《Journal of Prevention》:Temporal Data Structure Is Not Causal Identification: A Practical Framework for Appraising Causal Claims in Prevention and Population Health Research
编辑推荐:
时间数据结构不是一种识别策略。在稿件评审和报告中,横断面和纵向标签有时被用作判断因果主张是否合适的简写。一个因果主张是否可信取决于所考虑的效果、什么使比较具有信息量、需要什么假设,以及分析和支持证据是否针对主要威胁。研究人员将时间数据结构定义为测量的时间和抽样
时间数据结构不是一种识别策略。在稿件评审和报告中,横断面和纵向标签有时被用作判断因果主张是否合适的简写。一个因果主张是否可信取决于所考虑的效果、什么使比较具有信息量、需要什么假设,以及分析和支持证据是否针对主要威胁。研究人员将时间数据结构定义为测量的时间和抽样组织,并将其与因果识别区分开来,因果识别关注的是在明确假设下能否恢复因果估计量(causal estimand)。纵向数据可以确定测量顺序,并展示结局、暴露和其他相关因素如何随时间变化,但这些优势本身并不能解决混杂、选择、失访或测量误差。相反,横断面或重复横断面数据可能有助于因果推断,当时间顺序通过设计或实质性知识确立,且识别来自可信的调整、分配规则、阈值、政策时机或其他设计特征时。使用预防学例子,研究人员展示了因果杠杆可能来自哪里,解释了重复测量增加了什么以及它本身不能确立什么,并为作者、审稿人和编辑提出了五个通俗问题。研究人员还区分了适用于关联性分析的限制性语言与在明确假设下进行的限定性因果解释。时间结构为因果评估提供信息,但并不能决定它。
**论文解读:时间数据结构与因果识别的区分及其在预防研究中的应用**
**研究背景与问题**
在公共卫生、医学、卫生服务研究、行为科学和社会科学中,时间数据结构常被用作判断因果推断是否可能的捷径。横断面数据通常被认为对因果推断支持有限,而纵向数据则被视为提供更强的基础。然而,作者指出这种描述并不完整:时间数据结构描述了何时以及从谁那里测量变量,而因果识别关注的是在合理假设下能否恢复明确的因果效应。当前普遍存在的问题是,研究者常将“横断面”或“纵向”标签作为评判因果主张的通用标准,例如在稿件中直接归因于横断面设计而无法确立因果性,并建议进行纵向或前瞻性研究。作者通过目的性汇编了106个实证例子,显示这种报告惯例在多个学科中广泛存在,但限制语言往往模糊,未指明具体威胁。这种基于标签的评估可能掩盖真正的因果识别问题,因此需要一项实用框架来改进因果评估的一致性和诊断价值。
**研究内容与结论意义**
研究人员提出了一个基于识别而非时间标签的评估框架,通过预防学实例说明因果杠杆的来源,解释重复测量能增加什么、不能单独确立什么,并提出了五个通俗问题供作者、审稿人和编辑使用。结论是:时间结构为因果评估提供信息,但不能决定因果识别。该论文发表在《Journal of Prevention》。其意义在于,将方法学文献中已确立的区分转化为面向应用研究者的实用指导,以支持更透明和更有诊断价值的因果报告。
**关键技术方法**
该研究为方法学综述,未收集原始数据。研究人员通过迭代目的性检索(使用Journal/Author Name Estimator (JANE)、选定期刊检索及关键词组合)汇编了106个跨学科实证实例,用于记录“横断面限制因果解释”这一报告惯例的形式与广度。研究通过理论分析区分时间数据结构与因果识别,并利用现有研究示例说明不同识别策略,包括来自烟草与健康人口评估研究(PATH)的五波队列数据(用于边际结构模型示例)以及1999—2020年州级出院记录(用于差分中差分示例)。这些示例均为文献引用,而非本研究直接采集。
**研究结果**
**引言:区分时间数据结构与识别**
通过文献回顾与实例汇编,作者论证了时间标签不能替代识别推理,并总结了已发表的横断面注意事项与基于识别的评估框架之间的关系。作者指出,观察暴露先于结局并不足以支持因果解释,因为治疗可能先于结局,但起始可能发生在基线风险更高的人群中。
**无个体随访时因果杠杆的来源**
作者通过三个子节说明因果杠杆可来自设计特征而非个体随访。调整测量混杂:横断面或重复横断面数据若时间顺序由设计或实质知识确立,且关键混杂和选择被适当处理,可支持因果推断,需满足条件可交换性、阳性(positivity)和一致性(consistency)。工具变量:利用影响治疗概率且与结局其他原因无关的变量,需满足相关性、独立性、排除限制和单调性。断点回归:利用阈值处治疗状态的突然变化,如Carpenter和Dobkin对最低合法饮酒年龄(21岁)的评估,通过死亡率与饮酒量的断点组合获得工具变量估计。
**纵向测量增加了什么,以及它不能确立什么**
纵向数据可记录测量顺序和个体内变化,但测量顺序不等于因果顺序,重复测量不保证暴露组与未暴露组的可比性。基线差异、时依混杂、选择性失访、测量误差以及调整受先前暴露影响的变量仍可导致偏倚。以Harlow等人使用PATH研究五波数据评估青少年电子烟使用与后续吸烟起始的关联为例,作者采用边际结构模型(marginal structural model)与逆概率权重处理时依混杂和失访,说明重复测量提供信息,但分析策略(如权重方法)决定因果解释的可靠性。
**差分中差分:重复观测与比较结构**
差分中差分(DID)设计比较处理组与比较组在时间上的结局变化,但仅观察干预前后的结局并不足够,比较组必须可信地代表处理组在无干预时的反事实变化(平行趋势假设)。DID需要重复观测,但可使用面板数据或重复横断面数据。以Azagba等人评估州酒精排外法废除与酒精相关住院诊断为例,研究采用两阶段插补DID估计器,利用从未处理州和处理前观察数据估计未处理结果过程,并通过事件时间分析和安慰剂检验评估识别假设。
**结构方程模型:良好拟合为何不能确立因果**
结构方程建模(SEM)可表示潜在结构、测量误差和假设路径,但模型拟合良好仅表明模型再现了选定特征,并非证明路径代表因果效应。因果解释仍需依赖研究设计和实质知识来证明因果方向、混杂、选择和测量假设。
**什么证据探测主要威胁?**
作者讨论了各设计相应的诊断与敏感性分析,包括重叠与平衡检查、工具强度、断点密度和预定特征检查、失访分析、DID的干预前趋势等。这些检查能揭示重要问题,但不能证明识别假设成立。敏感性分析可探讨在关键假设合理偏离下结论是否改变。
**评审与报告启示:评估识别而非时间标签**
作者提出五个问题:声称估计什么效应?什么特征使比较具有因果信息?比较代表声称效应必须满足什么条件?分析是否匹配设计与效应?什么证据探测最重要威胁?并以一个课外预防项目示例说明应用:单次期末调查中,参与者与非参与者的过去30天物质使用比较,需明确效应定义、参与时间、混杂调整及重叠证据,才能判断因果主张的合理性。
**建议的限制性语言:使语言匹配预期解释**
作者提供了替换通用时间设计警告的具体模板。当无意因果主张时,应说明关联分析的非因果性质及关键未解决威胁;当意图做限定性因果解释时,应列出关键假设、主要不确定性以及证据能确立什么和不能确立什么。模板按调整混杂、工具变量、断点回归、DID和边际结构模型区分,强调应针对研究具体情况调整。
**讨论与结论**
讨论指出,因果评估错误可双向发生:具有可信因果杠杆的分析可能因缺乏个体随访而被低估,而纵向分析若存在未解决的混杂、选择或失访问题则可能被过度信任。因此,基于时间结构的分类层级可能同时掩盖证据的优点和局限。一些研究问题确实需要重复观测(如个体内变化、暴露随时间的变化、干预前后结局),但重复观测本身不能使比较具有因果信息。因果可信度取决于所考察的效应、比较如何产生、连接比较与效应的假设、分析是否与设计匹配,以及针对关键威胁的证据。
结论部分翻译为:横断面标签应促使检查时间顺序、反向因果、暴露时机、患病率与发病率、混杂、选择和测量,而非自动判定因果价值。纵向标签也应促使同样的审查,包括基线可比性、时依混杂、失访以及受先前暴露影响的变量。跨时间结构的实用标准一致:声称什么效应?什么使比较具有信息性?什么必须为真?分析是否匹配设计?什么证据探测主要威胁?该框架为取代仅依赖时间标签的评估提供了更丰富、更一致的基础,支持适当谨慎,同时用更透明和有诊断价值的因果评估与报告替代通用时间设计警告。