[论文解读] A general dynamical statistical model with possible causal interpretation

Daniel Commenges, Anne Gégout‐Petit|ArXiv.org|Oct 24, 2007

Bayesian Modeling and Causal Inference参考文献 41被引用 3

一句话总结

本文提出了一种基于随机过程和Doob-Meyer分解的一般性动态统计模型，以形式化具有物理可解释性的因果影响。该模型区分了系统模型（机制性常微分方程）与观测模型，表明传统联合模型无法捕捉因果机制，而具有明确生物学通路的机制性HIV模型（例如，感染与未感染的T细胞、病毒载量动力学）则通过微分方程和有向图成功地表征了因果影响。

ABSTRACT

We develop a general dynamical model as a framework for possible causal interpretation. We first state a criterion of local independence in terms of measurability of processes involved in the Doob-Meyer decomposition of stochastic processes, as in Aalen (1987); then we define direct and indirect influence. We propose a definition of causal influence using the concepts of ``physical system''. This framework makes it possible to link descriptive and explicative statistical models, and encompasses quantitative processes and events. One of the features of this paper is the clear distinction between the model for the system and the model for the observation. We give a dynamical representation of a conventional joint model for HIV load and CD4 counts. We show its inadequacy to capture causal influences while on the contrary known mechanisms of HIV infection can be expressed directly through a system of differential equations.

研究动机与目标

• 开发一种基于随机过程的通用框架，用于动态系统中的因果推断。
• 通过物理系统和物理定律形式化因果影响，超越相关性。
• 阐明潜在生物系统模型与观测数据模型之间的区别。
• 证明机制性常微分方程模型在HIV动力学中比标准联合模型更能捕捉因果影响。
• 在动态框架内，通过比例风险模型将事件过程（例如，机会性感染）与连续指标相结合。

提出的方法

• 利用特殊半鞅的Doob-Meyer分解，通过预测过程的可测性来定义局部独立性。
• 通过Doob-Meyer分解的可预测变差分量定义直接和间接影响。
• 通过“物理系统”概念引入因果影响，该系统受物理定律支配，确保可解释性。
• 通过随机微分方程（SDEs）或常微分方程（ODEs）构建系统模型，以表征生物学机制（例如，HIV感染动力学）。
• 将系统模型（未观测过程）与观测模型（如CD4和病毒载量等测量指标）分离。
• 使用有向图表示因果影响，边表示源自ODE系统的动态依赖关系。

实验结果

研究问题

• RQ1 如何在具有物理可解释性的连续时间随机过程框架中正式定义因果影响？
• RQ2 在纵向研究中，潜在生物系统模型与观测数据模型有何区别？
• RQ3 为何传统HIV标志物联合模型尽管拟合效果良好，却无法捕捉因果机制？
• RQ4 如何将HIV动力学的机制性ODE模型嵌入支持因果推断的统计框架中？
• RQ5 当治疗并非随机分配时，如何在因果图中表示受测量值影响的治疗决策？

主要发现

• 尽管传统HIV载量与CD4计数联合模型对数据拟合良好，但由于缺乏机制结构，无法表征因果影响。
• 区分静息与活化的CD4+ T细胞、以及感染性与非感染性病毒的机制性ODE模型，成功编码了已知的生物学机制和因果通路。
• Ho等人（1995）和Perelson等人（1996）提出的ODE系统，经Guedj等人（2007）扩展后，提供了一个时齐、具有物理可解释性的HIV动力学模型。
• 该模型通过ODE结构和由此产生的影响图实现因果解释，清晰展示了从病毒载量到CD4下降的因果路径。
• 在观察性研究中，受测量病毒载量和CD4计数影响的治疗决策可通过包含医生决策过程来建模，测量引起的因果影响在因果图中以虚线表示。
• 通过比例风险模型将机会性感染的计数过程与ODE系统整合，实现了在相同因果框架下对事件与连续指标的联合建模。