边缘结构模型*
——一种控制时依性混杂的方法
2015-03-09第二军医大学卫生统计学教研室张天一叶小飞张新佶郭晓晶于菲菲
中国卫生统计 2015年1期
第二军医大学卫生统计学教研室 张天一 叶小飞 张新佶 郭晓晶 张 筱 李 慧 于菲菲 贺 佳
边缘结构模型*
——一种控制时依性混杂的方法
第二军医大学卫生统计学教研室 张天一 叶小飞 张新佶 郭晓晶 张 筱 李 慧 于菲菲 贺 佳Δ
在观察性研究中,暴露或处理因素常常会随时间的变化而变化,在分析其对结局的效应时,常会受到时依性混杂因素的影响。时依性混杂因素是指同时满足以下三个条件的因素:(1)随时间变化;(2)是结局的影响因素;(3)会影响到随后的暴露/处理,同时又会受到前次暴露/处理的影响[1-2]。可见,时依性混杂因素既可以看作暴露/处理与结局的混杂因素,也可以当成暴露/处理与结局之间的一个中间变量。在估计暴露/处理的效应时,采用传统的多因素回归模型可以校正混杂因素的影响。然而,当把中间变量纳入模型时,则会产生有偏的估计。由于时依性混杂因素同时具有混杂因素和中间变量的性质,因此传统的回归模型不能很好地解决纵向数据中时依性混杂的问题。针对传统方法在处理时依性混杂时面临的困境,Robins在1997年提出了边缘结构模型(marginal structural model,MSM)[3]这一新的方法。
方法概述
边缘结构模型的基本思想是:如果每个个体(i)都接受了暴露/处理的所有水平,则在不同水平上发生某一结局事件的概率分布差异就是暴露/处理的真实效应(不受混杂因素的影响)。而在现实中,这种假设是不存在的,因此需要通过逆概率加权的方法(inverse probability weighting,IPW)将每个观察个体都赋予相应的权重ωi(即将每个个体i都复制ωi个),从而构建出一个虚拟人群。……
登录APP查看全文
