学术报告（徐艺真 4.24）

摘要：

        根据个体特征和纵向病史动态预测不同治疗方案下的因果效应是精准医学中的一个基本问题。这在实践中具有挑战性，因为在观察性研究中结果和治疗分配机制是未知的，个体的治疗效果是无法观测的，选择偏差的存在往往是不可避免的。

        我们提出了一个贝叶斯框架，用于通过采用贝叶斯 g-计算算法来结合多元广义线性混合效应模型来识别动态治疗方案的子组反事实疗效。在假定的结果、时变混杂因子和治疗分配的联合分布中，未测量的时不变因素被确定为受试者特定的随机效应。现有方法大多假设没有未测量的混杂因子，并侧重于平衡观察到的不同治疗之间的混杂分布，而我们的方法允许存在时间不变的未测量混杂。我们提出了一个基于治疗分配异质性的顺序可忽略性假设，这类似于平衡由于超出可观察范围的不可测量的时不变因素而导致的每种治疗的潜在趋势。我们使用模拟研究来评估所提出方法的性能对各种模型假设的敏感性。该方法应用于观察性临床数据，以研究连续使用霉酚酸酯对接受药物治疗的不同亚组硬皮病患者的疗效。