远端因果漂移效应：微随机试验中时变处理的长期效应建模

微随机试验 在优化数字干预中发挥着至关重要的作用。在 MRT 中，每位参与者被连续随机分配至处理选项数百次。尽管 MRT 中测试的干预针对的是短期行为反应（近端结局），但其最终目标是推动长期行为改变（远端结局）。然而，现有的因果推断方法（如因果漂移效应）仅限于近端结局，使得量化干预的长期影响具有挑战性。为了填补这一空白，我们引入了远端因果漂移效应 (DCEE)，一种用于量化时变处理长期效应的新型估计量。DCEE 在两种漂移策略下对比远端结局，同时对大多数处理分配进行边缘化，即使在决策点数量庞大的情况下也能实现简约且可解释的因果模型。我们为 DCEE 提出了两种估计量——一种采用交叉拟合，一种不采用——两者均对结局模型的错误设定具有稳健性。我们建立了它们的渐近性质，并通过模拟验证了其性能。我们将我们的方法应用于 HeartSteps MRT，以评估活动提示对长期习惯形成的影响。我们的发现表明，在研究早期提供的提示比后期提供的提示具有更强的长期效应，突显了干预时机在行为改变中的重要性。这项工作为从事数字干预的科学家提供了极其需要的工具包，以利用 MRT 数据评估长期因果效应。