Causal Inference with Multiple Misclassified Exposures: A Control Variate-Adjusted Calibration Weighting Approach

技术摘要：针对多重误分类暴露的因果推断

问题陈述
在囊性纤维化（CF）患者呼吸道感染的研究中，暴露误分类是一个普遍存在的问题。虽然痰液培养是检测铜绿假单胞菌（Pseudomonas aeruginosa）和金黄色葡萄球菌（Staphylococcus aureus）等病原体的金标准，但由于获取难度大（尤其是对于年幼患者），研究人员经常依赖咽拭子。这种测量误差（特别是无差异误分类）会导致因果效应估计值向零偏倚，可能导致对病原体对肺功能（如预测 FEV1 百分比）影响的低估。现有的关于因果推断中测量误差的文献主要集中在单变量暴露，或依赖于对误分类机制的参数化模型，这在处理无需显式建模误差过程的多重、聚类且误分类的二元暴露时，留下了方法论上的空白。

方法论
作者提出了一个结合**校准权重（calibration weighting）与控制变量调整（control variate adjustment）**的框架，用于解决聚类数据中多重误分类二元暴露的因果推断问题。数据结构被划分为三个互斥的子样本：

1. 金标准样本： 仅具有痰液培养观测值的样本（观察到真实暴露 $A$）。
2. 易错样本： 仅具有咽拭子观测值的样本（观察到误分类暴露 $A^*$）。
3. 验证样本： 同时收集了痰液培养和咽拭子配对测量的观测值。

该方法分为两个阶段进行：

1. 校准加权增强逆概率加权（AIPW）：
   作者将误分类视为缺失数据问题。他们为金标准样本和易错样本构建校切准权重，以平衡协变量分布与目标总体边缘分布。这些权重通过指数倾斜（exponential tilting）导出，以最小化 Kullback–Leibler 散度。

   • 使用金标准样本构建一致估计量（$\hat{\tau}_1$）。
   • 使用易错样本构建单独的估计量（$\tilde{\tau}_0$）。
   • 这两种估计量均利用结果回归模型（通过多元自适应回归样条，MARS 进行拟合），并且具有双重稳健性（doubly robust）：即如果校准权重（倾向评分）或结果模型其中之一被正确设定，则估计量保持一致。至关重要的是，这种方法无需对误分类机制的敏感性和特异性进行建模即可实现一致性。

2. 控制变量调整：
   为了提高效率，作者利用验证样本构建控制变量。

   • 使用包含易错暴露 $A^*$ 的验证样本构建第三个估计量（$\tilde{\tau}_{val}$）。
   • 在可交换易错采样（exchangeable error-prone sampling）的假设下，差值 $\hat{\zeta} = \tilde{\tau}_{val} - \tilde{\tau}_0$ 的期望值为零。
   • 该均值为零的量被用作调整金标准估计量的控制变量：$\hat{\xi} = \hat{\tau}_1 + b\hat{\zeta}$。
   • 系数 $b$ 的选择旨在最小化方差，这依赖于金标准估计量与控制变量之间的协方差，该协方差可以通过验证样本进行识别。

核心贡献
本文做出了四个主要贡献：

1. 量化偏差： 经验性地量化了在 CF 患者研究中，依赖咽拭子而非痰液培养进行铜绿假单胞菌和金黄色葡萄球菌检测所引入的偏差。
2. 校准框架： 概述了将误分类视为缺失数据的校准权重估计量，并将其分别应用于金标准样本和易错样本，而无需对误分类机制进行建模。
3. 多元控制变量： 将控制变量方法扩展到具有聚类观测值的二元二元暴露。值得注意的是，本文阐明了多元设置中的效率增益结构性上限。作者证明，由于方差缩减受限于两个暴露同时被正确分类的联合概率（该概率低于边际概率），因此其增益较单变量应用更为有限。
4. 模拟与实证验证： 在模型误设定情况下通过模拟评估了所提方法，并将其应用于真实的 CF 队列。

结果

• 模拟研究： 所提出的估计量在各种模型误设定（错误的倾向评分或结果模型）下均表现出一致性和双重稳健性。控制变量估计量相比仅使用金标准估计量，方差降低了高达 13%。然而，当金标准观测比例较小（$\eta=0.2$）时，由于校准权重的有限样本不稳定性，名义 95% 置信区间的覆盖概率出现了轻微欠覆盖（89–92%）。
• CF 队列应用： 研究分析了 651 名 CF 患者（12,971 次观测）。
  • 偏差减轻： 与基于痰液的估计相比，基于拭子的估计将铜绿假单胞菌对预测 FEV1 百分比的影响程度减轻了约 69%（$-2.67$ vs. $-8.52$ 个百分点）。
  • 伪相关： 基于拭子的估计显示金黄色葡萄球菌与肺功能之间存在显著的正相关（$+2.86$ 点），这是由于拭子对该病原体的低特异性（63.6%）导致的人工现象，即将未定植（更健康）的患者误分类为已定植。
  • 控制变量表现： 控制变量估计量产生的估计值接近金标准痰液结果（铜绿假单胞菌为 $-8.00$），并将标准误降低了不到 1% 至约 6%，这与多元设置中的理论结构性上限相符。

意义与主张
作者声称，其方法为处理存在金标准但较为稀缺的多重误分类暴露的因果推断提供了一个稳健的框架。其主要意义在于证明，依赖不完美的代理指标（咽拭子）会导致严重低估病原体的影响，并可能产生误导性的临床结论（例如，暗示金黄色葡萄球菌是有益的）。

作者适度地指出，虽然控制变量调整提供了效率增益，但在多元设置中，这些增益受到联合正确分类要求的结构性限制。作者强调，其方法实现了无需指定测量误差的敏感性和特异性的致性，这是相对于参数化修正方法的显著优势。他们得出结论，研究结果表明临床上有必要避免仅根据拭子数据来对铜绿假单胞菌进行不足治疗，并强调了该框架在涉及多重误分类暴露的更广泛应用中的效用。