当试验参与影响依从性时将试验结果外推至外部目标人群

随机对照试验被认为是为治疗指南提供依据的金标准，但其结果可能无法推广至真实世界人群。基线协变量与治疗-结局中介变量的分布差异阻碍了可推广性。解决协变量差异的方法已较为成熟，但解决中介变量差异的方法则较为有限。在此，我们考虑这样一种情境：与常规医疗环境不同的试验活动（例如金钱补偿、随访频率）会影响治疗依从性。当真实世界目标人群缺乏治疗与依从性数据时，我们无法识别目标人群中特定治疗分配下的平均结局（即平均潜在结局）。因此，我们提出一种敏感性分析，其中必须指定一个参数，用于表示试验与目标之间对特定治疗依从性相对差异的参数，该参数可能以协变量为条件。我们讨论了基于外部知识指定敏感性分析参数的选项，包括设定范围以估计界限，或指定一个概率分布以重复抽取参数值（即使用 Monte Carlo 抽样）。我们为目标人群中的平均反事实结局引入了两个包含该敏感性参数的估计量：一个 plug-in 估计量和一个支持使用机器学习估计干扰模型且具有双重稳健性的 one-step 估计量。最后，我们将所提出的方法应用于一项启发性研究，将两种不同药物治疗阿片类药物使用障碍的复发风险从试验外推至真实世界人群。