随机系统因果方法中的干预效应与最优策略

我们考虑定义对疾病或生理标志物的时变风险因素或治疗的干预效应的问题；我们在此发展后一种情形。因此，所考虑的系统为 $(Y,A,C)$，其中 $Y=(Y_t)$ 为关注标志物过程，$A=A_t$ 为治疗。一个现实情形是治疗只能在离散时刻改变。在观察性研究中，治疗分配律未知；然而，只要存在良好设定的模型，无需知晓治疗分配律即可估计物理律。干预由治疗分配律指定，因而该律已知。简单干预将简单地随机化治疗的分配；考虑过去历史的干预将被称为“策略”。干预的效应可由风险函数 $R^{\intr}=\Ee_{\intr}[L(\bar Y_{t_J}, \bar A_{t_{J}},C)]$ 定义，其中 $L(\bar Y_{t_J}, \bar A_{t_{J}},C)$ 为损失函数，并可形成不同策略风险函数之间的对比。一旦我们能计算任意策略的效应，便可搜索最优或次优策略；特别地，我们可找到最优参数化策略。我们提出几种设计策略的方法。作为示例，我们考虑在限制治疗负担的同时将 HIV 载量控制于某水平以下的策略选择。一项模拟研究展示了寻找最优参数化策略的可能性。