干预下的预测：利用纵向观测数据评估反事实性能
统计方法学
2025-06-17 v4
摘要
干预下的预测是指：在给定个体特征的情况下，估计若其遵循特定治疗策略，其结局风险将会是多少。此类预测可为医疗决策提供重要输入。然而，评估干预下预测的预测性能颇具挑战。当使用观测数据时，评估预测性能的标准方法并不适用，因为干预下的预测涉及在不同于验证数据集中部分个体所观测到的条件下获得结局的预测。本文描述了针对时间至事件结局的干预下预测之反事实性能的评估方法。这意味着我们旨在评估：若所有个体均遵循其所基于预测的治疗策略，预测与验证数据的匹配程度如何。我们聚焦于利用纵向观测数据、且在涉及随时间维持特定治疗体制的治疗策略下的反事实性能评估。我们引入一种使用人工删失与逆概率加权的估计方法，其通过创建模仿所基于预测的治疗策略的验证数据集来实现。我们将校准、区分度（c-指数与累积/动态 AUCt）及总体预测误差（Brier 分数）的度量扩展，以允许反事实性能的评估。该方法通过模拟研究进行评估，包含应能检测出不良性能的场景。在肝移植背景下应用我们的方法表明，我们的流程可量化支持器官分配关键决策的预测性能。
引用
@article{arxiv.2304.10005,
title = {Prediction under interventions: evaluation of counterfactual performance using longitudinal observational data},
author = {Ruth H. Keogh and Nan van Geloven},
journal= {arXiv preprint arXiv:2304.10005},
year = {2025}
}