Skip to main content

Chapter_3

Aaron L9/17/25About 5 minCausal inferenceDeepSeek-R1-0528-1stresponse_md
### 章节总结：第3章 观察性研究（OBSERVATIONAL STUDIES）

核心概念

观察性研究指研究者仅观察和记录数据，而非主动分配处理（treatment）。与随机实验（randomized experiments）相比，其因果推断需满足三个可识别性条件（identifiability conditions），否则关联（association）可能非因果。

3.1 可识别性条件（Identifiability Conditions）

观察性研究需满足以下条件才能被视作条件随机实验（conditionally randomized experiment）：

  1. 一致性（Consistency）
    • 处理值需对应明确定义的干预（well-defined interventions），且与数据中的处理版本一致。
  2. 可交换性（Exchangeability）
    • 给定协变量 (L) 时，处理分配概率仅取决于 (L)（即 (Y^a \perp!!!\perp A \mid L)）。
  3. 正性（Positivity）
    • 对处理值 (a) 和所有满足 (\Pr[L=l] \neq 0) 的 (l)，有 (\Pr[A=a \mid L=l] > 0)。

技术要点：

  • 随机实验中，可识别性条件由设计保证；观察性研究中需额外假设。
  • 若条件成立，可用IP加权（IP weighting） 或 标准化（standardization） 计算因果效应（如因果风险比）。
  • 若条件不成立，需其他方法（如工具变量，见第16章）。

数学公式：

  • 标准化风险： (\sum_l E[Y \mid A=a, L=l] \Pr[L=l])（需正性成立）。
  • IP加权风险： (E\left[\frac{I(A=a)Y}{f[A \mid L]}\right])（正性不成立时可能无因果解释）。

3.2 可交换性（Exchangeability）

核心问题：观察性研究中，处理组与未处理组的预后因素分布不均。

  • 条件可交换性：在 (L) 的每一层内，处理组与未处理组可交换（即 (Y^a \perp!!!\perp A \mid L)）。
  • 混杂因子（Confounders）：需调整所有影响处理和结果的变量（第7章详述）。
  • 未测量混杂（Unmeasured Confounding）：若存在未测量的预后因素 (U)（如吸烟），条件可交换性可能不成立，且无法通过数据验证。

关键表格：
表3.1（心脏移植数据）中：

  • (L=1)（危重状态）组：69%接受治疗 vs. 43%未治疗 → 需调整 (L) 以实现组间可比性。
  • 若 (L) 是唯一不均变量，观察性研究可类比条件随机实验。

3.3 正性（Positivity）

定义：对目标人群中的每个 (l)（(\Pr[L=l] \neq 0)），所有处理值 (a) 的分配概率需为正：
[
\Pr[A=a \mid L=l] > 0
]

  • 违反示例：医生总对危重患者（(L=1)）进行心脏移植 → (\Pr[A=0 \mid L=1]=0)（图3.1）。
  • 非必要变量：无需调整与结果无关的变量（如"蓝眼睛"）。
  • 可验证性：正性可经验性验证（第12章详述）。

3.4–3.5 一致性（Consistency）

一致性要求：若个体实际接受处理 (a)，则其观测结果 (Y) 等于反事实结果 (Y^a)（即 (Y = Y^a) 当 (A=a)）。包含两个组件：

  1. 反事实结果的明确定义
    • 干预 (a) 需足够精确（如"心脏移植"需指定手术细节），避免模糊性（如"体重增加"因机制不明不成立）。
  2. 反事实与观测数据的链接
    • 数据中需存在与目标干预匹配的处理版本（如外科医生经验需符合协议要求），否则需假设处理变异无关性（treatment variation irrelevance）。

示例：

  • 若协议要求外科医生有≥10例手术经验，但实际数据中医生仅5–9例，则 (Y^{a=1}) 无法与观测 (Y) 链接。

3.6 目标试验（Target Trial）

核心框架：将观察性分析视为对目标试验（假设的随机实验）的模仿。

  • 协议要素：需明确定义合格标准、干预措施、对照、结局、随访时间及因果对比。
  • 作用：
    • 明确因果问题（如避免"肥胖效应"的模糊性）。
    • 指导数据收集（如需包含干预细节）。
    • 增强结果决策相关性。
  • 局限性：若干预无法明确定义（如"减肥方法"），则退化为预测分析（如肥胖与死亡的关联）。

技术要点：

  • 可归因分值（Attributable Fraction）：
    [
    \frac{\Pr[Y=1] - \Pr[Y^{a=0}=1]}{\Pr[Y=1]}
    ]
    表示处理导致的病例超额比例（不同于病因学分值）。

结论

  1. 观察性研究的因果推断依赖三个条件：一致性、可交换性、正性。
  2. 目标试验框架是核心工具，迫使研究者明确定义干预并评估假设。
  3. 局限性：
    • 未测量混杂和模糊干预威胁结论有效性。
    • 条件不满足时，结果仅代表关联（association），而非因果效应。

注：所有技术细节（如数学公式、表格引用）均严格依据原文，未添加主观解读。