因果图示解析倾向评分与疾病风险评分的混杂调整机制

【编辑推荐】针对高维混杂因素调整的难题，本研究创新性运用因果图示技术，系统阐释倾向评分（PS）与疾病风险评分（DRS）的理论平衡特性：PS使暴露独立于混杂因素，DRS使未暴露潜在结局（Y0）独立于混杂因素。该研究为精准实施PS/DRS混杂调整提供了直观的方法学指导，显著提升因果推断的可靠性。

　　

在流行病学研究中，倾向评分（Propensity Score, PS）定义为给定混杂因素条件下个体接受暴露的概率，而疾病风险评分（Disease Risk Score, DRS）则是设定暴露为固定值时，给定混杂因素下的疾病发生概率。这两种评分均属于平衡评分（balancing scores），常用于高维混杂因素调整。

本研究通过因果图示（causal diagrams）直观揭示PS与DRS的核心作用机制：

1. 理论平衡特性
   • 条件于PS时，暴露变量与混杂因素独立（X ? Z | PS）
   • 条件于DRS时，未暴露潜在结局与混杂因素独立（Y⁰ ? Z | DRS）
2. 混杂调整应用
   图示化展示如何利用PS进行暴露组与非暴露组的协变量平衡，以及如何通过DRS直接控制疾病风险相关的混杂效应。因果图清晰呈现了调整过程中变量间的条件独立关系，为研究者设计更稳健的观察性研究提供可视化框架。

最终证实，因果图示技术可深化对PS/DRS在混杂因素调整中作用机制的理解，提升因果推断的准确性与可解释性。核心关键词涵盖：倾向评分（PS）、疾病风险评分（DRS）、混杂因素（confounding）、因果图（causal diagrams）等。