玻尔百科在科学研究中，区分因果与相关是一项根本性挑战。虽然标准统计方法可以校正固定的混杂因素——即那些掩盖真实关系的静态背景变量——但在研究随时间演变的系统时，这些方法往往力不从心。当混杂因素本身受到所研究治疗的影响时，一个尤为棘手的问题便出现了，这种情况在医学、经济学和社会科学中屡见不鲜。这形成了一个动态反馈循环，在此循环中，传统的分析直觉可能导致严重错误的结论。
本文旨在探讨这个被称为时变混杂的复杂问题。本文旨在引导读者理解其中的概念陷阱以及为克服这些陷阱而发展的精妙解决方案。首先，在“原理与机制”一节中，我们将剖析这个问题，探讨为何传统校正方法会失效，并介绍g方法（如边际结构模型和g公式）背后的革命性思想。随后，在“应用与跨学科联系”一节中，我们将看到这些理论在实践中的应用，探索它们如何在慢性病管理、卫生经济学、社会流行病学以及公平人工智能开发等领域提供关键见解。读完本文，您将不仅理解这个问题本身，还将掌握一种强大的思维方式，用于思考一个不断变化的世界中的因果关系。
为了理解世界，我们常常探寻因果关系。新的肥料能让作物长得更高吗？新的教学方法能提高考试分数吗？在最简单的情况下，我们或许会比较接受干预的组和未接受干预的组。但世界很少如此简单。我们很快意识到，这两个组可能在其他方面有所不同。也许施用新肥料的田地也得到了更多的阳光。这个“第三变量”是一个典型的混杂因素，任何严谨分析的第一步都是要考虑它——即比较光照量相同的田地。
当世界保持静止时，这种方法效果很好。但是，当我们研究随时间展开的过程时，尤其是在医学、经济学或社会科学领域，会发生什么呢？当我们的混杂因素不是一个固定的背景条件，而是我们试图改变的系统中的一个动态部分时，又会发生什么呢？正是在这里，我们简单的直觉可能将我们引入歧途，也正是在这里，我们需要一套更深刻、更精妙的原则。
想象一下，我们多年来一直随访患有慢性病（如高胆固醇）的患者。每次就诊时，医生都会测量患者的低密度脂蛋白（LDL）胆固醇水平，并决定是否开具他汀类药物。时间点 的治疗（）是基于患者的LDL水平（）。但他汀类药物本身就是用来降低LDL的。这就产生了一个反馈循环：
LDL水平 是一个时变混杂因素。说它是混杂因素，是因为它是下次治疗决策和最终结局（如心脏病发作）的共同原因。但它不是一个静态特征。它是一个内生协变量——一个属于患者自身演变历史一部分的变量，受到我们正在研究的治疗的影响。它与治疗陷入了一场动态的博弈。这与外生协变量（如每日天气）有着根本的不同，后者可能影响患者的健康，但反过来并不会因为患者是否服药而受到影响。
面对混杂因素，我们的直觉是“对其进行控制”。在统计模型中，这意味着将混杂因素作为一个变量纳入模型，以“校正”其影响。因此，我们可能会尝试在模型中纳入完整的LDL测量史，来估计他汀类药物治疗史对心脏病发作风险的全部影响。这似乎合乎逻辑；我们正在比较在所有时间点上LDL水平均相同的个体。
但这会造成灾难性的错误。
想一想他汀类药物是如何起作用的。它预防心脏病发作的一个主要途径就是通过降低LDL。因果链是：。在这条链中，LDL水平不仅是下一次治疗的混杂因素；它也是过去治疗效应的中介变量。它是治疗发挥作用的机制。
当我们在标准回归模型中“控制”LDL水平时，我们实际上是在要求模型去比较那些接受了不同他汀类药物治疗，但不知何故在整个研究过程中保持了完全相同LDL水平的人。我们在分析中，人为地将我们想要研究的生物学通路保持恒定。我们阻断了效应。这就像试图测量浇水对植物生长的影响，却只比较土壤湿度相同的情况。你设计了一个注定找不到任何效应的实验。
这类变量的双重角色——既是未来治疗的混杂因素，又是过去治疗的中介变量——是问题的核心所在。我们陷入了一个统计陷阱：我们必须校正混杂，但用标准方式进行校正则会让我们对治疗的真实效应视而不见。我们需要一种新的思维方式。
如果我们无法简单地“修正”已有的数据，或许我们可以用它来模拟我们希望执行的完美实验。这就是被称为g方法的一系列解决方案背后的革命性思想，由统计学家 James Robins 提出。这些方法让我们能够利用现实世界的观察性数据来提出“如果……会怎样”的问题。
其中最直观的一种是边际结构模型 (MSM)，通常使用一种称为逆概率治疗加权 (IPTW) 的技术进行估计。这个想法既巧妙又强大。在现实世界中，病情较重的患者更有可能接受积极的治疗。这就是我们需要消除的混杂。IPTW通过为我们研究中的每个人分配一个权重来起作用。那些根据其健康状况做出了“可预测”治疗选择的人（例如，一个病情很重的人接受了治疗），会被赋予一个较小的权重。那些做出了“令人意外”选择的人（例如，一个病情很重的人由于某种原因没有接受治疗），则被赋予一个较大的权重。
通过这样做，我们从数学上构建了一个“伪人群”。在这个新的、加权后的人群中，患者症状与他们所接受治疗之间的联系被打破了。这就好像治疗是由抛硬币而不是医生的判断来分配的。在这个伪人群中，混杂已经消失，我们可以直接估计治疗的因果效应。
让我们具体来看。考虑一个个体，他在时间 时LDL较低（），但仍然接受了治疗（）；在时间 时LDL较高（），但没有接受治疗（）。假设我们从数据中计算出以下概率：
这个人的治疗史的稳定权重是每一步中总体（边际）概率与特定（条件）概率之比的乘积： 研究中的每个人都会根据其独特的历史获得一个类似的权重。然后，我们可以对结局与治疗史进行简单的加权分析，其结果将是对因果效应的有效估计。同样的加权原理可以扩展到处理其他现实世界的复杂情况，比如患者退出研究（信息性删失）。
另一种g方法，参数g公式（或g-computation），则采用了不同但同样强大的方法。它就像是为患者群体建立一个完整的计算机模拟。首先，你使用观察性数据来学习世界的规则：LDL如何响应治疗而变化，以及心脏病发作风险如何响应LDL而变化。然后，你介入这个模拟。你定义一个假设性的治疗策略（例如，“如果LDL超过130 mg/dL，每个人都将服用他汀类药物”）。你按下“运行”键，观察模拟一步步展开，根据你学到的规则更新每个人的健康状况。最后，你只需计算结局数量。这为你提供了一个直接的估计：如果整个人群都遵循了你假设的策略，平均而言会发生什么。
这些方法极其强大，但它们并非魔法。它们的有效性依赖于三个关键假设——我们必须愿意接受的游戏规则。
一致性：这是一个简单的假设，即我们对“治疗”的定义是清晰明确的。如果在现实世界中，某人恰好遵循了一条与我们假设的策略相符的路径，那么他/她的实际结局就是在该策略下会发生的结局。
序列可交换性：这是最重要且要求最苛刻的假设。它指的是，我们相信在每一个时间点，我们都已经测量并考虑了所有影响下一次治疗和结局的共同原因。如果存在某个隐藏的、未测量的因素同时影响医生的决定和患者的健康，我们的方法就会产生偏倚。我们因果主张的可信度取决于我们数据的质量和完整性。
正性：在研究的每个阶段，对于每种类型的患者，他们接受任一治疗的可能性都必须非零。如果某个选择从未成为真正的可能性，我们就无法了解其效果。如果每个LDL超过200的患者总是被给予他汀类药物，我们就没有数据来告诉我们如果没有药物他们会发生什么。我们可以通过检查数据和计算出的权重来诊断对这个假设的违反；如果我们发现接近于零的概率，我们的估计可能就不可靠。
认识到最好的科学工具取决于所问的问题，这一点至关重要。G方法旨在回答因果问题：“如果我们实施一项新政策，人群的健康状况会发生什么变化？”
但有时，我们想回答的是预测问题：“鉴于这位特定患者的全部病史和当前检测结果，他/她在未来五年最可能出现的结局是什么？” 对于预测，我们希望使用所有可用的信息，包括所有复杂的关联和反馈循环。在这种情况下，其他类型的模型，如联合模型，可能更合适，因为它们旨在利用这些关联进行预测。它们可以提供高度准确的预测，但本身并不能回答因果关系的“如果……会怎样”的问题。
理解时变混杂的微妙博弈，让我们对更深层次的统计推理豁然开朗。它迫使我们超越简单的相关性，直面世界动态、互联的本质。通过拥抱这种复杂性，我们获得了工具来提出科学中一些最重要的问题——不仅看到世界现在的样子，也看到它可能成为的样子。
在经历了时变混杂的原理和机制之旅后，我们可能感觉自己一直在一个充满概率和反事实的抽象领域中航行。但所有这些缜密思考的意义何在？这些思想的魅力，如同科学中所有伟大的原理一样，不在于其抽象性，而在于其澄清我们周围世界的非凡力量。这才是故事真正变得生动的地方。治疗-混杂反馈的挑战并非某个晦涩的统计学角落问题；它是一个根本性的、反复出现的模式，每当我们试图理解随时间变化的系统时——从人体到我们社会的社会结构——它都会出现。
现在让我们来探索我们所开发的工具如何在广泛的学科领域中释放出深刻的见解。我们将看到，无论我们是治疗患者的医生、评估新药价值的经济学家、研究不平等的社会学家，还是试图构建公平智能机器的计算机科学家，同样的深层推理结构都适用。
想象一位医生正在治疗一名患有慢性病（如糖尿病或癌症）的患者。每次就诊时，医生都会观察患者的当前状态——可能是他们的血糖水平，或肿瘤的大小——并决定接下来几个月的治疗方案。患者的状态改善或恶化，在下一次就诊时，这个循环再次重复。医生的目标很简单：选择能带来最佳结局的治疗序列。但如果我们作为科学家，想从这个过程中学习并找出哪些治疗是真正有效的，我们就会面临一个难题。
患者在任何给定时间的状况——比如说，糖尿病患者的糖化血红蛋白（HbA1c）水平 或肿瘤学中液体活检的分子反应标志物——是过去治疗的结果。同时，它又是下一次治疗的原因。这就是时变混杂的经典反馈循环。如果我们天真地比较接受积极治疗的患者和未接受积极治疗的患者，我们很可能会发现接受积极治疗的患者结局更差。为什么？因为他们一开始病情就更重！治疗是因为他们预后不佳才给予的。
标准的统计分析，即使是像时依Cox比例风险模型这样复杂的分析，在这里也常常失败。通过“校正”当前的疾病状态（时变混杂因素），该模型提出了一个奇怪的、几乎毫无意义的问题：“在保持治疗旨在改变的那个因素不变的情况下，治疗的效果是什么？”。这就像在问消防水管对火灾的影响，但只比较火势大小相同的时刻。你可能会得出结论，消防水管根本没有效果，因为你已经校正掉了它起作用的证据。
正是在这里，边际结构模型（MSMs）及其同类g方法应运而生。它们不是试图在最终模型中“校正”，而是采用一种更聪明的方法：逆概率加权（IPW）。其思想是从观察数据中构建一个“伪人群”。在这个假设的队列中，病情严重与接受治疗之间的联系在统计上被切断了。如何做到？通过给予“令人意外的”选择更多的权重。一个病情严重的患者，由于某种原因没有接受积极治疗，会被赋予很大的权重。一个较健康的患者，如果确实接受了积极治疗，也会被赋予很大的权重。通过对每个人重新加权，我们创建了一个新的、平衡的数据集，在这个数据集中，看起来治疗在每一步都是随机分配的，与患者不断变化的健康状况无关。
这个优雅的想法在数学上由稳定权重公式捕获，该公式本质上是在一个“随机化”世界中接受观察到的治疗的概率与在真实的、混杂的世界中接受该治疗的概率之比。在这个伪人群中，简单的比较现在变得有意义。同样的逻辑可以完美地扩展到处理真实医疗数据的复杂性，使我们能够使用边际结构Cox模型估算治疗对生存时间的因果效应，并分析来自影像组学等领域的现代高维数据，在这些领域我们还必须防范像永生时间偏倚这样的其他陷阱。对从混杂数据生成到加权和最终估计的整个过程进行的模拟证实，这些方法确实能够恢复天真方法无法得到的真实因果效应。
正确理解因果关系的意义不仅仅是学术性的；它涉及数十亿美元的后果，并能决定哪些新药能够上市。考虑一项针对一种有前景的新抗癌药物的随机对照试验。在一组中，患者接受新药 ；在另一组中，他们接受标准治疗药物 。试验在开始时是完美随机的。但是当药物 组的患者病情进展时会发生什么？从伦理上讲，他们不能被剥夺可能更好的治疗，所以他们通常被允许“交叉”并开始服用药物 。
这种出于同情的行为造成了一场统计学噩梦。天真的意向性治疗（ITT）分析比较的是最初随机分组的各组。但药物 组不再是一个纯粹的对照组；它是一个混合体，包含了只服用 的患者和先服用 然后服用 的患者。对照组观察到的生存期被人为地夸大了，因为它受到了它正被用来比较的那种药物的好处！基于这种有缺陷的比较建立的经济模型会低估药物 的真实益处，并计算出一个具有误导性的高增量成本效果比（ICER）。卫生部门可能会错误地断定该药物不值其价，并拒绝患者获得它的机会。
为了找到药物 的真正价值，我们需要回答一个反事实问题：“如果对照组的患者不被允许交叉，他们会发生什么？” 这是一个时变混杂问题，其中疾病进展是受初始治疗分配影响的混杂因素。因果校正方法，如秩保留结构失效时间模型（RPSFTM），使用初始随机化作为完美的“工具变量”来解开效应，并重构在没有交叉的假设世界中的生存曲线。这使得公平准确的经济评估成为可能，确保卫生政策的决策基于事实，而非试验设计的产物。
当我们从个人放大到社会时，同样的因果结构也会出现。社会流行病学家长期以来一直在努力解决社会经济地位（SEP）与健康之间的鸡生蛋还是蛋生鸡的问题。是较低的收入导致健康状况更差，还是患上慢性病导致失业和收入降低？很可能两者都对，在一个人的生命历程中形成了一个反馈循环。
对不同收入阶层的健康结局进行简单比较是严重混杂的。更高级的纵向分析可能会使用一种称为固定效应（FE）的统计技术，它巧妙地只关注一个人的健康状况在其自身收入变化时如何变化。这种方法之所以强大，是因为它自动控制了所有稳定的、不随时间变化的混杂因素——比如遗传、成长环境和个性，这些因素在人与人之间不同，但对单个人来说是恒定的。
然而，标准的固定效应模型无法处理时变混杂因素。如果收入的变化是在健康状况变化之后发生的，而健康状况本身又受到过去收入的影响呢？我们就又回到了我们熟悉的反馈循环中。解决方案是来自不同学科方法的完美结合。我们可以将固定效应与逆概率加权相结合。IPW步骤创建了一个伪人群，校正了时变混杂因素（如健康冲击和就业变动），然后在这个加权数据上运行的固定效应模型则剔除了所有未测量的、稳定的混杂因素的影响。这种混合方法使我们能够更接近地探究经济地位对健康的真实因果效应，这是一个对公共政策至关重要的问题。
或许这些思想最具有未来感和最深刻的应用在于医学、伦理学和人工智能的交叉领域。我们正在进入一个由AI系统或“学习智能体”帮助指导复杂医疗决策的时代。这些通常被称为动态治疗方案（DTRs），可以使用强化学习（RL）的方法进行优化。为了教AI找到最佳治疗序列，我们必须向它展示来自过去患者的数据。但这些数据是观察性的；它充满了时变混杂。为了让RL智能体学习其潜在行动的真实因果效应，它必须执行“离策略评估”，这在数学上等同于使用g方法来校正历史数据中的混杂。构建智能医疗智能体的整个领域都建立在我们所讨论的因果推断基础之上。
但还有一个更深层次的伦理挑战。历史医疗数据可能不仅反映了合理的临床判断，也反映了社会偏见。如果在历史上，即使在考虑了临床状况之后，医生们仍然根据患者的种族或性别给予不同的治疗，那该怎么办？一个天真地在这种数据上训练的AI将学会复制这些偏见。它可能会为临床上其他方面相同但肤色不同的黑人和白人患者推荐不同的治疗方法，仅仅因为数据显示是这样的。
这不仅仅是一个技术问题，更是一个道德问题。因果推断的工具为我们提供了一种语言来形式化和解决这个问题。我们可以将公平性定义为一个特定的反事实。例如，我们可以宣称，“公平”的预测是在一个假设的世界中所做的预测，在这个世界里，从一个人的种族到医生决策的因果路径被外科手术般地切断了。种族对生物学的影响可能被允许保留（因为它可能具有医学相关性），但其通过临床医生行为产生的影响是被禁止的。
令人惊讶的是，g公式恰好提供了计算在这个公平世界中会发生什么所需的工具。通过使用一个修正的g公式（一个“边缘g公式”），我们可以为每个患者估计一个公平的反事实结局。这个公平的结局，摆脱了历史决策偏见的污点，成为我们的AI系统应该学习预测的目标。我们实质上是在使用因果推断来想象一个更好、更公平的世界，然后训练我们的算法来让那个世界成为现实。
从医生的诊室到政府的殿堂，再到我们最先进算法的核心，时变混杂问题无处不在。它的解决方案不是一个单一的公式，而是一种思维方式——一种在不断变化的世界中理解因果关系的清醒方法。通过掌握这些思想，我们不仅成为更好的统计学家，也成为更清晰的思考者，能够提出正确的问题，揭示更深层次的真理。