[论文解读] Dynamic versus marginal structural models for estimating the effect of HAART on CD4 in observational studies : application to the Aquitaine Cohort study and the Swiss HIV Cohort Study

Mélanie Prague, Daniel Commenges+5 more|arXiv (Cornell University)|Mar 30, 2015

HIV Research and Treatment被引用 1

一句话总结

本文比较了动态模型（LIMs 和 ODE-NLME）与边际结构模型（MSM）在观察性HIV研究中估计HAART对CD4计数影响的效果。结果表明，动态模型，尤其是ODE-NLME，通过整合机制知识显著提升了检验效能与生物学合理性；而LIMs则在复杂性与性能之间实现了良好的平衡。

ABSTRACT

Highly active antiretroviral therapy (HAART) has proved efficient in increasing CD4 counts in many randomized clinical trials. Because randomized trials have some limitations (e.g., short duration, highly selected subjects), it is interesting to assess it using observational studies. This is challenging because treatment is started preferentially in subjects with severe conditions, in particular in subjects with low CD4 counts. This general problem had been treated using Marginal Structural Models (MSM) relying on the counterfactual formulation. Another approach to causality is based on dynamical models. First, we present three discrete-time dynamic models based on linear increments (LIM): the simplest model is described by one difference equation for CD4 counts; the second has an equilibrium point; the third model is based on a system of two difference equations which allows jointly modeling CD4 counts and viral load. Then we consider continuous time models based on ordinary differential equations with random effects (ODE-NLME). These mechanistic models allow incorporating biological knowledge when available, which leads to increased power for detecting treatment effect. Inference in ODE-NLME models, however, is challenging from a numerical point of view, and requires specific methods and softwares. LIMs are a valuable intermediary option in terms of consistency, precision and complexity. The different approaches are compared in simulation and applied to HIV cohorts (the ANRS CO3 Aquitaine Cohort and the Swiss HIV Cohort Study).

研究动机与目标

• 解决在观察性HIV研究中因治疗优先给予CD4计数较低患者而产生的混杂问题。
• 评估整合生物学机制的动态模型是否在因果推断方面优于传统的边际结构模型（MSM）。
• 比较离散时间线性增量模型（LIMs）与连续时间ODE-NLME模型在估计HAART对CD4计数影响方面的表现。
• 评估在纵向HIV数据因果推断中，模型复杂性、统计精确度与可解释性之间的权衡。
• 在真实队列中应用并验证模型：法国ANRS CO3 Aquitaine队列与瑞士HIV队列研究。

提出的方法

• 提出三种离散时间线性增量模型（LIMs）：一个仅对CD4使用单个差分方程的单变量模型，一个包含平衡点的模型，以及一个联合建模CD4与病毒载量的双变量系统。
• 引入连续时间常微分方程模型与非线性混合效应（ODE-NLME），以将生物学机制嵌入因果模型结构中。
• 在MSM中使用逆概率加权法，以调整基于CD4水平选择治疗所导致的时间依赖性混杂。
• 对ODE-NLME模型采用数值积分与基于似然的推断，需借助专门的计算工具。
• 通过模拟研究与在两个大型HIV队列中的真实数据应用比较各模型。
• 采用反事实框架定义因果效应，并在不同建模假设下评估可识别性。

实验结果

研究问题

• RQ1 在观察性HIV研究中，动态模型（LIMs与ODE-NLME）与边际结构模型（MSM）在估计HAART对CD4计数因果效应方面有何差异？
• RQ2 通过在模型中整合生物学机制，ODE-NLME模型在多大程度上提升了统计效能与估计精度？
• RQ3 在使用LIMs与ODE-NLME模型时，模型复杂性、计算可行性与估计精确度之间的权衡如何？
• RQ4 LIMs作为MSM与机制性ODE-NLME模型之间的折中方案，在一致性与效率方面表现如何？
• RQ5 在真实世界队列中，采用不同建模方法控制时间依赖性混杂后，HAART对CD4计数的估计效应是什么？

主要发现

• ODE-NLME模型通过在模型结构中利用生物学知识，显著提高了检测HAART对CD4计数影响的统计效能。
• LIMs在模型复杂性、可解释性与性能之间实现了良好平衡，可作为MSM与ODE-NLME的实用替代方案。
• 双变量LIM模型（联合建模CD4与病毒载量）相比单变量模型，改善了模型拟合度与估计精确度。
• MSM虽仍有效，但在已知并整合生物学机制时，其效率低于动态模型。
• 模拟结果表明，在某些数据生成机制下，ODE-NLME模型的参数估计均方误差低于MSM与LIMs。
• 在Aquitaine队列与瑞士HIV队列研究中，所有模型均估计出HAART对CD4计数有正向效应，但ODE-NLME提供了最精确的估计，置信区间最窄。