利用时变工具变量估计并改进动态治疗策略

从回顾性观测数据估计动态治疗策略（DTRs）具有挑战性，因为通常预期存在某种程度的未测量混杂。本工作中，我们发展了一个利用时变工具变量（IV）估计恰当定义的“最优”DTRs的框架，适用于未测量协变量同时混杂治疗与结局、致使潜在结局分布仅被部分识别的情形。我们在部分识别下推导了一个新的贝尔曼方程，用它定义一类通用估计量（称为 IV-最优 DTRs），并研究相关的估计问题。随后我们将 IV-最优框架拓展至策略改进问题，给出 IV-改进 DTRs，其性能保证不劣于且可能优于一个预先指定的基线 DTR。重要的是，我们的 IV-改进框架开启了严格改进那些在无未测量混杂假设（NUCA）下最优的 DTRs 的可能性。我们通过大量模拟证明了 IV-最优与 IV-改进 DTRs 相对于仅在 NUCA 下最优的 DTRs 的优越性能。在一个真实数据示例中，我们利用时变 IV 将回顾性观测登记数据嵌入一个具有不依从性的自然两阶段实验，并估计出有用的 IV-最优 DTRs，依据母亲的前瞻变量将其分配至高级别或低级别新生儿重症监护病房。