修正治疗政策图解指南，第 1 部分：介绍与动机

教程首页

这张图展示了三种因果干预（Causal Interventions）的定义，并以美国空气污染数据为例进行说明：

1. 静态干预（Static）：将每个个体的假设暴露设置为相同的值。例如，如果我们将每个人的空气质量指数（AQI）暴露设置为20，会怎么样？
2. 动态干预（Dynamic）：将每个个体的假设暴露设置为一个取决于基线协变量的值。例如，如果我们将生活在农村地区的每个人的AQI暴露设置为20，将生活在城市地区的每个人的AQI暴露设置为40，会怎么样？
3. 修正干预（Modified）：将每个个体的假设暴露设置为一个取决于自然发生的暴露值的值。例如，如果我们将每个人的AQI暴露减少到实际观察值的20%，会怎么样？

图中还展示了美国地图，分别表示了每种干预下的AQI暴露变化情况。

概要

• 修改后的治疗政策-Modified Treatment Policies是一系列用于定义和实施有趣的因果推断问题的方法集合。

• 这一系列方法的统一主题是它们允许我们研究假设性的干预措施或治疗政策，这些政策非常灵活。

• 这种灵活性使我们能够在横向和纵向设置中回答更现实的科学问题，包括多变量、分类或连续暴露。

现有方法概述

让我们从高层次回顾因果推断

大多数现代因果推断方法利用潜在结果框架，该框架提出在一个假设世界中会发生什么的问题，在这个假设世界中，我们可以操纵暴露因素，然后比较同一观察结果在不同暴露水平下的结果。

带有二元暴露的问题通常采用这样的形式：“如果每个人都接受了暴露与如果没有人接受暴露相比会发生什么？”同样，具有多级或连续暴露的问题通常采用这样的形式：“如果每个人都接受了这么多暴露，与如果每个人都接受了那么多暴露相比会发生什么？”像这样在两个（或更多）特定暴露水平下比较所有观察结果的研究设计被称为静态干预-static interventions.

这是一幅以因果推断中的反事实（Counterfactuals）概念为主题的漫画：

• 标题：“i’s Encounter with Counterfactuals”，意为“i与反事实的邂逅”。
• 画面内容：左侧有一个头顶有绿色头发、身上写着“i”的人物，表现出困惑的样子，配有“？？？！”的文字。右侧是一位穿着白色实验室外套的人物，正在引导“i”走向一个标有“UNIVERSE SPLITTER”（宇宙分裂器）的机器。机器上有黄色警示带，写着“DANGER DO NOT CROSS”（危险，请勿跨越）等警示语。
• 对话内容：引导者说“NOT TO WORRY, i, JUST HEAD THROUGH THESE DOORS! THE UNIVERSE IS GOING TO SPLIT—NO BIGGIE—AND YOU’LL GET THE EXPOSURE IN ONE WORLD BUT NOT THE OTHER. OUTCOMES WILL BE EVALUATED LATER.”，意思是“别担心，i，就穿过这些门！宇宙将会分裂——没什么大不了的——你会在一个世界中得到暴露，但在另一个世界中不会。结果稍后会进行评估”。被引导者回应“HUP, HUP, MOVE ALONG!”，意思是“快点，快点，往前走！” 。
• 寓意：漫画通过幽默的方式，借助“宇宙分裂器”这一科幻元素，形象地展示了反事实的概念。在因果推断中，反事实是指在其他条件相同的情况下，假如某个事件没有发生会出现的结果。漫画中宇宙分裂成两个世界，一个世界中个体有暴露，另一个世界中没有，借此类比在现实和反事实情境下的不同状态，以及后续对结果的评估。

静态干预是因果推断中的一种常见方法，但经常会出现一些问题。

问题 #1：正性违背-Positivity Violations

因果推断的一个关键要求是正性假设。这意味着，如果你正在比较两种暴露情况（例如，治疗 A 与治疗 B），对于数据集中的每一种协变量组合，必须有有时接受治疗 A 且有时接受治疗 B 的个体。直观地说，这确保了数据集中有足够的“实验”，以便能够估计效应。

正如你可以想象的那样，这通常并不成立。有时会出现理论上的正性违背：例如，如果我们正在研究一种治疗心脏病的药物的效果，心脏病专家可能会说，这种药物永远不会给同时患有慢性肾病的人使用，因为这种药物会损害肾脏。在所有数据集中，患有肾病的患者接受该药物的条件概率将为零。

其他时候我们会看到实际的正性违背，这意味着由于样本量小和/或随机机会，在某些协变量组合中，我们的数据集中很少有观察值接受我们感兴趣的治疗。例如，在一个研究前面例子中心脏病药物的数据集中，由于随机机会，数据中没有 40 至 60 岁的女性接受了这种药物。这不是理论上的正性违背（即医生会给这个年龄段的女性使用这种药物），但它仍然是一种实际的违背，因为它产生了很小或为零的治疗概率。

正性问题必须得到解决，最好在研究的规划阶段进行。

本文由mdnice多平台发布