环境流行病学中阴性对照结局的潜在陷阱与正确应用策略分析

《Current Environmental Health Reports》：Pitfalls of Using Negative Control Outcomes in Environmental Epidemiology

　　本评论针对环境流行病学中日益流行的阴性对照结局分析方法，指出了其在实际应用中的多个潜在陷阱。研究人员通过6个模拟场景系统演示了当阴性对照结局与主要结局不是完美u-comparable时，即使主要分析存在残留混杂，阴性对照分析仍可能显示无效关联，从而导致研究者对主要结果产生错误信心。本文强调正确应用阴性对照结局分析需要满足严格条件，为改进观察性研究中的因果推断提供了重要方法论指导。

　　

在环境流行病学研究领域，科学家们一直面临着一个核心挑战：如何从观察性数据中得出可靠的因果结论。由于环境暴露（如空气污染、化学物质）往往无法进行随机化试验，研究人员必须依赖观察性研究设计，而这些设计极易受到混杂偏倚的影响。尽管统计调整可以控制已知的混杂因素，但残留混杂——特别是由未测量变量或测量误差引起的混杂——始终是因果推断的潜在威胁。

近年来，阴性对照结局分析作为一种有前景的方法出现，用于检测此类残留混杂。其基本原理直观而巧妙：如果一个变量（阴性对照结局）已知不受暴露影响，但与主要结局共享相同的混杂机制，那么在充分控制混杂的情况下，暴露与阴性对照结局之间不应存在关联。如果检测到此类关联，则表明主要分析中可能存在残留混杂偏倚。

然而，正如哥伦比亚大学梅尔曼公共卫生学院Heather McBrien及其合作者在《Current Environmental Health Reports》上发表的最新评论所指出的，这种方法的实际应用远比理论复杂。研究人员发现，尽管阴性对照结局分析在方法学文献中被广泛讨论，但在环境流行病学的实际应用中常常出现误用，可能导致错误的因果推断结论。

为了系统揭示这些问题，研究团队设计了六个精心构建的模拟场景，展示了阴性对照结局分析在各种实际情况下的表现。这些模拟基于一个统一的框架：连续暴露A被假设为导致连续结局Y，而N是连续阴性对照结局，已知不受A影响。所有变量均模拟为正态分布，除非特别说明，大多数场景假设变量间存在线性关系。

在第一个“正确场景”中，研究团队展示了当所有条件都满足时阴性对照结局分析如何正常工作。当主要结局Y和阴性对照结局N完美u-comparable（即共享所有共同原因）时，暴露A与阴性对照结局N之间的显著关联正确指示了主要分析中存在残留混杂偏倚。

然而，随后的五个场景揭示了这种方法在实际应用中的局限性。在场景2中，当阴性对照结局与主要结局不共享相同的未观察混杂机制时（即不是u-comparable），即使主要分析存在明显的向上混杂偏倚，阴性对照分析也显示无效关联，给研究者带来了错误的安全感。

场景3突出了混杂因素测量误差的问题。当混杂因素在主要结局分析和阴性对照分析中被不同地错误分类时，残留偏倚可能仅存在于主要分析中，而阴性对照分析则显示无效关联。例如，教育程度（如L：在校总年数 vs. L*：高中毕业）在环境流行病学中经常被二分处理，可能导致此类问题。

场景4展示了模型误设的危险。当混杂因素与主要结局和阴性对照结局之间存在不同的函数形式关系时（如立方关系与线性关系），如果分析程序不够灵活，无法充分模拟这些关系，残留混杂偏倚可能仅存在于主要结局分析中。

即使在理论条件满足的情况下，阴性对照结局分析也可能失效。场景5表明，当未观察混杂因素与阴性对照结局的关联非常弱时，即使主要分析存在明显偏倚，阴性对照分析也可能检测不到关联。场景6则展示了当未观察混杂因素与阴性对照结局呈负相关时，阴性对照分析甚至可能产生误导性的负关联。

研究团队采用线性回归模型进行效应估计，主要分析使用Y=β₀+β₁A+β₂L，阴性对照分析使用N=γ₀+γ₁A+γ₂L。每个场景运行100次模拟，每次使用n=100的样本量，以评估方法在重复样本中的表现。

结果清晰地展示了阴性对照结局分析在实际应用中的脆弱性。在除正确场景外的所有模拟中，阴性对照分析都未能可靠地检测出主要分析中存在的残留混杂偏倚。具体而言，在场景2-5中，尽管主要分析的效应估计存在明显向上偏倚（平均效应估计值为1.25-2.00，而真实值为1），但阴性对照分析显示几乎无效关联（平均效应估计值为0.00-0.01）。更令人担忧的是，在这些场景中，阴性对照分析的95%置信区间包含零的比例高达94-97%，可能给研究者带来错误的信心。

研究团队通过一个生动的例子说明了这些问题的现实意义。假设一项时间序列研究分析每日邮政编码级别的细颗粒物（PM_2.5）暴露与成人呼吸急诊住院之间的关系，研究者选择计划性髋关节置换手术住院作为阴性对照结局。虽然计划性髋关节手术住院已知不受PM_2.5影响，满足第一个条件，但它们与呼吸住院可能不共享相同的混杂机制（如温度、季节性）。因此，即使阴性对照分析显示无效关联，也不能缓解对主要分析中残留混杂的担忧。

研究的讨论部分强调了几个关键见解。首先，阴性对照结局分析的可靠性高度依赖于阴性对照结局与主要结局的u-comparable性——即它们必须共享完全相同的未观察混杂结构。在实践中，这种完美条件很少满足，因为研究者可能没有足够的背景知识来确定共同原因，或者可能选择不共享完全相同未观察混杂因素的阴性对照结局。

其次，即使u-comparable性条件满足，变量关系的正确测量和建模也至关重要。研究建议使用灵活或非参数估计量，这些估计量不对混杂因素-结局曲线的形状做出假设，有助于避免因协变量调整函数形式误设而产生的残留偏倚。

值得注意的是，当在阴性对照分析中观察到暴露与阴性对照结局之间存在正关联时，并不总是清楚是什么偏倚了结果。偏倚可能来自未观察混杂因素（如场景2），也可能来自观察到的混杂因素评估或建模不充分（如场景3或4）。在任何情况下，对所有包含的潜在混杂因素函数形式进行敏感性分析都有帮助。

作为阴性对照结局分析的替代方案，研究人员可以考虑使用阴性对照暴露，这在环境流行病学研究中往往更现实、应用更成功。阴性对照暴露是已知不会导致结局且与主要关注暴露共享未观察混杂结构的另一个暴露。

这项研究的重要贡献在于它系统揭示了方法学工具在实际应用中的局限性。作者强调，他们的模拟仅包含少数说明性示例，并非阴性对照结局分析可能无帮助情况的详尽列表。在现实世界研究中，当暴露、结局、混杂因素和阴性对照结局之间的关系复杂时，阴性对照分析更可能产生关于估计效应中无混杂偏倚的错误信心，而不是帮助检测混杂。

该评论最后指出，阴性对照结局分析如果应用正确，可以是一个强大的工具，但研究人员必须密切关注暴露、主要关注结局和阴性对照结局的混杂结构，并注意充分测量和建模所有变量及其之间的关系。在环境流行病学这样混淆控制至关重要的领域，这种方法论的严谨性对于推进因果推断至关重要。

这项研究的意义超出了环境流行病学的范畴，为所有依赖观察性数据做出因果声明的领域提供了重要警示。它强调方法学工具需要谨慎应用，并深入了解其潜在假设和局限性。随着观察性数据在健康研究中的作用不断扩大，此类批判性方法评估对于维持科学推断的严谨性变得越来越重要。