Estimand frameworks for causal inference in clinical research and regulatory decision making¶
作者: Miguel A. Hern\'an, Mats J. Stensrud, Xabier Garc\'ia-Alb\'eniz, Issa J. Dahabreh, Jonathan A. C. Sterne
主题: 因果推断
相关性: 6/10
链接: https://arxiv.org/abs/2610.28983
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因果推断中的 estimand(目标估计量)形式化框架。它要解决的根本问题不是"怎么估计",而是"估计什么":在临床研究和监管决策中,一个因果问题必须被精确地定义为可计算的数学对象(estimand),否则再精巧的估计方法也无的放矢。这个方向的成熟度较高——它不是一个新兴领域,而是因果推断与临床试验统计交叉处的"规范化"运动:从 2019 年 ICH E9(R1) 附录发布以来,监管机构(EMA、FDA、NMPA)已将其纳入审评框架,学术界围绕 estimand 的定义、识别与估计的讨论已形成稳定的文献体系。本文的定位不是提出新方法,而是对三种已有框架做系统比较与术语翻译。
发展脉络¶
- 奠基工作:Rubin (1974) 的潜在结果框架(counterfactual framework)为因果 estimand 提供了最基础的语言——每个个体在每种治疗策略下都有潜在结果,因果效应是这些潜在结果分布的对比。这篇论文奠定了"先定义因果量、再谈估计"的思维范式。Hernán & Robins 的 target trial 框架(2016 年提出,2025 年系统化)将这一思想操作化:把观察性研究视为对某个假设随机试验的模拟,通过详细规定试验方案组件来精确定义 estimand。
- 主要进展:ICH E9(R1)(2019)从监管角度切入,提出"intercurrent events"(治疗后事件)概念,并给出五种处理策略(treatment policy、composite、while on treatment、hypothetical、principal stratum)。这是 estimand 框架从学术圈进入监管实践的关键一步。同期,Stensrud、Young、Dahabreh 等人(2018-2022)在 competing risks、mediation、纵向设定下细化了 estimand 的定义与识别条件。
- 当前 frontier:围绕 E9(R1) 的争议——其"策略"究竟是 estimand 还是 estimator?principal stratum 策略是否可识别?hypothetical 策略是否需要不可检验的假设?Vansteelandt & Van Lancker (2024) 直接质疑了某些策略的"可学习性"。本文作者(Hernán 团队)是 target trial 框架的主要倡导者,其立场是:target trial 框架更根本,E9(R1) 的某些策略(如 while on treatment)描述的是估计过程而非因果量本身。
- 本文的位置:本文是 Hernán 团队对三种框架的"收编"式比较——论证 target trial 框架在逻辑上更基础,可以涵盖 PICO 和 E9(R1),并给出三者术语的对应映射表。这不是一篇中立综述,而是一篇有明确立场的概念性论文。
子线索聚类¶
- 潜在结果与反事实框架(Rubin 1974; Robins 1986):为 estimand 提供数学语言。核心概念:潜在结果、治疗策略、对比(contrast)。
- Target trial 框架(Hernán & Robins 2016, 2025):强调通过模拟假设试验的方案组件来定义 estimand,适用于观察性数据。核心概念:eligibility criteria、treatment strategies、assignment、outcome、follow-up、causal contrast。
- 监管 estimand 框架(ICH E9(R1) 2019; Kahan et al. 2024; Troxel et al. 2026):从临床试验实践出发,以 intercurrent events 为切入点,提供五种处理策略。核心概念:intercurrent events、strategies、estimand attributes。
- estimand 的可识别性与可学习性(Vansteelandt & Van Lancker 2024; Stensrud & Dukes 2021):讨论哪些 estimand 在合理假设下可识别、哪些需要不可检验的假设。这是当前最活跃的争论点。
这个方向在追问的核心问题¶
- 如何精确刻画一个因果问题? 即 estimand 的组成部分是什么?PICO 给出最简版本(人群、干预、对照、结局),target trial 扩展为完整试验方案,E9(R1) 则从 intercurrent events 反推。
- 如何处理治疗后事件(intercurrent events)? 这是 E9(R1) 的核心贡献,也是争议焦点——不同策略对应不同的因果问题,但有些策略(如 principal stratum)的 estimand 可能不可识别或与决策无关。
- estimand 与 estimator 的边界在哪里? E9(R1) 的"while on treatment"策略被本文作者批评为描述估计过程而非 estimand 本身。
- 不同框架之间能否互相翻译? 本文的核心贡献就是提供这种翻译映射。
⚠️ 作者的 framing(这是作者的说法)¶
作者将缺口 frame 成:E9(R1) 的"策略"概念混淆了 estimand 与 estimator,且某些策略(principal stratum、while on treatment)隐含的 estimand 要么不可识别、要么与决策者无关;而 target trial 框架通过完整规定试验方案组件,可以精确刻画 estimand,并自然涵盖 PICO 和 E9(R1) 的合理部分。 因此,target trial 框架是"显然的下一步"——它更根本、更完整。
被淡化或回避的竞争路线: - E9(R1) 的监管实用性:作者承认 E9(R1) 已被监管机构采纳,但暗示其概念基础有缺陷。作者没有正面回应"监管机构为何选择 E9(R1) 而非 target trial"这一实际问题。 - principal stratum 的潜在价值:作者引用 Vansteelandt 等人的批评,但未讨论 principal stratum 在"治疗依从性"等特定问题中的不可替代性(如"如果所有人都依从会怎样"这一反事实问题,target trial 框架难以直接回答)。 - 估计问题的复杂性:本文聚焦 estimand 定义,几乎不讨论估计方法(如 g-methods、IPW、g-computation)在不同 estimand 下的实现难度。
值得研究者去查的问题:为什么监管机构(FDA、EMA)最终采纳了 E9(R1) 而非 target trial 框架?这两者在实际审评中的操作差异是什么?是否存在 target trial 框架无法自然表达、但 E9(R1) 能处理的 estimand?
张力¶
未见明显对立引用。但存在一个隐含张力:E9(R1) 的"策略"究竟是 estimand 还是 estimator? 本文作者明确认为是后者(至少对 while on treatment 策略),而 E9(R1) 的支持者(如 Kahan et al. 2024)则认为策略是定义 estimand 的方式。这个张力贯穿全文,也是作者论证 target trial 框架优越性的核心论据。
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¶
先交代记号。设:
- 个体 \(i = 1, \dots, n\),来自某个目标人群 \(\mathcal{P}\)。
- 治疗策略(treatment strategy):记为 \(\bar{a} = (a_0, a_1, \dots, a_K)\),其中 \(a_k\) 是第 \(k\) 个时间点的治疗水平。策略可以是"始终接受 semaglutide"、"先接受 semaglutide,若出现严重不良事件则停药"等。策略空间记为 \(\mathcal{A}\)。
- 潜在结果(potential outcome):\(Y^{\bar{a}}\) 表示个体在策略 \(\bar{a}\) 下的结局(如 5 年内心血管疾病风险)。这是反事实量,每个个体对所有 \(\bar{a} \in \mathcal{A}\) 都有潜在结果,但只能观测到其中一个。
- 可观测数据:对每个个体,观测到的是 \((A_i, Y_i, C_i, \mathbf{L}_i)\),其中 \(A_i\) 是实际接受的治疗,\(Y_i\) 是实际结局,\(C_i\) 是删失/竞争事件指示,\(\mathbf{L}_i\) 是时变协变量(含预后因素)。
- 因果 estimand:某个潜在结果分布的对比,例如
\[\tau = g\left(\mathbb{E}[Y^{\bar{a}_1}]\right) - g\left(\mathbb{E}[Y^{\bar{a}_0}]\right),\]其中 \(g\) 是某个链接函数(如恒等、logit),\(\bar{a}_1, \bar{a}_0\) 是两个待比较的策略。\(\tau\) 是要估计的目标量,不是数据直接给出的。
- 估计量(estimator):\(\hat{\tau}\),基于可观测数据 \((A_i, Y_i, C_i, \mathbf{L}_i)_{i=1}^n\) 构造的 \(\tau\) 的估计。
关键区分:estimand 是"想回答什么问题"的数学表达;estimator 是"用数据怎么算"的公式。本文的核心论点是:E9(R1) 的某些"策略"(如 while on treatment)描述的是 estimator 的操作方式,而非 estimand 本身。
第二步:最小内核¶
剥掉所有一般性设定,本文的最小内核可以归结为一个例子:
例子:一项随机试验比较 semaglutide(策略 1)与标准治疗(策略 2)对 5 年心血管疾病风险的影响。试验中,部分患者因不良事件停药(非依从)。我们想回答:"如果所有患者都按分配的治疗坚持 5 年,效果如何?"
- PICO 版本:P = 糖尿病患者;I = semaglutide;C = 标准治疗;O = 5 年心血管疾病风险。PICO 到此为止——它没有说明如何处理停药。
- Target trial 版本:规定策略为"开始 semaglutide,若出现严重不良事件则停药,否则持续 5 年"(策略 1)和"开始标准治疗,若出现严重不良事件则停药,否则持续 5 年"(策略 2)。estimand 是这两个策略下 5 年心血管疾病风险的对比。停药是策略的一部分,不是"问题"。
- E9(R1) 版本:先列出 intercurrent events(停药、使用补救药物、死亡),然后选择策略。若选"treatment policy"策略,则忽略停药,比较"被分配到 semaglutide vs 标准治疗"的风险差——这对应 intention-to-treat 效应。若选"hypothetical"策略,则问"如果停药不发生会怎样"——这对应 per-protocol 效应。若选"while on treatment"策略,则只使用停药前的数据——本文作者认为这描述的是估计方法(删失处理),而非 estimand。
本文的核心数学命题(在最小内核下):
命题:给定一个因果问题,target trial 框架通过规定策略 \(\bar{a}_1, \bar{a}_0\) 和对比 \(g\) 唯一确定 estimand \(\tau\)。E9(R1) 的"策略"中,treatment policy 和 hypothetical 可以翻译为 target trial 框架下的特定策略对比;但 while on treatment 不能直接翻译为 estimand,因为它描述的是"用哪些数据"而非"比较什么"。
为什么这个命题成立:因为 estimand 必须是一个关于潜在结果分布的函数。while on treatment 策略"只使用停药前的数据"——这涉及观测数据的删失规则,而删失规则本身不定义潜在结果。要把它变成一个 estimand,必须额外假设"停药后的结局可以被反事实地定义"(如 hypothetical 策略),或者"停药后的结局不重要"(如 composite 策略)。因此,while on treatment 在 estimand 层面是不完整的。
这个例子的意义:它展示了三种框架的"分辨率"差异——PICO 太粗(无法处理 intercurrent events),E9(R1) 从 intercurrent events 出发但某些策略混淆了 estimand 与 estimator,target trial 从策略出发,自然涵盖前两者的合理部分。本文的论证方式不是数学定理式的,而是概念分析式的:通过例子说明哪种框架能精确表达哪种因果问题。
三、这篇论文做了什么¶
三句话¶
- 研究了什么问题:临床研究和监管决策中常用的三种因果 estimand 框架(PICO、target trial、ICH E9(R1))在定义因果问题时的能力差异与术语对应关系。
- 核心工具/方法:概念分析 + 术语映射。作者逐一拆解三种框架的组成部分,将 E9(R1) 的五种"intercurrent events 策略"翻译为 target trial 框架下的 estimand 或 estimator 描述,并给出三者的一一对应表。
- 主要结论:target trial 框架在逻辑上最完整,可以涵盖 PICO 和 E9(R1) 的合理部分;E9(R1) 的某些策略(while on treatment)描述的是 estimator 而非 estimand,principal stratum 策略隐含的 estimand 通常不可识别或与决策无关。
关键设定与假设¶
本文是概念性论文,没有数学定理,但有若干隐含设定:
- 因果性问题:所有 estimand 都是关于潜在结果的对比,即反事实量。这继承了 Rubin (1974) 和 Robins (1986) 的框架。
- 决策导向:estimand 必须与决策者的实际问题相关。作者以此为标准评判 E9(R1) 的策略——principal stratum 之所以被批评,是因为"永远不会死亡的人群"不是决策者可操作的目标人群。
- 策略的完整性:一个 estimand 必须完整规定"对谁、做什么、何时开始、何时结束、如何处理偏离"。PICO 不完整,target trial 完整,E9(R1) 部分完整。
- estimand 与 estimator 的区分:这是全文的核心假设。作者认为,一个"策略"如果只描述数据处理方式(如删失),就不是 estimand 的组成部分。
相比已有文献,本文的贡献在于系统性的术语翻译,而非新的识别条件或估计方法。它没有提出新的数学工具,也没有新的定理。
主要结果¶
结果 1:三种框架的对应关系(文中 Table)
| PICOTS | Target Trial | ICH E9(R1) |
|---|---|---|
| P, S | Eligibility criteria | Attribute: Population |
| I, C, T | Treatment strategies | Attribute: Treatment conditions |
| O, T | Outcome | Attribute: Variable |
| T | Start/end of follow-up | — |
| — | Causal contrast | Attribute: Population-level summary |
结果 2:E9(R1) 五种策略的翻译
- Treatment policy → target trial 中的"effect of assignment"(intention-to-treat 效应)。这是可识别的,不需要额外假设。
- Composite → 重新定义结局为复合事件(如"心血管疾病或死亡"),对应 target trial 中修改结局定义。
- Hypothetical → 对应 per-protocol 效应,需要"无未测量混杂"等识别假设。
- Principal stratum → 对应"在永远不会发生 intercurrent event 的亚组中的效应",作者引用 Vansteelandt & Van Lancker (2024) 指出其识别假设通常不可检验。
- While on treatment → 作者认为这不是 estimand,而是 estimator 的描述(删失处理),需要额外假设才能反推出 estimand。
结果 3:target trial 框架的"收编"论证
作者的核心论证是:target trial 框架从"策略"出发,策略本身包含了如何处理 intercurrent events 的规定(例如,策略可以规定"出现严重不良事件则停药"),因此不需要单独的"策略"概念。E9(R1) 从 intercurrent events 出发,容易导致"先列事件、再选策略"的思维,而某些策略(while on treatment)在 estimand 层面是不完整的。
证明路线与技术技巧¶
本文没有数学证明,其"论证"方式是概念分析 + 反例:
- 概念拆解:将 estimand 分解为五个组成部分(人群、策略、结局、随访、对比),逐一比较三种框架的覆盖程度。
- 反例论证:用 while on treatment 策略说明 E9(R1) 的某些"策略"无法翻译为 estimand——因为"只使用删失前的数据"不定义潜在结果。
- 术语映射:通过 Table 给出三种框架的对应关系,使读者能跨框架翻译。
技术技巧:本文的技巧在于用最小例子说明概念差异。semaglutide 例子贯穿全文,每次引入一个新的 intercurrent event(停药、死亡、补救药物),展示三种框架如何分别处理。这种"从例子到概念"的写法是概念性论文的典型策略。
真实例子与应用¶
本文没有真实数据分析,但有一个贯穿全文的说明性例子:semaglutide 与标准治疗比较的随机试验,涉及停药(非依从)和心血管死亡(competing event)。这个例子用于说明:
- 如何用 target trial 框架定义"per-protocol 效应"(假设所有人都坚持策略);
- 为什么 while on treatment 策略在 estimand 层面不完整;
- 为什么 principal stratum 策略("如果所有人都不会死亡")与决策无关。
这个例子想说明什么:它展示了 target trial 框架如何"自然"地处理 intercurrent events——通过将它们纳入策略定义,而非作为事后问题。这是本文的核心主张。
🔎 结论是否比证明窄¶
是,且明显。本文的结论("target trial 框架涵盖其他两种")是概念性主张,而非数学定理。具体来说:
- 文中对 while on treatment 的批评("描述 estimator 而非 estimand")是作者的解释,而非严格的逻辑推导。一个支持 E9(R1) 的读者可以反驳:while on treatment 策略隐含的 estimand 是"在删失前的结局分布",这也可以被形式化定义。
- 文中对 principal stratum 的批评("不可识别")引用了 Vansteelandt & Van Lancker (2024),但没有给出具体的不可识别性证明。读者需要去读原文确认。
- 文中声称"target trial 框架涵盖 PICO 和 E9(R1)",但没有形式化定义"涵盖"。如果"涵盖"指"能表达所有合理 estimand",这需要证明;如果指"能表达作者认为合理的 estimand",这是循环论证。
最窄的地方:文中对 E9(R1) 的批评集中在"策略"概念上,但 E9(R1) 的完整框架还包括"敏感性分析"的要求(第 5 节),本文对此几乎没有讨论。一个更平衡的比较应该涵盖这一点。
四、开放问题¶
以下问题均扎根于本文的具体论述,只罗列、不判断可行性:
-
while on treatment 策略能否被形式化为 estimand? 本文断言它"描述 estimator 而非 estimand"(Discussion 部分),但没有给出严格的论证。要确认这是否为真 gap,需要形式化定义"estimand"与"estimator"的边界——这本身就是一个开放问题。可查:Stensrud & Dukes (2021) 对 intercurrent events 的形式化处理。
-
principal stratum estimand 的不可识别性是否有严格证明? 本文引用 Vansteelandt & Van Lancker (2024) 和 Stensrud et al. (2019) 来支持这一批评,但没有给出证明。要确认这是否为共识,可读上述两篇原文,看它们是否给出了形式化的不可识别性定理。
-
target trial 框架能否形式化"涵盖"其他框架? 本文的核心主张是"target trial 框架 subsumes 其他两种",但"subsume"从未被形式化定义。一个可能的研究问题是:能否给出一个数学语言(如潜在结果模型),使得三种框架都能在其中表达,并严格比较它们的表达能力?
-
E9(R1) 的敏感性分析要求与 target trial 框架的关系:本文没有讨论 E9(R1) 对敏感性分析的要求(这是 E9(R1) 的重要组成部分)。一个值得追问的问题是:target trial 框架是否也隐含了类似的敏感性分析要求?还是说它在这方面比 E9(R1) 更弱?
-
从 estimand 到 estimator 的"翻译"是否唯一? 本文暗示 target trial 框架能更清晰地指导估计方法的选择,但没有给出具体的指导原则。一个可能的研究问题是:给定一个 target trial 框架下的 estimand,如何系统地选择估计方法(IPW、g-computation、doubly robust)?
提醒:要确认上述哪条是真正的 gap,建议去读同一子方向近期约 5 篇论文的 introduction——如果多篇都指向同一个问题,说明是共识性 gap;如果互相打架,说明是机会所在。本文的参考文献 [21]、[28]-[30]、[31]-[35] 是很好的起点。
Maintained by 陈星宇 · Homepage · Source on GitHub