针对多处理与二值结局中未测量混杂的灵活敏感性分析方法及其在SEER-Medicare肺癌数据中的应用

在缺乏随机试验的情况下，得出关于处理效应的因果推断的一个关键假设是可忽略的处理分配。违背可忽略性假设可能导致有偏的处理效应估计。敏感性分析有助于衡量当偏离可忽略性假设的潜在幅度变化时，因果结论将如何改变。然而，针对多处理与二值结局背景下未测量混杂的敏感性分析方法十分匮乏。我们提出了一种用于此类设定下因果推断的灵活蒙特卡洛敏感性分析方法。我们首先推导了未测量混杂所引入偏差的一般形式，重点讨论了多处理特有的理论性质。随后我们提出方法以刻画未测量混杂对潜在结局的影响，并调整去除假定未测量混杂后的因果效应估计。我们提出的方法将嵌套多重插补嵌入贝叶斯框架，从而能够无缝整合关于敏感性参数值的不确定性与抽样变异性，并利用贝叶斯加性回归树实现建模灵活性。大量模拟验证了我们的方法，并增进了对多处理敏感性分析的理解。我们使用SEER-Medicare数据展示了针对早期非小细胞肺癌三种处理的敏感性分析。本工作所开发的方法已在R包SAMTx中提供。