“因果森林+双重稳健估计”强强组合，这篇文章代表着2026年医学因果推断方法学趋势
源自风暴统计网：一键统计分析与绘图的网站
因果推断方法真是常看常新，之前我们分享过不少因果推断的方法，今天又来一个新组合：因果森林+双重稳健估计。
已有大量研究证实牙齿脱落与死亡风险的关联，但既往研究大多关注的是平均效应——即假设这种关联的强度在所有人群中是恒定的。但现实中，处理效应往往因人而异。
今天，我们通过一篇2026年发表于《Journal of Dental Research》（医学一区top，IF=5.9）的研究，来看看研究者如何运用因果森林与双重稳健估计的组合，系统评估牙齿脱落对死亡率的因果效应。
研究团队使用日本老年学评估研究（JAGES）2013年基线调查数据，经过纳排，最终纳入69,265名65岁及以上老年人，随访时间中位数为9.2年。
暴露变量：牙齿状态，按WHO功能牙齿标准分为“≥20颗牙”与“<20颗牙”两组。其中47.2%的参与者牙齿缺失（<20颗牙）。
结局变量：全因死亡，通过市政死亡登记记录。
纳入44个协变量，涵盖人口学、社会经济、健康状况、行为、社会关系、社区层面因素。
对于缺失数据，研究团队使用随机森林插补法进行填补，缺失比例从0%到26.1%不等。插补后样本的特征相比完整病例样本更接近于基线样本。
ATE估计：逆概率加权（IPW）方法
研究者首先通过估计平均治疗效应（ATE）来探究牙齿缺失与死亡率之间的关联。
先通过逆概率加权（IPW）平衡两组，纳入44个协变量构建逻辑回归模型计算牙齿缺失（<20颗牙）概率的稳定权重。
在此基础上，使用线性概率模型（LPM）分析，用风险差尺度估计平均处理效应（ATE）。此外，使用Cox比例风险模型来验证关联的稳健性。
研究结果显示，牙齿脱落显著增加了老年人群的死亡风险。
具体表现在，牙齿脱落与死亡风险增加3.2个百分点相关（系数=0.032；95%Cl 0.023~0.040）。
使用Cox比例风险模型观察到了类似的关联（HR=1.19；95%Cl 1.14~1.25）。
CATE估计：因果森林+双重稳健捕捉异质性
接着通过估计条件平均处理效应（CATE）来检验牙齿脱落与死亡率之间关联的异质性。
研究团队应用了广义随机森林（GRF）算法中的因果森林方法--与传统随机森林不同，因果森林的预测目标是暴露对结局的影响，而非结局本身。
首先，使用20折交叉拟合进行预测。
接着，通过使用增强逆概率加权（AIPW）估计CATE五等分亚组的组平均处理效应（GATE）来评估模型性能。
研究团队使用的AIPW就是我们所说的双重稳健估计方法之一，除此之外还有靶向最大似然估计（TMLE）。
“双重稳健估计”最大的优点在于它的容错率高，只要倾向得分模型（预测个体接受处理的可能性）或结果模型（预测个体在不同处理下的潜在结局）中有一个被正确设定，那么得到的因果效应估计就是渐进无偏的。
这相当于为因果估计上了两道“保险”，大大降低了对单一模型设定正确性的依赖。
更值得一提的是，它们允许使用复杂的机器学习算法来拟合这两个模型，而不会破坏估计的理论性质（如低偏误、可信的置信区间等）。
同时进行最佳线性预测（BLP）分析，以正式检验效应异质性的存在。
结果显示，牙齿脱落对死亡率的影响因人而异。
CATE分布呈右偏，范围0.001~0.070，中位数0.028，四分位距0.010
这些结果表明，在大多数人群中，牙齿脱落与死亡率增加相关，但在某些亚组中影响更强。
按CATE五等分分组后，效应最大组死亡率高达32.5%，而效应最小组仅12.7%，相差近2.5倍；且按CATE五等分亚组估计的GATE值呈递增趋势。
BLP分析显示，森林模型校准良好（均值森林预测系数=0.99；P<0.001），并捕捉到了显著的效应异质性（差异森林预测系数=1.17；P=0.003）。
识别关键特征：用XGBoost+SHAP打开黑箱
在确认存在异质性后，研究者进一步希望识别对效应异质性贡献较大的因素。
将第二步中估计出的CATE作为预测目标，纳入44个协变量作为特征，使用XGBoost构建预测模型。
数据集按8:2划分为训练集和测试集，通过网格搜索进行超参数调优，以最小化均方根误差（RMSE）为优化目标。
用SHAP值对特征重要性进行可视化。SHAP值越大，说明该特征对CATE的预测贡献越大。
研究结果显示，心脏病、性别和抑郁症状是影响效应异质性最强的3个贡献因素。
联合效应分析热图显示，在心脏病、性别和抑郁症状定义的亚组中，平均CATE存在差异，范围从无心脏病或无抑郁的女性的0.024，到有心脏病和重度抑郁的男性的0.054。
综上所述，本研究采用因果森林与双重稳健估计的组合方法，证实了日本老年人牙齿缺失与死亡率存在因果关联，且关联强度在男性、心脏病患者、抑郁症患者以及社会经济地位较低的亚组中更为显著。
今天分享的这篇文章的核心逻辑非常清晰，先用逆概率加权（IPW）和线性概率模型评估ATE，接着用因果森林加双重稳健估计算出CATE，最后用SHAP分析可视化各变量影响异质性的程度。
本文所涉及的因果森林与双重稳健估计方法之前我们都有介绍过，感兴趣的可以看一下
最强因果推断方法，必须是这个组合（超级学习者+双重稳健估计）
方法学革新：工具变量因果森林如何破解因果谜题？
最后，在文末给郑老师我们团队打个广告吧，大家不要见怪哈！
欢迎加入“因果推断与机器学习科研训练营”