随机对照试验（randomized controlled trial，RCT）是评估干预效应的金标准，但由于伦理、成本等现实原因，常需要利用其他设计收集信息以评估干预效应。如在疗效比较研究（comparative effectiveness research，CER）中，制药公司需要更及时的有效性证据以争取经济利益，往往要借助数据来源更广泛、更加及时的观察性研究（observational studies）。其中参与者滚动入组（rolling enrollment）的平衡序贯队列设计（balanced sequential cohort design）是常用的新药疗效和安全性评估方案。此外，在执行临床实践和卫生政策时，通常需要较长的招募周期，以确保能够招募到足够数量的参与者。在这种情况下，干预项目往往采用参与者滚动入组的设计方式。例如，参与者以滚动入组的方式参与药物慢性治疗、家庭卫生机构护理、健康教育和医保补助政策。综合而言，滚动入组干预是一种非随机的干预项目，其特征在于项目中参与者的干预过程并不设有统一的起始时点，而是通过滚动方式进行参与者的招募。
滚动入组干预所得的纵向数据或准纵向数据使得因果效应的定义具有一定的灵活性。在数据中存在结果变量和协变量的时变信息时，要区分两种处理设计：第一种感兴趣的干预是静态的，即不取决于时变协变量，但参与者的处理状态随时间发生变化；另一种则是感兴趣的干预本身取决于时变协变量，比如对于癌症患者来说，在癌细胞大规模扩散后，采用的治疗措施本身也发生了变化。本文所介绍的滚动入组的干预设计属于第一种类型。无论何种处理设计，因果效应均可以利用Rubin的潜在结果框架（potential outcomes framework）进行形式化地描述。由于研究者关心的往往是治疗后一段时间的结果，如五年生存率，这就要求采用相对应的因果效应定义。
在这类准实验研究（quasi-experimental studies）或观察性研究中，往往存在混杂（confounding）因素影响干预效果的评估。如在对他汀类药物疗效的评估中，第一批使用新药的患者往往是现有药物治疗疗效不佳或存在较强副作用的部分患者，这会导致观察到的新药疗效和现有药物的疗效不可比。因此，如何将准实验研究或观察性研究转化为一个等价的靶标试验（target trial）就成了其因果效应推断的首要目标。在混杂因素可观测的情形下，匹配是一类有效地调整协变量分布以模拟靶标试验的方法，适用于滚动入组干预的匹配方法能够帮助研究者更准确地对因果效应进行识别和估计。
为此，本文介绍滚动入组干预的因果推断中平均处理效应（average treatment effects on the treated，ATT）的定义和相应的识别假设。在总结不同的对照组个体和基线期的选取方法后，详细介绍4种已被研究者用于滚动入组干预的因果推断中的匹配方法的原理、具体实施和代码，并解读4个研究实例，以帮助研究者更准确地评估滚动入组干预效果。
引用本文
杨荣臻, 郭思文. 纵向匹配在滚动入组干预因果推断中的应用. 中国循证医学杂志, 2024, 24(6): 730-738. DOI：10.7507/1672-2531.202310083
免费获取全文请复制链接在浏览器中打开、或扫描下方二维码、或联系本刊官邮editor@cjebm.com。
原文链接：
https://www.cjebm.com/article/10.7507/1672-2531.202310083
二维码：
点击下方“阅读原文”查看我刊更多内容
