通向临床试验模拟的 R.O.A.D.

当随机对照试验（RCT）因成本、伦理问题或时间限制而不可行时，观察性研究提供了关于干预措施有效性的唯一证据。虽然许多方法旨在从观察性数据中得出因果推断，但有一种日益增长的趋势是模仿 RCT 来建模观察性研究设计，这种策略被称为“目标试验模拟”。尽管有其潜力，但通过目标试验模拟进行因果推断无法完全解决真实世界数据中的混杂偏倚，因为缺乏随机化。在这项工作中，我们提出了一个新颖的目标试验模拟框架，旨在克服几个关键限制，包括混杂偏倚。该框架如下进行：首先，我们将特定试验的合格性标准应用于一个观察性队列。然后，我们通过提取一个与目标 RCT 中对照组的协变量分布和基线预后都匹配的子集来“校正”该队列。接下来，我们通过调整治疗组的预后估计以与试验中观察到的一致来解决未测量的混杂。在试验模拟之后，我们更进一步，利用模拟队列训练最优决策树，以识别具有治疗效果异质性（HTE）的患者亚组。使用两个外部模型验证了无混杂性，并且治疗建议的有效性由我们模拟的原始试验负责团队独立确认。据我们所知，这是第一个成功解决可观测和不可观测混杂的框架，这一挑战历来限制了随机试验模拟和因果推断的使用。此外，我们的框架通过识别最能从特定治疗中受益的患者亚组，在推进精准医学方面具有前景。