所在。
三、这篇论文做了什么¶
三句话¶
- 研究了什么问题:在响应自适应设计(RAD)的临床试验中,当响应变量存在缺失(特别是数字健康干预中常见的 MNAR 缺失)时,不同的在线缺失数据处理策略(忽略 vs. 插补 vs. 在线重插补)如何影响探索-利用权衡和试验结束时成功概率估计的偏差。
- 核心工具 / 方法:提出一种新颖的在线重插补策略——允许在每次 interim analysis 时,根据更新后的成功概率估计对先前已插补的缺失值重新插补;同时考虑确定性算法的截断(防止极端分配不平衡)和半随机算法随机成分的调整。通过基于数字戒烟干预试验的模拟研究系统评估。
- 主要结论:当各臂缺失率差异很大时,探索-利用权衡尤其受影响;试验结束时成功概率估计的偏差不仅源于已知的"乐观抽样",还可能源于 MNAR 缺失机制本身;某些 RAD × 缺失策略组合特别有问题,而在线重插补策略在部分设定下能缓解偏差。
关键设定与假设¶
在第二节最小记号的基础上,本文的完整设定包括:
- RAD 算法:考虑了多种算法,包括 deterministic(如 greedy 分配)、semi-randomised(如 RPW、Thompson sampling)等。确定性算法可能产生极端分配不平衡,因此引入截断(truncation)——限制任一臂的最大分配比例。
- 缺失机制:设定为臂依赖且 MNAR——具体地,成功概率 \(p_k\) 和缺失概率 \(\pi_k\) 都随臂变化,且缺失概率可能与潜在结果相关(即 \(Y_i = 1\) 和 \(Y_i = 0\) 的患者缺失概率不同)。这是通过模拟设定实现的,而非从数据中估计。
- 插补策略:比较了三种——(i) 忽略(complete-case analysis,只用观测到的响应更新分配规则);(ii) 单次插补(用当前估计的 \(\hat{p}_k\) 填充缺失值,但不更新);(iii) 在线重插补(本文提出的,每次 interim analysis 时用最新的 \(\hat{p}_k\) 重新插补所有历史缺失值)。
- 估计量:试验结束时,对每个臂的成功概率 \(\hat{p}_k\) 用插补后的完整数据计算简单比例估计。作者没有使用 IPW 或 AIPW 等加权估计量——这是一个值得注意的简化。
相比已有文献的放宽 / 强化:本文放宽了"响应完全可观测"的假设,这是对 RAD 文献的主要推进;但强化了缺失机制的结构(假设臂依赖且已知形式),没有考虑更一般的缺失协变量或时变缺失。相比标准缺失数据文献,本文没有使用双重稳健估计或半参数效率理论,而是聚焦于插补策略的在线实施。
主要结果¶
本文是模拟研究,没有理论定理。核心结果包括:
- 探索-利用权衡的扭曲:当各臂缺失率差异很大时,忽略策略会导致分配比例严重偏离最优——表现好的臂因缺失率高而被"惩罚",分配比例下降。这种扭曲在 deterministic 算法中最为严重,在 semi-randomised 算法中相对温和但依然存在。
- 估计偏差的双重来源:作者通过模拟分离了两种偏差来源——(i) 乐观抽样(RAD 将更多患者分配到表现好的臂,导致该臂的估计基于"更可能成功"的患者群体);(ii) MNAR 缺失(失败者更可能缺失,导致观测到的响应是"成功者"的选择性样本)。两者方向相同(都导致高估),但机制不同,且在不同参数设定下相对贡献不同。
- 在线重插补的效果:在部分设定下,在线重插补策略能显著减小估计偏差,特别是当早期插补值基于不准确的 \(\hat{p}_k\) 时。但重插补并非总是有益——当 \(\hat{p}_k\) 本身波动较大时,重插补可能引入额外噪声。
- 特别有问题的组合:作者识别出 deterministic 算法 + 忽略策略 + 高缺失率差异的组合最为危险,此时估计偏差最大且分配扭曲最严重。
证明路线与技术技巧¶
本文为纯模拟研究,没有形式化证明。但可以梳理其模拟设计的逻辑路线:
- 数据生成:设定 \(K=2\),\(n\) 固定(如 \(n=200\)),真实 \(p_1, p_2\) 已知,缺失概率 \(\pi_1, \pi_2\) 按 MNAR 机制设定(如 \(Y_i = 0\) 时缺失概率更高)。
- RAD 模拟:按入组顺序逐位患者模拟,每一步根据当前 urn/后验状态分配治疗,观测响应(可能缺失),然后按所选策略(忽略/插补/重插补)更新状态。
- 重复模拟:每个设定重复数千次,记录分配比例、最终 \(\hat{p}_k\)、估计偏差、覆盖概率等。
- 比较分析:在不同 RAD 算法 × 缺失策略 × 缺失率组合下,比较上述指标。
技术技巧:本文的核心技巧在于在线重插补的实现——即在每次 interim analysis 时,不仅用当前 \(\hat{p}_k\) 插补新缺失值,还重新插补所有历史缺失值。这要求存储所有历史缺失数据,并在每次更新时重新计算。这个技巧的动机是:早期插补值基于不准确的估计,随着试验推进,\(\hat{p}_k\) 逐渐收敛,重插补可以"修正"早期错误。但作者也发现,这个技巧的收益取决于 \(\hat{p}_k\) 的收敛速度——如果收敛慢,重插补可能只是"用新噪声替换旧噪声"。
模拟设计的优点:基于真实数字戒烟干预试验的参数设定,增加了结果的外部有效性。局限:没有理论保证,结果依赖模拟参数选择;没有考虑协变量、多重臂、连续响应等更复杂设定。
🔎 结论是否比证明窄¶
是。作者在摘要和结论中声称"试验结束时成功概率估计的偏差不仅可能源于乐观抽样,还可能源于 MNAR 缺失机制"——这个 claim 在模拟设定下成立,但作者没有给出任何理论分析来刻画这两种偏差来源的相对大小或相互作用的条件。具体来说:
- 作者在讨论中写道:"the bias of the estimated success probabilities at the end of the trial can be attributed to both the adaptive allocation mechanism and the missingness mechanism"——但模拟只能展示现象,不能解释机制。两种偏差来源是否可分离、是否可能相互抵消、在什么条件下哪种占主导,都没有理论回答。
- 作者对"在线重插补"策略的推荐是条件性的("in the settings explored"),但结论部分的行文有过度泛化倾向。例如,作者写道"our proposed strategy can reduce bias"——但模拟结果显示在某些设定下重插补反而增加偏差,这个条件性在结论中被淡化了。
- 作者没有讨论插补模型错误设定的后果——如果用于插补的模型(如 logistic regression)本身错误,重插补策略的表现如何?这是一个明显的"结论比证明宽"的地方。
四、开放问题¶
以下开放问题均扎根于本文的具体语句或设定:
-
理论刻画缺失:本文是纯模拟研究,没有给出任何关于 RAD × 缺失策略组合下估计偏差的形式化定理。一个自然的开放问题是:能否在简化设定(如 \(K=2\)、RPW 规则、臂依赖缺失)下,推导出 \(\hat{p}_k\) 的渐近偏差表达式,并分离"乐观抽样"和"MNAR 缺失"的贡献?这扎根于作者在讨论中承认的"we do not provide a theoretical analysis of the bias decomposition"(模拟部分之后)。
-
重插补的收敛条件:作者发现在线重插补在部分设定下有益、部分设定下有害,但没有给出何时有益的判据。开放问题是:能否刻画重插补策略的收益条件——例如,\(\hat{p}_k\) 的收敛速率、缺失率差异的大小、interim analysis 的频率如何影响重插补的净收益?这扎根于作者在结果部分指出的"the benefit of re-imputation depends on the setting"。
-
插补模型错误设定的稳健性:本文假设插补模型正确设定(即用于插补的 logistic regression 与真实数据生成机制一致)。开放问题是:当插补模型错误设定时,在线重插补策略的偏差是否会恶化?能否构造双重稳健的在线插补策略(结合 IPW 的思想)?这扎根于作者在讨论中未提及但明显存在的假设——本文没有讨论模型错误设定的后果。
-
MNAR 机制的可识别性:本文假设 MNAR 缺失机制的形式已知(即缺失概率如何依赖潜在结果)。开放问题是:在 RAD 的序贯决策框架下,MNAR 缺失机制本身是否可识别?如果不能,估计偏差的下界是什么?这扎根于作者在引言中承认的"MNAR is the most challenging missingness mechanism because the missingness depends on unobserved outcomes"。
顺带提醒:要确认上述哪条是真正的 gap,建议去读 RAD 与缺失数据交叉领域的近期约 5 篇论文的 introduction——如果多篇都指向"RAD 在 MNAR 下缺乏理论分析",说明这是共识性 gap;如果各篇的 framing 互相打架(有的认为插补是正道、有的认为加权是正道),那反而是机会所在。
Maintained by 陈星宇 · Homepage · Source on GitHub