📊 statistics

Causal treatment effect decompositions with time-to-event outcomes under competing events

本文提出了一种在存在竞争事件时对时间 - 事件结局的治疗效应进行新颖的四向因果分解方法，该方法利用跨世界估计量来解析不同的机制，并通过两项随机试验验证了具有因果解释性的见解。

原作者： Mikko Valtanen, Tommi Härkänen, Jenni Lehtisalo, Tiia Ngandu, Miia Kivipelto, Kari Auranen

发布于 2026-05-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Mikko Valtanen, Tommi Härkänen, Jenni Lehtisalo, Tiia Ngandu, Miia Kivipelto, Kari Auranen

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在评估一种新药预防某种特定疾病（我们称之为“目标疾病”）的效果。但存在一个问题：患者可能会先因其他原因（我们称之为“竞争事件”）死亡。

如果患者死于“竞争事件”，他们就无法再患上“目标疾病”。这使得我们很难判断该药物是否真正有助于预防“目标疾病”，还是仅仅改变了其他事件发生的时间。

本文提出了一种新方法，将治疗的“总效应”分解为四个 distinct 部分，以便在这种复杂情况下确切理解药物是如何（或未能如何）发挥作用的。

以下是使用“障碍赛跑”类比进行的简单分解：

赛跑类比

想象一场赛跑，选手们正试图冲过终点线（“目标疾病”）。然而，赛道上存在一些障碍，可能会提前将选手淘汰出局（“竞争事件”）。

研究人员问道：“药物究竟在多大程度上真正帮助选手到达终点线，而其中有多少‘帮助’仅仅是由障碍造成的错觉？”

他们将答案分为四个部分：

1. 控制直接效应（“纯粹”的药物作用）

这衡量的是如果我们神奇地移除赛道上所有障碍，药物能在多大程度上发挥作用。

它说明了什么： 无论障碍是否存在，药物是否真的让选手跑得更快？
在论文中： 这是在竞争事件从未发生的情况下，治疗对目标事件的影响。

2. 参考拦截（“未改变”的障碍）

这衡量的是即使药物完全不改变障碍，障碍本身如何自然地阻止选手。

它说明了什么： 有时药物确实帮助了选手，但障碍（竞争事件）仍然在他们完成比赛前将其淘汰。这部分捕捉了障碍在现实世界中存在所导致的“损失”，即使药物并未使障碍变得更糟或更好。
在论文中： 当竞争事件基于“无治疗”情景下的自然行为拦截目标事件时，就会发生这种情况。

3. 中介拦截（“改变”的障碍）

这衡量的是药物改变了障碍本身的程度，进而改变了比赛结果。

它说明了什么： 药物是否让障碍出现得更早或更晚？
- 示例 A： 如果药物让障碍出现得更晚，选手就有更多时间到达终点。这看起来像是一种益处，但实际上是因为障碍被推迟了。
- 示例 B： 如果药物让障碍出现得更早，选手会被更快地淘汰。这看起来像是一种危害，但实际上是因为障碍被加速了。
在论文中： 这是专门因为治疗改变了竞争事件而发生的拦截变化。

4. 纯间接效应（“侧门”退出）

这衡量的是药物如何改变障碍，从而阻止目标事件的发生，即使药物对目标本身没有直接作用。

它说明了什么： 有时药物对选手毫无帮助，但它极大地加速了障碍，导致选手在有机会尝试之前就被淘汰。这种对目标事件的“预防”实际上是加速竞争事件的副作用。
在论文中： 当治疗影响竞争事件，进而拦截目标事件时，即使治疗对目标没有直接作用，也会发生这种情况。

为什么我们需要这个方法？

论文指出，仅看“总效应”（最终结果）往往具有误导性。

情景 1： 一种药物可能看起来治愈了某种疾病，因为它推迟了竞争死亡。但如果查看四个部分，你会发现药物实际上并没有治愈该疾病；它只是推迟了另一种死亡，从而给了该疾病更多发生的时间。
情景 2： 一种药物可能看起来导致了某种疾病，因为它加速了竞争死亡。但四个部分揭示，该药物实际上在治愈疾病方面非常有效（第 1 部分），但它同时也加速了竞争死亡（第 3 和第 4 部分），从而掩盖了治愈效果。

论文中的现实世界示例

作者将这种“四向分解”应用于两项真实的医学研究：

FINGER 研究（生活方式干预）：
- 目标： 预防认知能力下降。
- 竞争事件： 其他原因导致的死亡。
- 结果： 生活方式干预推迟了认知能力下降和其他死亡。分析显示，益处主要来自“纯粹”效应（第 1 部分），但由于它也推迟了其他死亡，因此略微增加了后期认知能力下降的风险（第 4 部分）。
前列腺癌试验（雌激素治疗）：
- 目标： 预防前列腺癌死亡。
- 竞争事件： 其他原因导致的死亡。
- 结果： 该治疗实际上增加了死于其他原因的风险。这使得该治疗看起来像是预防了前列腺癌死亡。分解分析显示，虽然该治疗确实具有直接益处（第 1 部分），但大部分“益处”实际上仅仅是因为该治疗更快地导致患者死于其他原因（第 3 和第 4 部分），从而减少了前列腺癌杀死他们的时间。

核心结论

本文提供了一种数学“透镜”，用于将药物的真实效力与同时发生在患者身上的其他事情所引起的令人困惑的副作用区分开来。它帮助研究人员回答：“药物是否真正有效，还是仅仅改变了其他事件发生的时间？”

作者指出，该方法依赖于特定的假设（例如没有隐藏因素随时间变化），并且在我们能够准确测量患者初始条件时效果最佳。

技术摘要：存在竞争事件时时间 - 事件结局的因果处理效应分解

问题陈述
关于时间 - 事件结局的处理效应推断，常因竞争事件而变得复杂，竞争事件会阻止目标事件（即感兴趣事件）的发生。当处理本身影响竞争事件的发生时，这一问题尤为突出。在此类情境下，基于风险的标准度量可能产生误导性的解释：一种处理可能仅仅通过加速竞争事件（从而减少目标事件发生的时间）而显得对目标事件具有保护作用；或者相反，通过延迟竞争事件而显得有害。现有的框架，如病因特异性风险与净风险的分离，或可分离效应框架，往往依赖于限制性假设（例如，将处理分解为独立分量的可行性），或者未能全面区分产生表观总效应的潜在机制。

方法论
作者提出了一种在有竞争风险存在的情况下，针对目标事件的总处理效应（TE）的四重分解方法。该方法基于利用跨世界估计量的因果模型。

数据结构与符号：研究采用离散时间模型，包含二元处理 $A$ 、目标事件指示过程 $Y$ 、竞争事件指示过程 $D$ 以及删失过程 $C$ 。
联合过程与跨世界估计量：核心方法创新在于定义了一个联合过程 $Z^{a', a''}$ ，该过程通过结合在假设干预下（即消除竞争事件）两个事件的指示器而构建。具体而言， $Y^{a', \emptyset}$ 表示在消除竞争事件过程的情况下，处理为 $a'$ 时的目标事件； $D^{\emptyset, a''}$ 表示在消除目标事件的情况下，处理为 $a''$ 时的竞争事件。联合过程 $Z^{a', a''}$ 追踪这些过程直到其中一个事件发生。
四重分解：基于这些跨世界量，总效应被划分为四个不同的分量：
- 受控直接效应 (CDE)：在假设消除竞争事件的世界中，处理对目标事件的效应。
- 参考截获 ( $INT_{ref}$ )：在参考（未处理）处理水平下，由竞争事件截获目标事件而对总效应产生的贡献。
- 介导截获 ( $INT_{med}$ )：当竞争事件在处理水平下与参考水平下被考虑时，截获效应的变化。仅当处理影响竞争事件时，该分量才非零。
- 纯间接效应 (PIE)：当目标事件遵循其在参考处理下的分布时，被截获部分的差异，反映了处理对竞争事件的影响如何改变目标事件的风险。
识别：论文指定了一组假设，用于从观测数据中识别这些总体平均水平：
- 可交换性：在给定基线协变量的条件下，受控过程独立于处理分配；过程满足序列可交换性。
- 一致性：观测结果对应于在观测到的处理下的潜在结果。
- 正性：对于所有协变量模式，都有可能存活至随访结束。
  在这些假设下，各分量利用从观测数据导出的病因特异性风险进行识别。

关键结果与示例
作者通过模拟和两项真实世界的随机试验展示了该分解的效用：

模拟场景：模拟了三种场景，以说明各分量在不同处理 - 竞争事件动态下的行为：
1. 处理延迟竞争事件：总效应主要由受控直接效应 (CDE) 驱动，但纯间接效应 (PIE) 引入了有害贡献，因为延迟竞争事件为目标事件的发生提供了更多时间。
2. 处理加速竞争事件：总效应是有益的。在此情况下，纯间接效应 (PIE) 产生正向贡献，因为加速竞争事件减少了目标事件发生的时间。
3. 处理不影响竞争事件：介导截获和纯间接效应为零，突显了即使处理不改变竞争事件的风险，竞争事件仍通过参考截获影响表观总效应。
实证应用：
- FINGER 试验（认知障碍/心血管疾病）：分析一项生活方式干预，该处理可能同时延迟心血管疾病和死亡。分解显示受控直接效应占主导地位，竞争事件的干扰极小，表明该处理对心血管疾病的效果是稳健的。
- 前列腺癌试验（DES 与安慰剂）：分析一种处理（DES），该处理增加其他原因死亡（竞争事件）的风险，同时降低前列腺癌死亡率。分解揭示，虽然受控直接效应显示出保护作用，但纯间接效应也通过加速其他原因死亡从而减少前列腺癌死亡发生的时间，对表观益处做出了贡献。

意义与主张
本文声称提供了一个全面的框架，用于刻画存在竞争事件时的处理效应，而无需依赖可分离效应框架所要求的限制性假设（即处理在物理上可分解为独立分量）。

机制洞察：四重分解揭示了竞争事件在塑造表观处理效应中的具体作用，区分了处理直接作用于目标、通过竞争事件起作用，或竞争事件截获目标等不同机制。
因果可解释性：通过依赖跨世界估计量，作者定义了即使在处理影响竞争事件的情况下也具有因果可解释性的估计量。
灵活性：各分量可重新组合以形成其他标准估计量，如自然直接效应 (NDE) 和自然间接效应 (NIE)，或总直接效应 (TDE)，允许研究人员根据具体研究问题（例如，病因机制与整体健康改善）定制分析。
局限性：作者指出，该方法目前依赖于基线协变量；时变混杂因素的存在对跨世界估计量构成了重大挑战，因为这需要对冲突处理分配下不可观测的纵向轨迹做出假设。

总之，所提出的分解为定义因果可解释的估计量奠定了基础，这些估计量考虑了处理、目标事件和竞争事件之间复杂的相互作用，提供了比单纯总效应度量更细致的治疗有效性理解。