论文技术总结：连续干预下违反 positivity 假设的可行剂量 - 反应曲线

1. 研究背景与问题 (Problem)

在因果推断中，阳性假设 (Positivity Assumption) 要求每个个体在协变量分层下都有非零概率接受任何考虑的治疗水平。对于连续干预 (Continuous Interventions)（如药物浓度、剂量），这一假设的满足往往比二值干预更为困难。

• 核心挑战：在实际数据中，某些治疗水平在特定的协变量分层下可能缺乏数据支持（即“重叠不足”或"Positivity Violations"）。例如，在药代动力学研究中，由于个体代谢差异，某些患者群体可能永远无法达到特定的药物浓度水平，导致该区域的数据稀疏或缺失。
• 现有方法的局限性：
  • 修剪 (Trimming)：剔除重叠不足的区域，但这会改变目标总体，丢失有价值的数据，且结果仅适用于保留的子集。
  • 加权 CDRC (Weighted CDRC)：通过重新加权来处理重叠不足，但会导致估计量（estimand）变得难以解释，因为它混合了因果效应和关联效应。
  • 修正治疗策略 (MTPs)：虽然能改善重叠，但通常针对的是预先定义的策略性干预，可能偏离研究者原本关心的“设定所有人到特定剂量 $a$"的剂量 - 反应曲线 (CDRC) 问题。
  • 外推风险：在缺乏支持的区域强行估计标准 CDRC 会导致严重的模型依赖和偏差。

研究目标：开发一种方法，在存在 positivity 违反的情况下，能够估计一个科学上可解释且统计上稳健的剂量 - 反应曲线，尽可能贴近原始的 CDRC 目标，同时避免不可靠的外推。

2. 方法论 (Methodology)

作者提出了一种基于可行干预 (Feasible Intervention) 的新框架，核心思想是：当目标剂量对某些个体不可行时，将其映射到该个体最接近的、有数据支持的可行剂量。

2.1 诊断工具：非重叠比率 (Non-overlap Ratio)

为了量化 positivity 违反的程度，作者引入了非重叠比率 ($\tau_\alpha(a)$)：

• 首先定义条件最高密度区域 (Conditional Highest Density Regions, HDRs) $A_\alpha(l)$：给定协变量 $l$，包含条件密度 $f(A|L=l)$ 质量 $\alpha$ 的集合。
• 定义：$\tau_\alpha(a) = P(a \notin A_\alpha(L))$。
• 含义：表示在总体中，有多少比例的个体其协变量特征使得目标剂量 $a$ 落在支持区域之外（即不可行）。该指标用于诊断哪些剂量水平存在严重的 positivity 问题。

2.2 核心概念：最可行干预 (Most Feasible Intervention)

对于给定的目标剂量 $a$ 和个体协变量 $L=l$，定义干预算子 $d_{0,\alpha}(a, l)$：
$$d_{0,\alpha}(a, l) = \begin{cases} a, & \text{如果 } a \in A_\alpha(l) \quad (\text{目标可行}) \\ \arg\min_{u \in A_\alpha(l)} |u - a|, & \text{如果 } a \notin A_\alpha(l) \quad (\text{目标不可行，映射到最近可行值}) \end{cases}$$

• 该规则将不可行的目标剂量动态地调整为该个体在当前数据分布下最接近的可行剂量。

2.3 新估计量：可行剂量 - 反应曲线 (FDRC)

基于上述干预规则，定义可行剂量 - 反应曲线 (Feasible Dose–Response Curve, FDRC)：
$$m_{feasible}(a) = E[Y^{d_{0,\alpha}(a, \cdot)}]$$

• 解释：如果我们试图将所有人的剂量设定为 $a$，对于那些无法达到 $a$ 的个体，我们将其调整到他们能达到的最近剂量。FDRC 描述的是这种“尝试设定为 $a$，但允许个体 fallback 到最近可行值”后的平均结果。
• 优势：在重叠充足区域，FDRC 等同于标准 CDRC；在重叠不足区域，它避免了外推，转而估计基于实际可行数据的效应。

2.4 估计策略：Plug-in g-computation

作者提出了一个Plug-in g-computation 估计器：

1. 密度估计：使用灵活的模型（如参数模型、核密度估计或基于 HAL 的机器学习方法）估计条件治疗密度 $\hat{f}(a|l)$。
2. 构建支持集：基于估计的密度计算 HDR 阈值，确定每个个体的可行集 $\hat{A}_\alpha(l)$。
3. 映射干预：根据目标 $a$ 和可行集，计算每个个体的最可行干预值 $\hat{d}_\alpha(a, l)$。
4. 结果回归：拟合结果回归模型 $\hat{\mu}(a, l) = E[Y|A=a, L=l]$。
5. 计算曲线：将 $\hat{d}_\alpha(a, l)$ 代入回归模型并取平均，得到 $\hat{m}_{feasible}(a)$。

该流程已集成在 R 包 CICI 中。

3. 主要贡献 (Key Contributions)

1. 诊断框架：提出了基于 HDR 的非重叠比率，为连续干预下的 positivity 违反提供了量化诊断工具，能够识别哪些剂量水平在哪些协变量群体中不可行。
2. 新估计量定义：定义了可行剂量 - 反应曲线 (FDRC)。它通过个体化的“最可行干预”规则，在保持科学目标（针对特定剂量 $a$ 的效应）的同时，解决了不可行剂量带来的识别和估计问题。
3. 方法论创新：
   • 与修剪法相比，FDRC 保留了原始总体的因果解释（尽管干预规则是动态的）。
   • 与加权法相比，FDRC 提供了更清晰的干预解释（“设定为 $a$ 或最近的可行值”），而非混合了关联项的加权平均。
   • 与 MTPs 相比，FDRC 直接针对研究者关心的目标剂量 $a$ 进行映射，而不是预先定义一个通用的偏移策略。
4. 软件实现：开发了 CICI R 包，实现了从密度估计、支持集构建到 FDRC 计算的全流程。

4. 实验结果 (Results)

4.1 模拟研究 (Simulations)

作者进行了三组模拟实验：

• 模拟 1 (模型设定 vs 误设)：在存在 positivity 违反的情况下，比较线性、对数和正弦型结果函数。结果显示，当模型误设且需要外推时，标准 CDRC 偏差极大，修剪法方差大且偏差高，而 FDRC 显著降低了偏差，特别是在非线性关系区域。
• 模拟 2 (重叠程度对比)：对比强重叠和弱重叠场景。在弱重叠下，FDRC 的偏差低于标准 CDRC，且在重叠充足时与标准 CDRC 表现一致。
• 模拟 3 (复杂真实数据场景)：基于 CHAPAS-3 数据生成过程。结果显示，在极低或极高浓度（非重叠区域），标准 CDRC 出现剧烈波动，而 FDRC 保持稳健，且避免了在理论不可行区域（如截断分布之外）的无意义估计。

4.2 真实数据分析 (CHAPAS-3 试验)

• 背景：分析赞比亚和乌干达 HIV 阳性儿童使用依非韦伦 (Efavirenz) 的血浆浓度与病毒失败率的关系。
• 发现：
  • 诊断：非重叠比率显示，浓度低于 1 mg/L 和高于 3.5 mg/L 时，存在严重的 positivity 违反（许多儿童因代谢原因无法达到这些浓度）。
  • 曲线对比：在 1-3.5 mg/L 的支持区域内，FDRC 与标准 CDRC 几乎重合。在极端浓度区域，标准 CDRC 因外推而变得不稳定，而 FDRC 则平滑地反映了“尝试设定该浓度但调整到最近可行值”后的预期结果。
  • 结论：FDRC 提供了一个在现实约束下稳定且可解释的浓度 - 反应总结，揭示了在极端浓度下药物可能无效或不可行的事实，而不会给出误导性的外推结论。

5. 意义与讨论 (Significance)

• 科学解释性：FDRC 回答了临床和公共卫生中非常实际的问题：“如果我们试图将所有人设定为剂量 $a$，对于那些无法达到该剂量的个体，调整到最近可行剂量后的结果是什么？”这使得估计结果在政策制定和临床决策中更具可操作性。
• 稳健性：通过显式地处理支持区域限制，该方法减少了对模型外推的依赖，降低了在稀疏数据区域的估计偏差。
• 互补性：该方法不追求在完全非参数模型下的双重稳健性（这在连续干预下通常不可行），而是通过调整干预定义来换取估计的可行性和解释性，为连续干预下的因果推断提供了新的视角。
• 局限性：估计结果依赖于条件密度估计的准确性；支持水平 $\alpha$ 的选择会影响结果；且由于估计量依赖于数据驱动的规则，标准自助法 (Bootstrap) 的覆盖性质可能需要特殊处理（如样本分割）。

总结：这篇论文通过引入“可行干预”的概念，成功解决了连续干预下 positivity 违反导致的估计难题，提供了一种既尊重数据现实限制，又保留原始科学问题核心意图的因果推断新范式。