基于工具變量的丁苯酞-急性缺血性卒中的因果效應評估

林容基，陳 薇，黃志新，蔡瑞初

（1.廣東工業(yè)大學 計算機學院, 廣東 廣州 510006；2.廣東省第二人民醫(yī)院 神經(jīng)內(nèi)科, 廣東 廣州 510317）

在觀察性研究中，推斷某藥物對患者預后情況的因果效應是一項常見而重要的課題。然而，在實際應用中，觀察性數(shù)據(jù)中常伴隨著未觀測到的混雜變量，導致觀察到的相關性往往不僅由因果關系引起，還受其他因素的干擾。因此，未觀測到的混雜變量需要被特別考慮。當未觀測變量對實驗結果產(chǎn)生直接或間接的影響時，準確估計因果效應將變得復雜。例如，在試圖估計藥物治療效果的觀察性研究中，藥物的分配方式受多種因素影響，其中一些因素(如社會經(jīng)濟地位)難以量化，成為無法觀測的混雜因素。盡管隨機對照試驗是推斷因果關系和計算因果效應的最有效方法，但其成本昂貴，時間消耗較大，且在倫理道德方面存在限制，因此觀察性數(shù)據(jù)研究在研究變量之間的因果效應方面成為一種常見的替代方法。

目前，用于估計觀察性數(shù)據(jù)中變量之間的因果效應的方法[1]包括但不限于以下幾種：首先，基于分層[2]的方法，通過將研究群體根據(jù)混雜因素分層為不同子群，計算每個子群的平均效應；其次，基于擬群思想的方法，例如重加權方法[3]、匹配方法[4]、基于樹的方法[5]、表征學習方法[6]和多任務學習方法[7]等；第三，采用僅基于觀察性數(shù)據(jù)訓練的潛在結果估計模型，然后校正由于選擇偏差引起的估計誤差，例如元學習方法[8]。然而，這些方法通常建立在無混淆假設上，即所有的混雜因素得到充分測量和控制，這在實際應用中往往難以實現(xiàn)?！?br>