利用伪值简化基于生存时间结果的因果中介分析

生存结果的中介分析具有挑战性。大多数现有方法使用危险比（HR）来量化处理效应，并尝试将 HR 分解为处理的直接效应加上间接（或中介）效应。然而，HR 不能表示为期望，这使得这种分解在估计和解释方面都变得复杂。本文提出了一种替代方法，利用伪值（pseudo-values）来简化估计和推断。伪值在构建过程中考虑了 censoring（删失），一旦得到，可以以与任何连续结果相同的方式进行建模。因此，伪值使针对生存结果的中介分析能够无缝地集成到标准中介软件（例如 R 中的 CMAverse）中。伪值可以通过 leave-one-observation-out（留一个观察值）程序（即 jackknife）轻松计算，并且当估计器的影响函数已知时，计算可以加速。生存概率、受限均值生存时间和累积谷函数定义的因果效应的中介分析——在存在竞争风险的情况下——都可以在此框架内完成。广泛的模拟研究表明，该方法在 324 个情景/估计量方面都具有无偏性，并在无中介效应的原假设下控制了名义水平的型 I 错误。我们使用 PARADIGMS 临床试验的数据展示了该方法，用于治疗儿童多发性硬化的粘膜疗法（fingolimod）。特别是我们评估了一种成像生物标志物是否位于治疗与发作时间之间的因果路径上，这有助于将该生物标志物作为替代终点来证明其合理性。我们的方法大大简化了生存数据的中介分析，提供了一种既直观又可解释的总效应分解。