面向时变作用的新型g计算算法：处理 recurrent 与半竞争事件

背景：流行病学的核心议题之一是确定潜在公共卫生干预措施随时间变化的影响。对于长期随访研究，流行病学家可能需要考虑半竞争事件，即终端事件（如死亡）预cludes非终端事件（如高血压）。研究时变混杂因素会使研究时变干预或作用对象提出额外挑战。现有方法未能同时处理半竞争事件与时变混杂。方法：我们提出两种新颖的g计算算法，用于处理半竞争事件与时变作用的因果效应。为探讨新型g计算估计器的性能，我们进行了蒙特卡洛模拟研究。随后，我们将其应用于研究烟草禁烟如何影响流行病学研究中常见的高血压，使用来自美国长久追踪青少年到成年健康调查（National Longitudinal Study of Adolescent to Adult Health）第三波至第六波（年龄18-26岁至39-51岁）的数据。结果：我们的模拟显示，新型g计算估计器几乎无偏，并具有适当的置信区间覆盖率。它们在不同样本量下均优于现有替代方法。在实际应用中，新型估计器发现，若全程禁烟，相较于观察到的吸烟模式，能显著降低中年期高血压的流行病学水平及死亡风险。结论：随着随访队列年龄增长，死亡现象将成为研究老化相关结局、生命历程分析以及慢性病发展调查日益增长的关注点。我们的新型g计算估计器提供了同时解决此类问题的有效方法。