复杂调查数据中倾向评分加权法(PSW)对生存结局的群体治疗效应估计：模拟研究与实证应用

针对复杂调查数据中倾向评分加权(PSW)应用于生存结局分析的空白，研究人员通过模拟研究比较三种PSW建模策略（未加权/部分加权/全加权），发现纳入调查设计的加权方法（II/III型）在绝对效应（生存分位数）和相对效应（边际风险比）估计中显著优于传统方法，尤其存在真实治疗效应时表现稳健。该研究为NHIS等复杂调查数据的因果推断提供了关键方法学指导。

　　

在观察性研究中，倾向评分加权(Propensity Score Weighting, PSW)是评估生存结局治疗效应的利器，但面对包含分层(strata)、聚类(clusters)和抽样权重的复杂调查数据时，学界尚未形成统一标准。这项研究通过精巧的模拟实验，系统比较了三种PSW策略：I型（PS模型和结局模型均忽略调查设计）、II型（仅结局模型加权）和III型（双模型加权）。研究者采用群体生存分位数效应（绝对效应）和边际风险比（marginal hazard ratios，相对效应）作为评估指标，在治疗效应强度、删失类型、PS重叠度等多样化场景下，量化了均值相对偏差、绝对偏差及覆盖率。

结果令人振奋：当存在真实治疗效应时，纳入调查加权的II/III型方法如同装上GPS导航，在绝大多数场景中显著超越"盲飞"的I型方法。有趣的是，即便遭遇信息性删失(informative censoring)、离群值(outliers)或无应答(non-response)，II/III型这对"孪生优等生"仍保持惊人一致性。最终结论掷地有声：虽然PS和结局模型都应考虑调查设计，但结局模型加权才是精准估计的"胜负手"。研究团队还将这些方法应用于2000-2018年NHIS关联死亡档案，生动演示了癌症确诊后戒烟对总生存期的改善效应，为公共卫生决策提供了方法学范本。