METHOD · mth_target_trial · v2
Target Trial Emulation
目标试验模拟
用观察性数据明确模拟一个假想随机试验的方案要素,以减少因果问题、时间零点、入组与随访定义不清带来的设计偏差。
这是一份有来源的研究方法资料卡,尚未经过领域专家核验。书目核对与方法适用性分别记录,实施前请结合研究设计复核。
方法身份
- 规范名称
- Target Trial Emulation
- 别名
- Target trial emulation、目标试验模拟
- 方法族
- Causal inference / observational study design
以上名称和分类来自此版本资料卡,不代表方法之间存在已核验的关系或适用性。
从资料卡到研究设计
编辑整理的设计输入与可能输出;并非平台支持的运行接口、实际分析结果或专家适用性核验。
编辑整理日期:2026-10-10 · 专家适用性尚未核验
核对输入与输出的来源 ↗目标量与分析目的
由目标试验协议预先定义的策略间因果效应;具体 estimand 取决于 eligibility、treatment strategies、assignment、follow-up、outcome 与 analysis plan。
需要准备的输入
- 目标试验的资格、策略、分配、随访、结局、目标量及分析方案
- 可用于模拟这些要素的观测数据和时间零点定义
可能产生的输出
- 明确的模拟协议与数据对应规则
- 由所选估计器产生的效应和偏倚核对;协议本身不生成估计
数据条件
- 可定义统一 time zero 的纵向观察数据
- 处理/策略与结局
- 基线及必要混杂因素
- 足以执行 eligibility 与 follow-up 的时间信息
识别与适用假设
- 观察性因果识别仍需相应的 exchangeability / positivity / consistency 等条件;“模拟目标试验”本身不消除未测混杂。
常见失败
- 先看数据结果再反向定义目标试验
- time zero、eligibility 与 treatment assignment 不同步
- 把观察性关联直接表述为随机试验等价证据
不能支持的结论
- 不能因为写了“target trial”就自动获得随机化识别
- 不能自动修复未测混杂或严重 positivity violation
诊断与核对
- 核对 eligibility、treatment assignment/time zero 与 follow-up 是否对齐
- 检查 immortal-time / prevalent-user 等设计偏差风险
- 明确 treatment strategies 与 censoring 规则
- 报告与目标试验协议的偏离
可比较的替代方法
- New-user active-comparator design
- IP weighting / MSM
- g-formula
- TMLE
- negative controls / sensitivity analysis
来源与参考
- Using Big Data to Emulate a Target Trial When a Randomized Trial Is Not Available
Miguel A. Hernán; James M. Robins · 2016
独立书目核对只涉及来源身份;不表示本方法全部说明已获专家核验或全文复用授权。
书目身份已独立核对 · 2026-10-07
打开原始来源 ↗
来源链接用于核对。来源可访问不代表已获全文或代码再分发授权。
资料卡记录的来源范围
Source explicitly frames observational causal analysis as emulation of a target trial and outlines the framework; detailed implementation choices remain study-specific.
对象关系
关系连接明确的对象版本。前置知识指学习或实现知识;搭配关系是编辑建议,尚未统计真实使用频率。
Parametric g-formula / g-computation →
明确模拟协议后,g公式可作为符合该协议和数据条件的估计策略之一。
版本、依据与适用边界
mth_target_trial v2 → mth_gformula v2
表示可搭配的编辑建议,不声称已测量使用频率;目标试验模拟不强制采用g公式。
核对关系来源 ↗关系 kre_target_trial_gformula · v1 · 待领域复核