时变混杂

如果某个因素既影响一个人是否接受治疗，也影响治疗结局，而这个因素本身又会被之前的治疗改变，就会出现时变混杂。这会让你左右为难：调整这个因素来消除混杂，会意外去掉一部分治疗的真实效果；不调整，混杂又会扭曲结果。比如，你想研究运动能否改善心脏健康，体能水平既影响谁会去运动，也影响心脏健康状况，但运动又会逐渐增强体能，常规统计方法无法正确处理这种双重作用。 检查一下：在任何纵向分析中，都问问自己，你控制的变量是否可能受到先前暴露的影响。

在长期追踪同一批人的纵向研究中，如果协变量随时间变化，而且会受到先前暴露的影响，就可能出现时变混杂。对于普通混杂，分层或回归调整通常能起到很好的作用。但在这里，同一个变量既是混杂因素，影响暴露和结局，又是中介变量，处在暴露影响结局的因果路径上，这就让分析陷入两难。

在职业健康研究中，接触工作场所的化学物质可能使肺功能变差。肺功能随后既会影响岗位安排，也会影响呼吸系统疾病的结局：肺功能较差的人会被调到接触化学物质较少的岗位。如果按常规方法调整肺功能，就会错误地阻断化学物质的一部分影响。在医学研究中，HIV 治疗会影响 CD4 细胞计数，而这一计数又会影响后续治疗决策和生存情况，带来同样的分析难题。

它与普通混杂的关键区别，是存在一个随时间推进的反馈循环：暴露影响混杂因素，混杂因素又影响后续暴露和结局。这违背了传统回归调整所依赖的假设。采用逆概率加权的边际结构模型、g 公式或 g 估计等专门方法，就是为处理这种结构而设计的。它们通过构建一个伪总体，让暴露与此前的混杂因素变化情况相互独立。

实际分析时，如果你的纵向数据包含多次暴露测量，以及随时间更新、且有理由认为可能受暴露影响的协变量，就应该留意时变混杂。一个明显的信号是：你打算调整的变量，既处在先前暴露影响结局的因果路径上，又影响后续的暴露决策。

时变混杂是利用纵向数据进行因果推断时面临的一项根本性挑战。Robins（1986）最早在职业人群死亡研究中对这个问题作了形式化描述，指出当随时间变化的混杂因素受到先前暴露的影响时，常规回归调整会产生有偏估计 [1]。Hernán 和 Robins（2020）说明，这种偏倚之所以出现，是因为常规调整会造成碰撞变量分层，同时阻断治疗通过时变混杂因素这条路径产生的部分效果 [2]。

边际结构模型提供了一种解决办法：利用逆概率加权，构建一个在每个时间点都随机分配暴露的伪总体。g 公式（Robins，1986）则提供了另一条路径：利用时变协变量的联合分布进行标准化 [1]。研究表明，在贴近实际情况、存在时变混杂的模拟中，常规方法可能使治疗效果的估计出现较大偏倚。

• Robins（1986）：建立了理论框架，说明当随时间变化的协变量受到先前治疗的影响时，常规回归会因为不恰当地调整了因果路径上的变量，而无法估计因果效应 [1]。
• Hernán 和 Robins（2020）：通过有向无环图说明，调整受暴露影响的时变混杂因素，在减少混杂偏倚的同时，也会引入选择偏倚，最终留下常规方法无法消除的净偏倚 [2]。
• Naimi 等（2017）：通过模拟表明，存在时变混杂因素时，与常规回归相比，边际结构模型能大幅减少偏倚，但需要谨慎设定模型，避免权重不稳定 [3]。

边际结构模型依赖较强的假设，包括序贯可交换性、正值性和正确的模型设定。当接受治疗的概率接近零或一时，权重可能变得极不稳定，导致估计结果的方差很大。这些方法无法调整未测量的混杂：任何未被数据记录的时变混杂因素，仍会使结果产生偏倚。g 公式要求准确地为所有时变协变量的联合分布建模，协变量较多时，计算成本会高到难以承受。如果这些假设不成立，工具变量方法可以作为另一种选择，但你需要找到有效的工具变量，这又依赖另一组较强的假设。近期研究提示，在许多实际应用中，与其他偏倚来源相比，时变混杂带来的偏倚可能较小，不过不同应用之间的差异很大。