近日，北京大学公共卫生学院生物统计系、北京国际数学研究中心教授周晓华团队针对临床领域因果推断的研究取得两项突出成果。

第一项成果是关于观察性数据的因果推断研究。该研究提出了使用高维协变量和观察数据的异质性局部因果作用的新型估计和推断方法，不需要常规因果推断所使用的强可忽略性假设。为了实现这一目标，周晓华团队利用二值工具变量，提出以协变量特异的局部因果作用作为感兴趣的参数，为两阶段广义线性模型开发了非凸目标函数下的LASSO估计，并提出了一个降低偏差的估计方法，并构建了异质性因果作用的置信区间。该方法被应用于分析俄勒冈州一项医疗援助计划的数据，发现医疗援助计划虽然不能提升青年人的幸福感，但能显著提升年长者的幸福感。相关文章发表于统计学国际顶尖期刊《Journal of the Royal Statistical Society: Series B》（该期刊是影响因子最高的统计学期刊），论文题目为“Inference of heterogeneous treatment effects using observational data with high-dimensional covariates（含高维数协变量的观察性数据中对异质性因果作用的推断）”，该研究受到国家自然科学基金委资助。

文章链接：https://rss.onlinelibrary.wiley.com/doi/full/10.1111/rssb.12469

（医疗援助对异质性治疗结果的影响）

另外，周晓华教授和苗旺助理教授团队还在临床试验数据融合方面取得了突出成果。

随机对照试验（RCT）是评价临床药物安全性和有效性的金标准，但由于较高昂的试验成本和严格的招募条件等，缺乏足够样本量往往成为制约因果推断效率和估计精度最主要的因素之一。而在历史试验、真实世界和观察性研究中，经常存在着大量的对照数据，如过去在安慰剂或传统标准方案下的治疗案例和记录。这些外部对照数据有着帮助提高临床试验推断效率和估计精度的巨大潜力。

该研究讨论了如何将外部对照数据引入到临床试验中来提高因果推断的效率和估计精度，并提出了可达半参数效率下界的双稳健统计方法。上述统计方法可充分利用不同来源数据的信息，并只需要部分工作模型正确设定即给出相合的估计。在实际案例中，团队利用所述方法分析了西苑医院等中医院治疗幽门螺旋杆菌感染的临床试验数据（362人，实验组接受中西医联合治疗，对照组接受三联疗法）和来自西医院的外部对照数据（110人，仅接受三联疗法），显示中西医联合治疗较传统的三联疗法具有潜在的疗效优势。相关研究成果以论文“Improving efficiency of inference in clinical trials with external control data（使用外部对照数据提高临床试验因果推断效率）”发表在国际顶尖统计学期刊《Biometrics》，该论文获中国生物统计2021年学术年会论文评选一等奖，第一作者为北京大学统计科学中心博士生李新宇。

文章链接：https://doi.org/10.1111/biom.13583

(北京大学公共卫生学院）