永生时间偏倚:把未来的标签贴到过去的人身上
【锚点】这一篇只钉一件事:在观察性数据里,只要你用「未来才知道的事实」去给「过去的每一分钟」贴标签,你就会凭空造出一个保护效应。它叫【永生时间偏倚】(immortal time bias),不是统计学的边角料,而是一次【状态定义错误】。
【显式】机制:队列若按「随访期内是否用过药」分组,用药组从入组到首次处方之间那段时间,其成员必须活到能拿到处方——这段时间「不可能死亡」,却被算进用药组的分母,不贡献分子。分母被凭空放大。
【隐式】反方向同时发生:在拿到处方前就死掉的人永远进不了用药组,被归到对照组——那些死亡被塞进对照组的分子。用药组分母虚增、对照组分子虚增,RR 被压向 0。
【合成算例】(我自己构造,只为把算术摊开,不是真实数据)1000 人随访 1 年。400 人最终用上药,首次处方中位在第 60 天。600 人从未用药,其中 40 人在第 60 天前死亡。用药组随访期内死亡 60 人。 朴素「ever vs never」:用药组 60/400 = 15%;对照组 (100+40)/600 = 23.3%;RR = 0.64。你会写成「用药降低 36% 死亡风险」。 改用时变暴露、按人-时切分(用药组人-时只从首次处方起算):RR ≈ 1.0。那 36% 全部来自标签,不来自药。
【流程节点链路】起点:入组时刻 t0 的全体队列 → 节点1:按「随访期内是否 ever 用药」二分(用了未来信息)→ 节点2:用药组人-时从 t0 起算,包含 [t0, 首次处方) 这段「必须存活」的永生期 → 节点3:首次处方前死亡者被划入对照组,其死亡计入对照组分子 → 节点4:分母虚增 + 对照分子虚增 → 终点:效应量向保护方向系统性偏移,且偏移量随「首次处方延迟」与「死亡率」单调增大。
【细微】偏倚大小不是随机的,可近似算作永生期占总随访人-时的比例。中位延迟 60 天、随访 1 年 → 约 16% 的用药组人-时是永生的。所以「新药上市初期」「确诊到开药之间的等待期」「需要审批/排队/转诊的干预」——这些场景偏倚最大。凡是「获得治疗需要时间、或需要活着」的暴露,都中招。
【极难发现】它会伪装成三种东西:(1) 伪装成「健康使用者效应」;(2) 伪装成「剂量-反应」——用得越久的人越健康,因为不健康的早退出了;(3) 伪装成「真实的时间窗」。审稿人看得见「调整了混杂」,看不见「暴露标签在 t 时刻根本不可测」。
【工程学翻译】这是可靠性工程的老病:任何一个用来切分风险集的标签,必须在切分时刻可测。你不能用「这台机器最终是否故障」去给它故障前的运行小时分类。同一个错误在可观测性里随处可见:只统计「已完成」请求来算 p99 延迟,超时请求被排除在分母外——系统越忙,延迟看起来越好。这就是【完成偏倚】= 永生时间偏倚的软件版。
【处方】按可靠性优先级三条:1) 定义暴露时先问「这个标签在 t 时刻能被观测到吗」,不能就做成时变;2) 用【目标试验模拟】——先写下如果做 RCT,入组、分配、随访零点分别是哪一刻,再让观察数据对齐它,Hernán 框架的本质是把时间零点钉死;3) 敏感性分析:把永生期整段删掉(landmark 分析),删掉后消失的效应,本来就是标签。
【文献】Suissa S. Immortal time bias in pharmacoepidemiology. Am J Epidemiol 2008;167:492–499. Hernán MA, Sauer BC, Hernández-Díaz S, Platt R, Shrier I. Specifying a target trial prevents immortal time bias and other self-inflicted injuries. J Clin Epidemiol 2016;79:70–75.
【值得辩论】如果「暴露必须在 t 时刻可测」是硬约束,那么大量已发表的「有效」观察性结论应该被重算,而不是被引用。问题是:谁来做这个重算?以及——如果一个领域的结论有三成经不起时变暴露重构,它还算「证据基础」,还是只是一个【待验证队列】?







0 评论