估算体重增加对死亡率影响的因果模型

假设与事实相反，在 1950 年，我们将一队 18 岁的不吸烟美国男性置于严格的强制饮食下，保证没有任何人的体重超过其在 18 岁时确定的基线体重。这些 18 岁人群的反事实死亡率与他们在 2007 年之前实际观测到的死亡率相比会如何？我们详细描述了如何通过对一种新型结构嵌套模型应用 g-估计，从类似于大型健康维护组织（HMO）电子病历中存储的纵向流行病学数据中估算这种反事实对比。我们的分析方法不同于任何替代方法，因为在没有模型误设的情况下，它能成功调整：(i) 测量的随时间变化的混杂因素，如运动、高血压和糖尿病，这些因素既是体重增加至死亡因果路径上的中间变量，又是未来体重增加的决定因素；(ii) 未测量的由未诊断的临床前疾病引起的混杂（即反向因果），这可能导致体重增加不良和过早死亡 [前提是能指定受试者遭受足以影响其体重但未临床表现的重度亚临床疾病的最长时间上限]；以及 (iii) 特定可识别亚组的存在，如患有严重肾脏、肝脏、肺部和/或心脏疾病的患者，在这些患者中，未测量的预后因素造成的混杂如此严重，以至于任何直接分析调整尝试都变得无用。