边际结构模型（MSM）为估计治疗的因果效应提供了一个强有力的工具。罗宾斯介绍的这些模型对治疗特定的反事实结果的边际分布进行了建模，可能以基线协变量的子集为条件。边缘结构模型在纵向数据结构的背景下特别有用，在这种背景下，每个受试者的治疗和协变量历史都会随着时间的推移进行测量，结果会在最后一个时间点记录下来。然而，这些模型在某些应用中的实用性受到了限制，因为它们无法包含时变协变量对治疗因果效应的修改。特别是在临床决策的背景下，这种时变效应修正剂往往具有相当大的甚至主要的意义，因为它们在实践中用于指导个人的治疗决策。在本文中，我们提出了边际结构模型的一个推广，我们称之为历史调整边际结构模型（HA-MSM）。考虑到观察到的过去，这些模型可以估计调整后的治疗因果效应，因此更适合于在个人层面上做出治疗决策，以及识别与时间相关的效应修正因子。具体而言，HA-MSM对治疗特异性反事实结果的条件分布进行建模，条件是直到某个时间点为止观察到的过去的全部或子集，同时针对所有时间点。针对标准MSM，开发并详细研究了处理加权估计量的双稳健逆概率。我们通过提出一类HA-MSM未知参数的处理加权估计的双稳健逆概率来推广这些结果。此外，我们表明，HA-MSM提供了一种自然的方法来确定动态治疗方案，该方案在每个时间点遵循历史调整（直到最近的时间点）的最佳静态治疗方案。我们用HIV感染治疗中的一个例子来说明我们的结果。
©2011 Walter de Gruyter GmbH&Co.KG，柏林/波士顿
