无 positivity 假设的可迁移性：统计与模拟建模的综合

当利用随机或观察性研究估计某一干预的效应时，该研究往往并非所需目标总体的随机样本。相反，来自该研究的结果可被迁移到目标总体。然而，可迁移性方法通常依赖于 positivity 假设，即目标总体中所有相关的协变量模式也在研究样本中被观测到。严格的合格标准，尤其在随机试验背景下，可能导致该假设被违反。解决 positivity 违反的两种常见方法是限制目标总体和限制相关协变量集。由于这些限制均不理想，我们转而提出一种统计与模拟模型的综合方法来处理 positivity 违反。我们提出了相应的 g-计算与逆概率加权估计量。通过一项模拟实验以及性传播感染检测 uptake 背景下的说明性实例，对比了处理 positivity 违反的限制方法与综合方法。在这两种情况下，所提出的综合方法在与精心选择的模拟模型结合时，准确回答了原始研究问题。两种限制方法均未能准确回答动因问题。由于公共卫生决策常须在目标总体信息不完善的情况下做出，模型综合在结合经验数据与基于最佳可用知识的外部信息时是一种可行方法。