关于估计信息性时序处理疗效的考量

流行病学研究常关注于估计一系列治疗决策对生存结果的因果效应。在许多情境下，治疗决策并非发生在固定、预先指定的随访时间点，而是以信息性方式在不同受试者之间变化，这种变化可能对后续治疗决策及潜在结果具有影响。本文旨在填补文献中对该问题及其潜在解决方案缺乏关注的空白。我们对信息性时序问题进行形式化建模，阐述忽视其后的问题，并展示如何利用g-方法分析信息性时序的序列处理。如文中所述，在此类情境下，连续治疗决策之间的等待时间可被恰当地视为一种时变混杂变量。我们通过合成案例说明，g-方法若未调整等待时间则可能产生偏倚，而在患者可能在治疗之间死亡或被 censoring 的情形下，如何进行调整也得到阐述。我们还在离散时序模型与连续时序模型之间建立了调整与识别之间的联系。最后，我们提供实施指导并给出基于公开软件的示例。我们的结论信息在于：1）考虑时序对有效推断至关重要；2）通过g-方法将治疗间的等待时间作为时变混杂变量进行调整，可实现对信息性时序的校正。