想判断一种药长期服用是否有效，研究者常会遇到一个现实问题：有人一直服药，有人中途停药，也有人停了又重新开始。更麻烦的是，医生会根据患者后来的健康变化调整治疗，而这些变化本身又可能受此前治疗影响。只比较“最初用药”和“最初没用药”的两组人，很容易答非所问；但追踪完整治疗路径，也未必天然可靠，因为数据中可能根本没有足够多的人走完目标路径。
Gaiotti、Poletto、Longato、Tavazzi 与 Vettoretti 的这项模拟研究，把焦点放在一个容易被方法名称遮住的因素上：治疗持续性——患者开始治疗后继续治疗、少发生切换的倾向。论文发现，在其设定的九种模拟情景中，持续性既会改变不同方法实际回答的问题有多接近，也会影响纵向估计能否得到足够的数据支持。换句话说，选择估计器之前，先要看现实中的治疗路径长什么样。
两类方法，其实在回答两个问题
研究者用结构因果模型（Structural Causal Model，SCM）生成纵向数据。可以把 SCM 理解成一套明确写出的“世界运行规则”：哪些变量影响后续健康状态，医生如何据此决定治疗，治疗又如何影响最终结局。模拟包含基线混杂、时变混杂、二元治疗，以及吸收性二元结局——事件一旦发生，之后便一直记为已发生。模型假定没有未测量混杂，也没有失访。
这里最难处理的是时变混杂：某个健康指标既受到过去治疗影响，又会影响未来是否继续治疗和最终结局。例如，服药改善了指标，医生随后据此调整用药。若忽略这个先后顺序，简单调整可能把治疗路径的作用算错。
论文比较了三种基线估计器和两种纵向估计器。三种基线方法包括未经调整的直接比较、基线 IPTW 和基线 TMLE。IPTW——逆概率治疗加权——给不同患者分配权重，试图让接受与未接受治疗的人更可比；TMLE——目标最大似然估计——把结局模型和治疗概率模型结合起来。
纵向 IPTW 则沿着多个时间点累计治疗概率，处理完整治疗历史；LTMLE 是 TMLE 的纵向版本，依次建模后续结局与治疗过程。研究中的 TMLE 方法还使用 Super Learner——把多种候选模型组合起来的学习框架。
关键在于，两类方法瞄准的因果估计量并不相同。因果估计量就是研究真正想回答的目标：基线方法问的是“只改变最初是否治疗，之后让治疗自然发展，会怎样”；纵向方法问的是“始终治疗”和“从不治疗”相比，会怎样。论文以后一问题的 Monte Carlo 真实风险比（Risk Ratio，RR）作为基准。RR 比较两种策略下结局风险的比例。
因此，基线方法与这个基准有差距，不能直接解释成“基线方法更差”。它们原本就在回答不同问题。
持续性为什么会改变答案
研究设置了三种函数复杂度：线性、非线性，以及带交互的非线性；再与低、中、高三档治疗持续性组合，形成九种情景。持续性通过治疗对既往治疗历史的依赖来控制。研究把随访期间至少发生一次治疗切换的概率校准到约 0.7、0.45 和 0.25，分别对应低、中、高持续性。
直觉并不复杂。若患者很少改变治疗，最初是否接受治疗，就很能代表后续整条路径。此时，“最初治疗”逐渐接近“始终治疗”，两类方法的目标也随之靠近。反过来，若治疗频繁切换，第一次治疗便很难代表长期策略。
论文报告，在其模拟设定中，基线 IPTW 和基线 TMLE 相对持续治疗方案真实 RR 的平均相对偏差，在低持续性时约为 61%，中持续性时约为 35%，高持续性时降至约 10%。未经调整的基线比较对应为约 73%、46% 和 21%。这组数字首先说明的是估计目标逐渐对齐，而不只是估计技术突然变准。
路径越少，纵向方法也越吃力
治疗持续性还有另一面。纵向方法要估计“始终治疗”或“从不治疗”，就需要观察数据中有足够多人接近这些路径。若现实里频繁停药、换药，完整持续路径会变得稀少。
这会形成实际可辨识性问题，也就是 practical positivity challenge：理论上目标路径并非绝对不可能，但有限样本中，支持它的病例太少，估计便容易摇摆。论文没有把它表述为严格违反 positivity 假设。
在不同函数形式上取平均后，纵向 IPTW 的经验 95% 模拟区间宽度，从高持续性时的 0.22 增至低持续性时的 0.46；LTMLE 则从 0.20 墨至 0.36。区间变宽意味着不同模拟数据集给出的答案更分散。
低持续性下，纵向 IPTW 在三类函数形式中都出现向上偏差，相对偏差约为 12% 至 24%；LTMLE 更接近真实值，范围约为 -5% 至 8%。作者认为，IPTW 的表现可能与有限样本中的高变异权重，以及治疗模型可能设定不当有关；LTMLE 的双重稳健结构可能缓解了问题。这里的“可能”很重要：模拟结果支持这种解释，但没有把原因彻底拆开验证。
相比之下，函数从线性变得更复杂，只带来较温和的性能变化，主要对基线估计器略有影响。至少在这九种情景里，治疗持续性比函数复杂度更能解释估计器表现。
真正的方法选择，从问题和数据开始
这项工作的价值，不是宣布某个估计器普遍胜出，而是把两个经常混在一起的问题拆开：你究竟想估计哪种干预，以及现有数据是否支持这种干预。
若治疗高度持续，基线治疗能较好代表完整路径，基线目标与持续方案目标会靠近。但这不等于基线分析自动获得了纵向方法的能力。若治疗频繁切换，基线方法与持续方案回答的问题明显分离；纵向方法虽然目标更匹配，却可能因目标路径稀少而变得不稳定。
对真实世界纵向研究来说，这给出了一条直接的检查顺序：先明确因果估计目标，再查看治疗切换和持续路径的分布，最后才比较估计器。单看模型名称或误差数字，可能把“目标不同”和“方法失灵”误当成同一件事。
局限与未知
- 这些结论来自特定 SCM 和九种模拟情景，不能直接外推成真实临床数据中的普遍规律。论文采用短随访、全参数数据生成过程，并假定没有失访和未测量混杂。
- 供稿中的论文文本说明每个情景模拟了 100 个数据集，但未显示每个数据集的人数和计算真实值所用独立 Monte Carlo 样本量；这些信息会影响对有限样本表现的判断。
- 研究没有覆盖更长随访、删失、动态治疗策略或更强的实际可辨识性困难。作者将这些列为后续扩展方向。