基于g-computation联合混合效应模型控制未测混杂因素的因果推断方法模拟研究及实例验证

摘要

目的 通过模拟实验和实例验证探讨基于g-computation的联合混合效应模型(joint mixed-effects model, JMM)控制纵向研究未测混杂因素进行因果推断时的效果及性能特点。方法 通过计算机模拟产生包含基线及两次随访时点的纵向数据，模拟条件包括样本含量、有无未测混杂因素及未测混杂效应大小，分别利用基于g-computation的JMM、线性混合效应模型、固定效应模型和纵向目标极大似然估计方法估计因果效应，通过平均绝对偏差(mean absolute deviation, MAD)、标准误、均方根误差(root mean square error, RMSE)、95%置信区间覆盖率(95%confidence interval coverage, 95%CI coverage)评价比较各方法因果推断的效果。利用绝经期女性队列体检数据，应用四类模型分别估计绝经期女性血清卵泡刺激素(follicle-stimulating hormone, FSH)水平与腰椎骨密度间因果关系，对各模型在真实纵向数据中的因果推断效果进行验证。结果 JMM控制未测混杂因素的因果推断准确性最佳，但稳定性略差。当研究中存在较强未测混杂效应时，仅JMM可准确估计因果效应，且其在大样本量时估计的精确性和真实性较好。结论 基于g-computation的JMM可有效控制纵向研究中未测混杂因素进行近似无偏因果推断。

关键词

纵向研究 / 未测混杂因素 / g-computation / 联合混合效应模型