《International Journal of Epidemiology》：Negative controls and how to use them: a guidance paper
编辑推荐：
阴性对照作为因果研究中识别混杂与偏倚的有效工具已获得广泛关注。然而，关于如何选择和应用阴性对照，以及如何报告和解读其结果的一般性指导仍然缺乏。本文阐述了开展阴性对照分析的关键步骤，并提供了所有相关的背景信息、重要的可行性与有效性考量，以及每一步骤实施和解读
阴性对照作为因果研究中识别混杂与偏倚的有效工具已获得广泛关注。然而，关于如何选择和应用阴性对照，以及如何报告和解读其结果的一般性指导仍然缺乏。本文阐述了开展阴性对照分析的关键步骤，并提供了所有相关的背景信息、重要的可行性与有效性考量，以及每一步骤实施和解读的实用性建议。本文还提供了所有方法的便捷概览，包括其原理、关键考量因素和示例，以及可供研究人员和审稿人使用的实用性检查表，以促进阴性对照分析的完整和严格报告。
## 论文解读文章
### 研究背景与问题
在观察性流行病学研究中，未测量混杂(unmeasured confounding)与各类偏倚是威胁因果推断效度的重要问题。传统分析方法通常依赖可测量协变量的调整，但无法直接解决未测量混杂带来的残余偏倚。阴性对照(negative controls)作为一种敏感性分析工具，近年来在因果研究领域受到越来越多的关注，已被用于识别和/或校正未测量混杂、选择偏倚(selection bias)、因错误分类导致的信息偏倚(information bias)以及I型错误(Type I error)。然而，尽管阴性对照在流行病学各分支学科中得到了广泛应用，学术界目前仍缺乏关于如何选择和应用阴性对照、如何报告和解读其结果的一般性指导。此前一项综述显示，在184篇使用阴性对照的论文中，43.5%未指明其试图解决的偏倚类型，仅4.3%解释了假设阴性对照与目标变量共享偏倚结构的理由。这种报告不规范的情况严重阻碍了审稿人和读者对阴性对照分析适当性与有效性的评价。为此，本文旨在为研究人员和读者提供关于阴性对照分析关键步骤的系统性指导，涵盖从阴性对照的选择到结果的报告与解读全过程。
### 研究内容与结论
该论文发表于《International Journal of Epidemiology》。研究人员系统梳理了阴性对照分析的核心概念、理论框架、实施方法与应用场景，并根据不同分析目标提出了一套包含关键假设、可行性考量和实践建议的完整指导方案。研究人员将阴性对照分为阴性对照暴露(negative-control exposure, NCE)和阴性对照结局(negative-control outcome, NCO)两大类，并区分了两种主要分析目的：偏倚检测(bias detection)和偏倚校正(bias correction)。论文为每种目的下的不同方法提供了详细的操作步骤、方法特异性假设以及报告与解读建议，并提供了两份实用性检查表以支持研究人员和审稿人的工作。
### 关键技术方法
研究人员在撰写该指导性论文时，系统整合了以下主要方法与框架：一是Lipsitch框架，其将阴性对照定义为同时满足两个条件的变量——与目标暴露（对于NCO）或结局（对于NCE）无因果关联，且与目标暴露或结局共享偏倚结构；二是Schuemie框架，其不明确考虑共享偏倚结构，而是主张在阴性对照数量足够多时，可通过估计关联效应的系统误差分布来进行P值和置信区间的校准；三是偏倚校正方法，包括结局对照校准方法(control outcome calibration approach, COCA)和混淆桥(double-negative-control)方法，前者利用NCO通过线性回归模型估计未测量混杂的强度，后者则同时利用NCE和NCO通过求解Fredholm第一类积分方程来控制未测量混杂。此外，论文还提出了识别潜在阴性对照的三种策略：手动识别（参考药物安全性结局的六项标准）、自动化筛选系统（如LAERTES程序）和检索已有研究中的阴性对照。
### 研究结果
**阴性对照的概念。** 阴性对照的推理可追溯至Bradford Hill特异性标准。Lipsitch及其同事将这一概念引入流行病学领域，将其定义为一种敏感性分析以检测偏倚或混杂。根据Lipsitch框架，一个有效的阴性对照必须同时满足两个条件：一是与目标暴露或结局无因果关联，二是与目标暴露或结局共享偏倚结构。Shi等人已使用因果推断符号形式化了这些假设。
**使用阴性对照的原理。** 阴性对照可用于两大目的：偏倚检测和偏倚校正。在偏倚检测方面，该方法作为敏感性分析用于检验研究结果的稳健性，遵循Lipsitch框架的阴性对照定义，需要预先设定偏倚来源和预期方向。在偏倚校正方面，第一种方法针对特定的、先验定义的偏倚校正效应估计值，包括COCA方法和混淆桥方法，两者均建立在Lipsitch框架基础之上但需要额外假设。第二种方法校准P值和置信区间以解决观察性研究中普遍存在的效应系统性高估（即I型错误）问题，遵循Schuemie框架的阴性对照定义。
**阴性对照的选择。** 研究人员提出了分步骤的选择方法：第一步决定阴性对照分析的目标，识别预期偏倚来源及其应对方式；第二步编制不符合因果关联条件的潜在阴性对照候选变量清单，可通过领域知识、已有研究、已发表的阴性对照清单或自动化数据库搜索进行识别；第三步评估这些候选变量在阴性对照分析目的假设和数据要求方面的适用性。此外还需考虑可行性问题，如病例对照研究中使用NCO需要两个独立研究人群、阴性对照的罕见性可能导致统计功效不足、以及不同研究设计对阴性对照的特殊要求等。
**阴性对照分析的报告。** 研究人员强调，报告阴性对照分析时应明确说明进行分析的原因以及选择特定阴性对照及其数量的理由。重要细节取决于分析目的，因为不同方法的具体实施存在差异。预先设定何为零结果及其解读方式是报告的关键要素。校正和校准方法需要更全面的报告，包括验证和报告所有方法特异性假设。论文提供了可用作批判性评价工具的报告检查表。
**基于阴性对照的推断。** 阴性对照的基本假设是在无偏倚情况下，阴性对照与目标变量之间不应存在关联。在理想条件下，零结果提示无偏倚，非零结果提示存在偏倚。但实际上，阴性对照可能因功效不足而显示零结果，两个方向相反的偏倚也可能导致零结果，或者偏倚结构重叠不佳。研究人员应预先设定何为零结果。在某些情况下，阴性对照对使估计值趋向零的偏倚（如错误分类）检测能力较差，此时阳性对照可能是更有效的工具。
### 讨论与结论
在讨论部分，研究人员指出，Lipsitch框架内的方法共享一个重要但不可验证的假设，即目标变量与阴性对照共享偏倚结构。正因该假设无法验证，通常建议将阴性对照分析的结果作为整体证据的一部分进行评估。在Schuemie框架内，关键假设是阴性对照集合能恰当反映目标关联中存在的偏倚，而这一假设同样不可验证。P值或置信区间的校准在降低I型错误风险的同时会增加II型错误风险。研究人员还讨论了将多个阴性对照应用于偏倚检测的潜在价值与不确定性、阴性对照在近端因果推断(proximal causal inference)和目标试验模拟(target trial emulation)框架中的应用前景，以及阴性对照分析结果被赋予因果含义时应考虑的因果推断可识别性假设（可交换性、一致性和阳性性）。
论文结论部分翻译：阴性对照是一种可检测或校正偏倚的分析工具，可以以不同方式应用。本文概述了当前方法及其局限性，并提供了实用性检查表以支持此类分析的设计、报告和批判性评价。
