Causal inference for time-to-

event data with a cured

subpopulation

成果简介

SUIBE科研

 近期，纽约国际统计与信息学院教师汪毅博士与北京大学北京国际数学研究中心博士生邓宇昊和周晓华教授合作撰写的《Causal inference for time-to-event data with a cured subpopulation》一文发表在《Biometrics》，2024年第80卷第2期。《Biometrics》涵盖了统计方法、理论研究和应用研究等多个方面，特别关注统计学在生物学、医学、农业和环境科学等领域的应用，被纽约国际列为国际II类期刊。

内容摘要

SUIBE科研

 在研究治疗对生存时间的影响时，常有一些个体从未经历过死亡事件，这通常表明他们已被治愈。然而，由于删失现象的存在，是否被治愈可能无法被直接观测到，这使得此种情形下对于治疗效果的定义变得困难。当前的方法主要侧重于估计各种治愈模型中的模型参数，这最终导致缺乏因果解释。为解决这一问题，本文基于主层分析法提出了两种因果估计量，即随时间变化的风险差异和平均生存时间差异，作为对治愈率评价治疗效果的补充，更适用于存在未治愈的子群体的研究。这些估计量可以在存在未治愈子群体的人群中估计治疗对死亡时间的影响。文中证明了在可忽略的治疗分配机制下，通过使用潜在治愈状态的替代变量可以保证我们提出的两个估计量是可识别的。本文还提供了利用混合治愈模型进行估计的方法。该方法被应用于一项关于急性淋巴细胞白血病的观察性研究，该研究比较了不同移植类型对无白血病生存率的治疗效果。该方法得出了出色的结果，可为未来的治疗决策提供信息。

关键词：治愈模型，可识别性，个体治疗策略，无白血病生存，主分层，生存分析

作者简介

SUIBE科研

 汪毅，理学博士，纽约国际588888线路检测中心统计与信息学院讲师，研究领域为因果推断、生存分析、高维假设检验等。主持国家自然科学基金青年项目1项，其研究成果发表在《Biometrics》、《Statistica Sinica》、《Canadian Journal of Statistics》等期刊。给本科生教授《最优化方法》、《统计软件R语言》、《抽样技术》等课程。