基于代理变量的近端间接比较方法：解决未观测效应修饰因子偏移的因果推断新策略

来自国际团队的研究人员针对临床试验中因设计缺失导致的治疗臂间接比较难题，提出创新性解决方案。该研究聚焦条件可迁移性假设下目标人群平均处理效应(ATE)的识别问题，通过引入调整代理(adjustment proxy)和重加权代理(reweighting proxy)，建立了包含未观测效应修饰因子的近端识别框架。所开发的双稳健(doubly-robust)估计器在桥函数(bridge functions)误设时仍保持稳定性，并通过两项体重管理试验验证了代理选择方法的有效性，为跨试验因果推断提供了新工具。

　　

当两个随机对照试验(RCT)存在治疗臂设计差异时——目标试验缺失待评估疗法而源试验包含该疗法，科学家们面临间接比较的因果推断挑战。传统方法依赖条件可迁移性假设，但常受限于未测量的效应修饰因子(EM)。这项研究构建了突破性的近端因果框架：

通过两类代理变量巧妙破解难题：1) 双试验共有的调整代理变量 2) 源试验特有的重加权代理变量。就像给统计模型装上"导航仪"，即使存在偏移的未观测EM，也能准确定位目标人群平均处理效应(ATE)。

方法学亮点在于双稳健(doubly-robust)估计器设计：只要桥函数(bridge functions)估计满足温和一致性条件，即使模型设定存在偏差，估计结果仍保持稳健。研究者用体重管理试验的生动案例，演示了如何选择代理变量来比较不同试验中活性治疗的减重效果——好比用"基因代谢标记"和"饮食记录"作为代理，跨越试验差异评估减肥药疗效。

这项研究为存在设计差异的临床试验间因果比较提供了可操作的解决方案，特别适合真实世界证据(RWE)研究，让"数据孤岛"间的治疗比较成为可能。