[论文解读] Guidelines for estimating causal effects in pragmatic randomized trials

Eleanor J. Murray, Sonja A. Swanson+1 more|arXiv (Cornell University)|Nov 14, 2019

Advanced Causal Inference TechniquesMathematics参考文献 73被引用 21

一句话总结

本文为在现实临床实践中反映真实世界情况的实用型随机对照试验中估计意向治疗效应和符合方案集因果效应提供了全面的方法论指导，解决了非依从性和实际实施中的挑战。文章提出了针对性的统计方法，以提高因果推断的有效性及在多样化临床环境中的决策相关性。

ABSTRACT

Pragmatic randomized trials are designed to provide evidence for clinical decision-making rather than regulatory approval. Common features of these trials include the inclusion of heterogeneous or diverse patient populations in a wide range of care settings, the use of active treatment strategies as comparators, unblinded treatment assignment, and the study of long-term, clinically relevant outcomes. These features can greatly increase the usefulness of the trial results for patients, clinicians, and other stakeholders. However, these features also introduce an increased risk of non-adherence, which reduces the value of the intention-to-treat effect as a patient-centered measure of causal effect. In these settings, the per-protocol effect provides useful complementary information for decision making. Unfortunately, there is little guidance for valid estimation of the per-protocol effect. Here, we present our full guidelines for analyses of pragmatic trials that will result in more informative causal inferences for both the intention-to-treat effect and the per-protocol effect.

研究动机与目标

• 应对实用型随机对照试验中对可靠因果效应估计日益增长的需求，以反映真实世界临床实践。
• 识别在非依从性较高的实用型试验中，意向治疗分析在多样化人群和开放标签设计下的局限性。
• 为有效估计符合方案集效应提供方法论指导，作为意向治疗效应的补充指标。
• 通过提高复杂真实世界环境中因果推断的质量，增强试验结果对患者、临床医生和卫生系统利益相关者的实用性。
• 填补在传统假设可能不成立的实用型试验分析中，统计指导方面的关键空白。

提出的方法

• 提出两阶段方法：首先使用基于随机化的标准方法估计意向治疗效应。
• 在意向治疗分析中，应用边际结构模型或逆概率加权法调整时变混杂因素。
• 将符合方案集效应定义为依从指定治疗方案的个体中的因果效应。
• 在特定一致性和正性假设下，使用结构嵌套模型或g-计算法估计符合方案集效应。
• 引入敏感性分析框架，评估符合方案集估计值对未测量混杂因素违反假设的稳健性。
• 强调预先指定分析计划以及明确定义目标人群和治疗方案的重要性。

实验结果

研究问题

• RQ1 在非依从性较高且治疗分配未设盲的实用型试验中，如何有效估计意向治疗效应？
• RQ2 在实用型试验环境中，识别符合方案集因果效应所需的关键假设是什么？
• RQ3 如何在不因非依从性导致选择偏倚的情况下估计符合方案集效应？
• RQ4 在实用型试验分析中，调整时变混杂因素最合适的统计方法是什么？
• RQ5 研究人员如何确保符合方案集估计值具有可解释性并有助于临床决策？

主要发现

• 在非依从性常见的实用型试验中，符合方案集效应为意向治疗效应提供了有价值的补充信息。
• 正确估计符合方案集效应需要对一致性、正性和无未测量混杂因素做出强假设。
• 边际结构模型和g-计算法是在复杂真实世界环境中估计意向治疗效应和符合方案集效应的有效工具。
• 敏感性分析对于评估符合方案集估计值对未测量混杂因素假设违反的稳健性至关重要。
• 预先指定分析计划并明确定义治疗方案，是实现有效且透明因果推断的关键。
• 这些指导原则通过支持更细致的因果推断，提升了实用型试验结果的可解释性和临床相关性。