[论文解读] Causal Inference for Comprehensive Cohort Studies

Yi Lu, Daniel O. Scharfstein+3 more|arXiv (Cornell University)|Oct 8, 2019

Advanced Causal Inference Techniques参考文献 37被引用 10

一句话总结

本文提出了因果推断在综合队列研究（CCS）中的半参数高效且稳健的估计量，其中患者首先被提供随机化机会，若拒绝则进入观察性研究。在各种无混淆性假设下，利用样本分割理论和广义可加模型估计干扰函数，估计两个关键 estimand：综合队列因果效应（所有符合条件的患者）和随机化试验因果效应（仅随机化患者）。该方法在保持内部有效性的同时提高了推广性。

ABSTRACT

In a comprehensive cohort study of two competing treatments (say, A and B), clinically eligible individuals are first asked to enroll in a randomized trial and, if they refuse, are then asked to enroll in a parallel observational study in which they can choose treatment according to their own preference. We consider estimation of two estimands: (1) comprehensive cohort causal effect -- the difference in mean potential outcomes had all patients in the comprehensive cohort received treatment A vs. treatment B and (2) randomized trial causal effect -- the difference in mean potential outcomes had all patients enrolled in the randomized trial received treatment A vs. treatment B. For each estimand, we consider inference under various sets of unconfoundedness assumptions and construct semiparametric efficient and robust estimators. These estimators depend on nuisance functions, which we estimate, for illustrative purposes, using generalized additive models. Using the theory of sample splitting, we establish the asymptotic properties of our proposed estimators. We also illustrate our methodology using data from the Bypass Angioplasty Revascularization Investigation (BARI) randomized trial and observational registry to evaluate the effect of percutaneous transluminal coronary balloon angioplasty versus coronary artery bypass grafting on 5-year mortality. To evaluate the finite sample performance of our estimators, we use the BARI dataset as the basis of a realistic simulation study.

研究动机与目标

• 为解决在治疗效应估计中随机对照试验（RCT）的内部有效性与观察性研究的外部有效性之间的张力。
• 估计两个因果 estimand：综合队列因果效应（所有符合条件的患者）和随机化试验因果效应（仅随机化患者）。
• 在各种无混淆性假设下，为这些 estimand 开发半参数、高效且稳健的估计量。
• 通过在随机化和观察性部分之间借用信息，同时保持因果识别，提升推广性。
• 通过基于真实世界BARI试验数据的模拟验证性能。

提出的方法

• 为两个因果 estimand（综合队列和随机化试验因果效应）提出半参数估计量。
• 利用样本分割方法，在弱正则性条件下建立估计量的渐近正态性和稳健性。
• 采用广义可加模型估计干扰函数（如倾向得分、结果回归），以实现双重稳健性。
• 在不同无混淆性假设（A1、A2、A3）下应用逆概率加权和结果回归校正。
• 推导结合随机化和观察性部分数据的估计方程，以提高效率并校正偏差。
• 使用交叉拟合方法，确保即使干扰函数通过机器学习方法估计，也能实现渐近正态性和有效推断。

实验结果

研究问题

• RQ1 如何在结合随机化和观察性数据的综合队列研究中估计两种竞争治疗的因果效应？
• RQ2 在何种条件下，综合队列因果效应和随机化试验因果效应可从观测数据中识别？
• RQ3 如何构建在混合设计中既高效又对模型误设具有稳健性的估计量？
• RQ4 在类似BARI试验的真实情境下，这些估计量的有限样本表现如何？
• RQ5 与分别分析随机对照试验和观察性部分相比，从随机化和观察性部分借用信息如何改善估计？

主要发现

• 所提出的估计量在各种无混淆性假设（包括A1、A2和A3）下均实现了半参数效率和稳健性。
• 综合队列因果效应估计量通过纳入所有符合条件的患者，提高了推广性，同时保持了因果识别。
• 随机化试验因果效应估计量保持了随机对照试验的内部有效性，并能自信地推广至类似未来患者。
• 基于BARI数据集的模拟研究显示，估计量具有良好的有限样本表现，置信区间覆盖合理。
• 使用样本分割和广义可加模型估计干扰函数，即使结果或倾向得分模型存在适度误设，也能实现有效推断。
• 该方法成功整合了综合队列研究两部分的数据，与分别分析相比，显著降低了偏差并提高了精度。