一种针对多处理与聚类生存结局因果推断的灵活方法

当利用观测数据对多处理对聚类生存结局的效应进行因果推断时，我们需要处理多层数据结构、多处理、删失以及未测量混杂对因果分析的影响。现有可同时应对这些问题的现成因果推断工具很少。我们开发了一种灵活的随机截距加速失效时间模型，其中使用贝叶斯加性回归树来捕捉删失生存时间与处理前协变量之间任意复杂的关系，并使用随机截距来捕捉簇特定的主效应。我们开发了一种高效的马尔可夫链蒙特卡洛算法，以对多处理的群体生存效应进行后验推断，并检查簇水平效应的变异性。我们进一步提出了一种可解释的敏感性分析方法，以评估所绘制的关于处理效应的因果推断对偏离无未测量混杂这一因果假设之潜在程度的敏感性。大量仿真从经验上验证并展示了我们所提方法的良好实际运行特性。将所提方法应用于国家癌症数据库中老年高风险局限性前列腺癌患者数据集，我们评估了三种治疗方法对患者生存的比较效应，并考察了潜在未测量混杂的影响。本工作中开发的方法已在$\textsf{R}$包$\textsf{riAFTBART}$中 readily available。