基于删失时间事件的因果反事实表型分析

真实世界临床干预的疗效估计涉及处理连续结局，如死亡时间、再住院时间或可能受删失影响的复合事件。此类场景中的反事实推理需要将影响基线生存率的混杂生理特征效应与所评估干预的效应解耦。在本文中，我们提出一种潜变量方法来建模异质性处理效应，即假设个体可属于具有不同响应特征的潜类别之一。我们表明该潜结构可中介基础生存率，并有助于确定干预效应。我们在多项大型随机临床试验上展示了我们的方法基于个体处理响应发现可操作表型的能力，这些试验原旨为评估降低心血管风险的适当治疗。