后台

随机分配接触可确保非测量混淆可视随机性一号..按设计衡量和非计量混淆者预期在分派组间平均分布通向互换性如果接触状态反转,最后结果度量比较两组不会改变2,3..不遵守行为可能使基于实际接受处理的分析无效,如果与结果风险相关随机分配工具可估计因果平均效果4..

在观察研究中,因果推理因缺少随机接触分配而受挑战5..自选当病人选择自身特定接触时发生此类混淆已经在口服避孕药、绝经激素治疗、Statins和流感疫苗领域调查过,并称之为“偏向偏向性”。6预防偏差7健康守望者效果8和健康用户效果/bias九九..预防性干预对健康结果的影响可能被高估,因为那些选择普遍参与者比非参与者健康。由表示混淆发生时,医生或其他卫生专业人员选择病人进行特定接触10,11..混淆指针导致低估治疗效果:医生为最弱病人保留治疗方法;医生选择最健康病人求治高估[12..健康用户偏向和混淆指针是难以消除的偏向,即使在完全控制预测后也难排除13社会因素和个人因素6..如果能确定合适的工具,即使存在非测量混淆,也可能估计遵守者之间的因果平均效果。

经济学内部常用工具变量法估计因果效果14..工具最初概念化为结构方程模型中的外源变量以及与扰动有关的假设对流行病学家来说,工具变量法和基础假设可能更容易概念化,强调并行随机化论文的目的是审查工具变量假设和潜在验证使用定向非循环图并引入二级工具回归技术

三大基本假设

工具定义为变量预测接触,但条件接触显示与结果无关工具仅通过接触效果影响结果实验随机分配是理想工具的范例,但在符合所需假设的观察环境里也可能发现自然产生现象。文献中基础假设特征稍有不同4,12,14,15,16,17,18号,19号,20码,但三大假设可识别图一号描述随机控件测试并配有赋值标识Z级,接触X级和结果Y级共享原因U级表示偏向关联非计量因素X级→Y级.变量变异Z级工具满足以下三大假设

图1
图1

随机控件试播工具Z级,接触X级,结果Y级非计量因子U级

全尺寸图像
  1. 开工

    上头关联性假设:工具Z级因果效果X.

  2. 二叉

    上头排除限制值 :Z级影响结果Y级单通X.

  3. 3级

    上头可交换性假设:Z级不分享结果常见原因Y级[19号..也称此假设独立性假设15,18号万事通可忽略处理分配[14或描述为不可混淆Z对Y的影响[16..

上头关联性随机控制试验假设不言自明,理想任务决定接触分配和处理不完全相联Z级定然预测X级.上头排除有效双盲满足限制,这意味着卫生专业人员或参与者都不了解任务16..正因如此Z级无法直接撞击Y级.况且可交换性微小满足假设,因为随机化预期会导致分布均匀的分解者跨任务组[14..

无偏估计平均效果X级→Y级可估计平均效果Z级→Y级并Z级→X级[4..常用工具变量估计二分法处理比

$\frac#E\left[{Y#=1}\right]-E[Y#=0>#E\left[{X#=1}\right]-E[X#=0]

持续处理工具变量估计比

$\frac#Cov\left({Y,#\right)_Cov\left({X,#\right)_$

算法直截了当地对应转让对结果产生因果效果的意向处理效果16,19号..分母度量对分配接触失序增加时分母缩充稀化意图处理估计值以估计因果效果随机控制测试中应用工具变量方法可计及不守规问题,例如见[21号,22号..

工具变量方法可扩展至观察研究关联性略微修改为泛版:工具Z级并接触X级或因关联Z级因果效果X级或是因为X级并Z级共享事业16..后一实例中非计量因果工具U*常见代理或代理工具Z级并接触X级,见Fig2.

图2
图2

带代理仪表观察性研究Z级,非计量工具U*,接触X级,结果Y级非计量因子U级

全尺寸图像

文献中可识别观察研究中多类型建议工具,如Mendelian随机化遗传因素、获取基于地理变异或物理距离设施治疗的机会和偏爱基于设施或医生处理变异[18号,19号..一些作者鼓励利用自然变异15,而其他人则提醒说,确定有效工具的挑战并非无关紧要16,17..Martens和同事建立层次工具17最有效观察仪表变量受研究者控制随机鼓励戒烟第二,可以找到自然随机化过程的一些例子,例如门德罗随机化,Alleres随机分配子子主动随机化或自然随机化都不存在时,第三个机会是选择自然变源为工具并仔细证明假设得到满足的理由自然变异往往只产生工具与接触关系弱有效随机化程度削弱后,需要仔细审查可交换性假设增量此外,排除限制必须在不失明时仔细考虑17..

三大基本假设允许识别因果上下界4,15,16,23号..不幸的是,这些界限通常宽广,甚至均与预防效果、因果或完全无效相容19号..宽界凸出不确定性 估计因果效果并显示获取点估计需要第四假设提供多少信息24码..

第四识别假设

第四识别假设与效果同质性[16,19号..临床环境接触效果往往多种多样,例如statins对高胆固醇患者比对低水平患者有效均匀接触效果实例稀有,尽管附属切片效果被举为例12..最极端版本同质假设X级关于结果Y级人与人间应保持恒定性,这是生物上难以置信的弱似似然假设无效果修改Z级并发X级-Y级因果效果19号..换句话说,在外暴露因果与工具无关,在无因果中,与工具无关本假设不自然直观,但可以证明非计量混淆器对添加效果修改X级-Y级效果足以确保假设不持有[19号..在实践中,一些非计量混淆者最有可能是效果修饰者

然而,提出了不要求效果一致性的替代假设。即假设单调性或无敌者[19号,25码..取而代之的是限制因果估计的可泛性想象简单状况二分法器和二分法接触假设我们能够观察实际分配和反事实分配下的接触值,我们可以识别四大子群,见表一号[14..现实中,只观察实际任务下的接触量,因此我们无法在现实生活中区分这些子群

表1 四种子群定义反事实
全尺寸表

永不接受者这些人,无论被分配到哪个集团,都永不暴露。类似地常取者个人不管任务如何 都会暴露上头守法者个人接触后任务并称归并者边缘[12或上头-操作程序[4问题解析本分组内预期工具可实现互换性接触能跟踪任务,因为预测性因素不那么弱或强,病人要么永远得不到治疗,要么总能得到治疗。取而代之处理取决于工具即受控或自然随机产生现象举例说,仅在中心设施提供的新处理方法可能显示重病结果优于小分散化设施提供的传统处理方法。悬浮案例决不会提交中心设施处理,重案例总是提交中心设施处理。非轻重案例可视物理距离向中心设施提交表示当比较两位病人相似预测因子时,其中一人住在近距离,另一人住在远距离时,前者可能被指向中心设施,后者则不被指向中心设施。假设第一个远方居住 另一邻近, 他们的接触状态本会反转以这种方式,工具伪随机分配跨易交换类处理最后组违抗者个人接触与任务截然相反上例中表示,住在中心设施附近的病人实际上会转介分散设施,如果该病人与事实相反住在远方,病人本会转介中心设施本组对第四识别假设至关重要,该假设表示没有违抗者25码..

fig四块简单图3澄清命名关系单调性假设和概念不违抗19号..总是接受者从不接受者有常值接触而不管分配为零因果Z级上X级.万一没有违抗者存在 则唯一子群Z级可影响X级归并者第三个图中单调增长图说明这一点如果没有违抗者存在 效果Z级上Y级将只出自编译组工具变量估计效果会放大平均因果效果15..效果估计称局部平均处理效果14,19号,24码..作用估计的相关性受到质疑,因为无法识别归并者群,因此难以转换效果估计成对决策人实用相关性估计26..编译者群和效果估计视拟议工具的不同而因研究而异12..然而,估计平均处理效果(ATE)需要强似效果同质性假设24码..

图3
图3

工具效果Z级接触时X级四大分组

全尺寸图像

验证假设

上头关联性假设Z级-X级关联经经验验证并构成最常用工具估计技术的第一步:二级最小方数估计器14,15,16,19号..第一阶段预测基于工具的预期接触值协会使用F-Statistics2或风险差算法规则F统计小于10时工具被宣布弱19号..弱工具将产生宽置信区间上头排除限制无法从数据校验16,19号..反题知识应用排除工具对接触产生直接效果的可能性,见Fig4.随机控制试验有效双盲保证这一点以医生偏好为工具观察研究中,如果医生提供其他药物并加他们的偏好处理方法,即违反这一假设,例如退药加化疗研究评价不同处理法的副作用

图4
图4

图形表示法排除限制

全尺寸图像

上头可交换性假设部分用测余法验证数据15,19号..列表显示测量混淆器跨层次分布无法排除与非计量共变相混淆图5显示偏差产生U级直接效果Z级.受控试验随机化确保混淆者预期分布于分派组间,但在观察研究中必须特别注意拟用工具,特别是自然变异研究物理距离研究中,另一个因素,如影响处理和结果的社会经济状态,也可能影响距离中心设施以偏向为基础的研究中,高风险病人聚类可能发生在医生周围,如果高风险病人“医生商店”视其偏爱寻找医生[15..很明显自委会违反工具随机性 并造假关联虽然排除约束并可交换性假设无法从数据验证,提出了不同方法来伪造无效工具20码,27号..

图5
图5

图形表示法可交换性假设

全尺寸图像

第四假设单调性或无敌者随机控件测试因失明消除违抗的可能性15..在观察研究中,验证需要主题知识,难以实证测试12,19号..使用医生偏爱工具时,复杂决策过程多因数可能违反单调假设25码..基于偏好工具分析可补充对医生治疗计划和偏爱的调查,以便实证评估单调性假设25码..

违反《公约》的任何行为排除并可交换性假设产生偏差估计弱工具对数值偏差产生倍增效果,因为小分母夸大[16,17..这可能产生工具变量估计值,比基于实际接触的常规估计值更偏差因此,需要认真考虑可能的违规行为。

直觉估计介绍

最常用工具估计技术是二级最小方块估计器15,19号..第一阶段预测线性模型基于工具的预期接触值

$E\left[{X##\right]=\alpha#0}+\alpha##1}Z$

二级预测结果函数

$E\left[{Y++++++++++++++++

参数显示\\\\BETA+QQQ等效工具变量估计器用于预测接触值的任何测相共变相可添加到第一阶段并重加到第二阶段对这些共变假设松散边际互换性假设与基于共变假设的有条件互换性假设15..

直觉理解估计过程,Fig视觉显示传统和工具线性回归6基于假设数据通常情况下,在传统回归中,观测到的接触值组成独立变量预测依存变量工具回归中,第一阶段显示线性预测基于工具二级从上装线预测值作为独立变量使用,而不是观察值使用实际接触代之以预测接触工具回归线基于预测值显示比点形传统回归线斜率更高,而传统回归线可能受非测量混淆影响基本思想是预测值不受非测量常见原因影响X级→Y级关系

图6
图6

常规回归(左列)和双级工具回归(右列)基于带工具假设数据Z级,结果Y级并接触X级

全尺寸图像

结论

工具变量法三大基本假设已在文献中定性,但第四识别假设单调性受关注度低未来使用工具研究应谨慎地设法验证所有四种假设,可能同时随机化