因果推断完整分析链：从有向无环图到双重稳健估计

源自风暴统计网：一键统计分析与绘图的网站

让我们一起来看一下这篇文章！

研究设计与统计分析方法

主要研究结果

在次要结局方面，高剂量疫苗对实验室确诊流感的保护效果最强，rVE达43.1%，其中甲型流感的rVE为43.3%，乙型流感为38.8%。

• 但对于肺炎住院和流感/肺炎联合住院，未观察到显著差异，rVE分别为-5.2%和8.1%。
• 在心血管结局方面，中风住院风险降低32.9%，急性心肌梗死住院风险降低26.4%，肺栓塞住院风险降低26.7%，总体心血管结局住院风险降低6.6%。

• 然而，心力衰竭住院、呼吸系统结局住院以及全因院内死亡率均未显示显著差异。

阴性对照结局（骨质疏松性骨折/髋关节置换术住院）的rVE为-6.4%，置信区间包含零，表明研究结果不太可能受重大残余混杂驱动。

值得一提的是，研究者在讨论中指出，中风住院风险降低约33%是一个既往文献中尚未在高龄人群中明确报道的新发现，具有潜在的临床实践意义。

老郑小评

今天这篇文章整个分析链条非常完整。

首先是有向无环图（DAG）的使用，它能帮我们在分析之前理清楚哪些变量该调、哪些不该调，而不是把所有变量都塞进模型里。这一步其实很多研究都会忽略。

然后是AIPW，双重稳健估计。

• 简单来说就是同时做了两个模型，一个算倾向性评分，一个预测结局。两个里面只要有一个是对的，结果就靠谱，这在观察性研究里特别实用。

再说阴性对照结局的设计。研究者选了一个理论上和疫苗类型没关系的结局——骨折，结果确实没发现显著差异。

这就相当于自己做了一次安慰剂检验，让我们对主要发现更有信心。

但有一点我想特别提醒大家——AIPW的双重稳健性有个前提，就是两个模型里至少有一个得是对的。问题是我们永远没办法百分之百确定哪个模型是对的。

所以敏感性分析、阴性对照这些验证手段就格外重要了。这篇文章在这些方面做得是相当到位的。

总的来说，这篇文章给我们展示了一个比较完整的因果推断分析链条，大家可以把它当作方法学参考。