在使用重复测量中介变量的临床试验中估计干预效果

《Statistics in Medicine》：Estimation of Interventional Effects in Clinical Trials With a Repeatedly Measured Mediator

本研究基于随机干预效应框架，采用靶向最小损失估计器（TMLE）分析semaglutide与安慰剂对非酒精性脂肪肝炎（NASH）患者肝组织学改善的中介机制，并通过模拟验证了方法的理论性质。

　　

摘要

因果中介分析是医学研究中的一个重要工具，它使研究人员能够考察并量化治疗对目标结果产生影响的机制。在许多研究中，潜在的中介变量会随着时间被反复测量，我们期望其他治疗后的协变量与中介变量之间存在相互作用。在纵向研究中，人们提出了随机干预效应（也称为随机效应）来定义因果中介估计量，因为即使在存在治疗后的中介变量-结果混杂因素的情况下，这些效应也是可识别的。在本文中，我们利用干预效应框架来研究一项临床试验中的中介路径，该试验比较了semaglutide与安慰剂对非酒精性脂肪性肝炎（NASH）组织学恢复的影响。我们定义并识别了与研究问题相关的各种直接和间接干预效应。为了进行估计，我们提出了一种高效且多重稳健的靶向最小损失估计量（TMLE），并在一项模拟研究中展示了该估计量的理论特性。

利益冲突

Marie Skov Breum的博士项目得到了诺和诺德公司对哥本哈根大学生物统计学系的研究资助。Mads Sundby Palle是诺和诺德公司的员工，并持有该公司股票。