DOI: https://doi.org/10.1007/s10654-025-01356-0
PMID: https://pubmed.ncbi.nlm.nih.gov/41579296
تاريخ النشر: 2026-01-24
المؤلف: Viktor H. Ahlqvist وآخرون
الموضوع الرئيسي: تقنيات الاستدلال السببي المتقدمة
نظرة عامة
تناقش هذه القسم قيود نماذج الانحدار التقليدية من نوع كوكس، وخاصة اعتمادها على نسب المخاطر أو النسب المئوية التي تعتمد على عوامل عائلية مشتركة. بينما تكون هذه النسب صحيحة إحصائيًا، إلا أنها غالبًا ما تفتقر إلى الأهمية السريرية لأنها لا تعكس المخاطر المطلقة الأساسية. يدعو المؤلفون إلى استخدام نماذج تحليل الأشقاء، وبشكل خاص إطار العمل الهامشي بين داخل الأسرة، لتقدير المقاييس المطلقة والمقاييس ذات الأهمية السريرية لكل من النتائج الثنائية ونتائج الوقت حتى الحدث. يسمح هذا النهج بفهم أكثر شمولاً للبيانات من خلال توفير مقاييس نسبية ومطلقة، مما يمكن أن يعزز من قابلية تفسير النتائج وفائدتها العملية في السياقات السريرية والسياسية.
يعترف المؤلفون أنه بينما يمكن أن تقلل تحليلات الأشقاء من بعض التحيزات المرتبطة بالعوامل المربكة غير الملاحظة المشتركة بين الأشقاء، إلا أنها لا تزال عرضة لمجموعة متنوعة من التحيزات التي قد تؤثر على التقديرات. يؤكدون أن قابلية تعميم النتائج من تحليلات الأشقاء إلى السكان الأوسع قد تكون محدودة، خاصة إذا كانت العينة غير ممثلة للسكان المستهدفين. تختتم هذه القسم بالإشارة إلى أنه بينما يوفر نموذج الهامش بين داخل الأسرة مزايا على الطرق التقليدية مثل الانحدار اللوجستي الشرطي والانحدار من نوع كوكس المقسم، فإنه يفرض أيضًا المزيد من الافتراضات، والتي يجب أخذها بعين الاعتبار بعناية في تفسير النتائج.
مقدمة
في المقدمة، يبرز المؤلفون فائدة التصاميم القائمة على الأسرة، وخاصة المقارنات بين الأشقاء، في تقليل التداخل غير المقاس داخل الأسر. يشيرون إلى أنه بينما تستخدم تحليلات الأشقاء للنتائج الثنائية عادةً الانحدار اللوجستي الشرطي، وتستخدم نتائج الوقت حتى الحدث طرقًا مقسمة، هناك فجوة ملحوظة في تطبيق المقاييس المطلقة، مثل وظائف البقاء الهامشية المعدلة للعوامل المربكة. تستمر هذه الفجوة على الرغم من أن الأسس النظرية لمثل هذه التقديرات قد تم تأسيسها، مما يؤدي إلى نقص في المقاييس ذات الأهمية السريرية في تحليلات الأشقاء.
يقترح المؤلفون حلاً من خلال تقديم إطار العمل الهامشي بين داخل الأسرة الذي يأخذ بعين الاعتبار التداخل العائلي المشترك، مما يمكّن من تقدير المقاييس المطلقة مثل المخاطر التراكمية والفشل. يؤكدون على أهمية هذه المقاييس في اشتقاق تباينات ذات معنى سريري، مثل تأثير العلاج المتوسط وعدد الأشخاص المطلوب علاجهم، مع تعديل العوامل المربكة الملاحظة وغير الملاحظة. لتسهيل التطبيق العملي، يقدم المؤلفون كودًا قابلًا للتكرار في Stata و R للباحثين الذين يعملون مع كل من النتائج الثنائية ونتائج الوقت حتى الحدث.
طرق
في هذا القسم، يوضح المؤلفون الإطار المنهجي المستخدم في دراستهم، بدءًا من وصف تصميم المقارنات بين الأشقاء. يوضحون النماذج الإحصائية التقليدية المستخدمة لتحليل الأشقاء، وخاصة الانحدار اللوجستي الشرطي للنتائج الثنائية والانحدار من نوع كوكس المقسم لنتائج الوقت حتى الحدث.
علاوة على ذلك، يقدم المؤلفون إطار العمل بين داخل الأسرة ويناقشون تهميش هذه النماذج. يوضحون كيف يمكن إعادة صياغة الانحدار اللوجستي الشرطي والانحدار من نوع كوكس المقسم ضمن هذا الإطار الهامشي، مما يسهل تقدير وظيفة الأساس. هذا النهج مهم لأنه يمكّن من حساب المخاطر المطلقة وغيرها من المقاييس ذات الأهمية السريرية، مما يعزز من قابلية تفسير النتائج وتطبيقها في الإعدادات السريرية.
مناقشة
تؤكد قسم المناقشة في الورقة على فائدة تصاميم المقارنة بين الأشقاء في معالجة التداخل غير المقاس من خلال الاستفادة من التشابهات بين الأشقاء. تعدل هذه التصاميم للعوامل العائلية المشتركة، مما يسمح للباحثين بتحديد التأثيرات السببية للتعرضات على النتائج تحت افتراضات معينة. ومع ذلك، تتطلب صحة هذه الافتراضات – مثل غياب العوامل المربكة غير المشتركة غير الملاحظة – اعتبارًا دقيقًا، حيث يمكن أن تؤدي الانتهاكات إلى تقديرات متحيزة. يدعو المؤلفون إلى إطار العمل الهامشي بين داخل الأسرة، الذي يفكك العلاقة الكلية بين التعرض والنتيجة إلى تأثيرات داخل الأسرة (سببية) وتأثيرات بين الأسر (مربكة)، مما يوفر فهمًا أكثر دقة للبيانات.
كما تنتقد الورقة نماذج تحليل الأشقاء التقليدية، مثل الانحدار اللوجستي الشرطي والانحدار من نوع كوكس المقسم، لقيودها في تقدير المخاطر المطلقة والمقاييس ذات الأهمية السريرية. بالمقابل، تسمح نماذج الهامش بين داخل الأسرة بتقدير كل من المقاييس النسبية والمطلقة، مما يعزز من قابلية التفسير والفائدة العملية. توضح مثال تطبيقي يتضمن تدخين الأمهات ووفيات الرضع فعالية الإطار في إنتاج تقديرات ذات معنى، بما في ذلك النسب المئوية، ونسب المخاطر، واختلافات المخاطر المطلقة. يخلص المؤلفون إلى أنه بينما يمكن أن تقلل تحليلات الأشقاء من بعض التحيزات المرتبطة بالطرق التقليدية، تظل قابلية تعميم النتائج اعتبارًا حاسمًا، مما يتطلب تقييمات حالة بحالة لنقل النتائج إلى السكان الأوسع.
DOI: https://doi.org/10.1007/s10654-025-01356-0
PMID: https://pubmed.ncbi.nlm.nih.gov/41579296
Publication Date: 2026-01-24
Author(s): Viktor H. Ahlqvist et al.
Primary Topic: Advanced Causal Inference Techniques
Overview
The section discusses the limitations of traditional Cox regression models, particularly their reliance on hazard or odds ratios that are conditional on shared familial factors. While these ratios are statistically valid, they often lack clinical relevance as they do not convey the underlying absolute risk. The authors advocate for the use of sibling analysis models, specifically the marginal between-within framework, to estimate absolute measures and clinically meaningful metrics for both binary and time-to-event outcomes. This approach allows for a more comprehensive understanding of the data by providing both relative and absolute measures, which can enhance the interpretability and practical utility of findings in clinical and policy contexts.
The authors acknowledge that while sibling analyses can mitigate some biases associated with unobserved confounders shared between siblings, they are still susceptible to various biases that may affect the estimates. They emphasize that the generalizability of results from sibling analyses to the broader population may be limited, particularly if the sample is not representative of the target population. The section concludes by noting that while the marginalized between-within model offers advantages over traditional methods like conditional logistic regression and stratified Cox regression, it also imposes more assumptions, which must be carefully considered in the interpretation of results.
Introduction
In the introduction, the authors highlight the utility of family-based designs, particularly sibling comparisons, in mitigating unmeasured confounding within families. They note that while sibling analyses for binary outcomes typically employ conditional logistic regression, and time-to-event outcomes utilize stratified methods, there is a notable gap in the application of absolute measures, such as marginal survival functions adjusted for confounders. This gap persists despite the theoretical foundations for such estimations being established, leading to a lack of clinically relevant metrics in sibling analyses.
The authors propose a solution by introducing a marginal between-within framework that effectively accounts for shared familial confounding, enabling the estimation of absolute measures like cumulative risks and failures. They emphasize the importance of these measures in deriving clinically meaningful contrasts, such as the average treatment effect and the number needed to treat, while adjusting for both observed and unobserved confounding factors. To facilitate practical application, the authors provide reproducible code in Stata and R for researchers working with both binary and time-to-event outcomes.
Methods
In this section, the authors outline the methodological framework employed in their study, beginning with a description of the sibling comparisons design. They detail the traditional statistical models utilized for sibling analysis, specifically conditional logistic regression for binary outcomes and stratified Cox regression for time-to-event outcomes.
Furthermore, the authors introduce the between-within framework and discuss the marginalization of these models. They demonstrate how conditional logistic regression and stratified Cox regression can be reformulated within this marginalized framework, which facilitates the estimation of a baseline function. This approach is significant as it enables the calculation of absolute risk and other clinically relevant measures, thereby enhancing the interpretability and applicability of the findings in clinical settings.
Discussion
The discussion section of the paper emphasizes the utility of sibling comparison designs in addressing unmeasured confounding by leveraging the similarities among siblings. These designs adjust for shared familial factors, allowing researchers to identify causal effects of exposures on outcomes under specific assumptions. However, the validity of these assumptions—such as the absence of unmeasured non-shared confounders—requires careful consideration, as violations can lead to biased estimates. The authors advocate for the marginal between-within framework, which decomposes the total exposure-outcome association into within-family (causal) and between-family (confounding) effects, thus providing a more nuanced understanding of the data.
The paper also critiques traditional sibling analysis models, such as conditional logistic regression and stratified Cox regression, for their limitations in estimating absolute risks and clinically relevant measures. In contrast, the marginal between-within models allow for the estimation of both relative and absolute measures, enhancing interpretability and practical utility. An applied example involving maternal smoking and infant mortality illustrates the framework’s effectiveness in producing meaningful estimates, including odds ratios, hazard ratios, and absolute risk differences. The authors conclude that while sibling analyses can mitigate some biases associated with conventional methods, the generalizability of findings remains a critical consideration, necessitating case-by-case evaluations of transportability to broader populations.