广义自然间接效应：暴露影响中介-结局混杂时的因果中介分析新框架

本研究针对暴露影响中介-结局混杂变量（中间混杂）时自然间接效应（NIE）识别难题，提出广义自然间接效应新度量。通过随机干预定义的新效应在非参数结构方程模型（SEM）下与干预间接效应（IIE）等价，且无需依赖跨世界假设。在无异质性假设下NIE可识别，新方法为含中间混杂的因果中介分析提供更合理且可解释的解决方案。

　　

因果中介分析(causal mediation analysis)致力于解析暴露(exposure)通过中介变量(mediator)影响结局(outcome)的路径机制。当存在受暴露影响的中介-结局混杂因素(mediator-outcome confounders affected by exposure)——即中间混杂(intermediate confounders)时，传统非参数结构方程模型(SEM)中自然间接效应(natural indirect effect, NIE)因跨世界假设(cross-world assumptions)限制而难以识别。

为破解这一难题，研究者聚焦间接路径提出广义自然间接效应(generalized NIE)新度量体系，其中NIE作为特例被涵盖。特别地，通过随机干预(randomized intervention)定义的广义NIE在非参数SEM独立误差条件下与干预间接效应(interventional indirect effect, IIE)完全一致——尽管IIE的识别通常无需依赖SEM的跨世界假设。进一步引入无异质性(no-heterogeneity)假设时，NIE可与该广义NIE等价从而实现识别。

与传统方法不同，新提出的间接效应度量准则确保在中介解释有效性(valid mediation interpretation)，即使存在中间混杂时仍成立。仅依赖传统识别假设时IIE无法满足这些准则，而所有广义NIE均符合要求，为研究者提供超越现有度量的丰富选择。这些发现表明，在中间混杂不可避免的研究场景中，广义NIE可作为更实用且具有因果解释力的替代方案。