通过效应外推对未测量混杂进行敏感性分析

推断非随机分配暴露对结果的因果效应，需要调整暴露与结果的共同成因，以避免有偏结论。尽管研究者通常努力测量并调整此类共同成因（或混杂因素），但仍有一些混杂因素未被测量，这在观察性研究中引发了推断偏倚的可能。因此，研究者能够从实际角度评估其实质性结论对潜在未测量混杂的相对（不）敏感性至关重要。在本文中，我们提出一种敏感性分析策略，该策略基于暴露效应在精心选取的、不同的已测量混杂因素子集上的稳定性。该提议首先近似混杂因素的记录过程，以了解效应如何受到不同数量未测量混杂的影响，然后外推至若额外调整了假设未测量混杂因素后的效应。因此，一大组已测量混杂因素可被用来洞察未测量混杂偏倚的可能存在，尽管这依赖于关于混杂因素数据如何被记录的假设。通过模拟研究，将该提议在揭示真实效应及外推后确保有效推断的能力与现有方法进行了实证比较。我们使用两个常用于因果推断的公开数据集演示了该过程。