中介变量因果结构未知且为高维时的非线性中介分析

当从处理到结局的因果路径上存在多个潜在中介变量时，我们考虑沿通过每个不同中介变量的多条可能因果路径分解效应的问题。在 Pearl 的路径特定效应框架（Pearl, 2001; Avin et al., 2005）下，此类细粒度分解需要严格假设，例如正确设定中介变量间的因果结构，且中介变量间无未观测混杂。相比之下，多中介变量的介入式直接与间接效应（Vansteelandt and Daniel, 2017）可在弱得多的条件下识别，同时提供具有科学意义的因果解释。然而，当前的估计方法需要（正确）设定联合中介变量分布的模型，当存在高维的、可能连续与非连续的中介变量集合时，这十分困难。在本文中，我们避免了对此分布建模的需要，通过发展 VanderWeele 和 Tchetgen Tchetgen（2017）针对纵向中介所提出的介入效应的定义。我们提出了一种使用（反事实）中介变量分布的非参数估计的新估计策略。非连续结局可通过非线性结局模型处理。估计通过蒙特卡洛积分进行。该程序使用公开可用的基因组数据（Huang and Pan, 2016）进行说明，以评估 microRNA 表达对脑癌患者三个月死亡率的因果效应，该效应可能由多个基因的表达值中介。