Criteria for Surrogate end Points Based on Causal Distributions
基于因果分布的替代终点判据AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究替代终点的因果效应判据，并以分布因果效应替代平均效应，直接对应因果推断与分布效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于因果分布的替代终点判据
- 研究问题
- 当平均因果效应可能产生替代终点悖论时，能否用分布因果效应建立判据，使替代终点上的效应符号支持判断真实终点的效应符号？
- 方法与思路
- 作者讨论基于分布因果效应的替代终点判据，考察广义线性与 Cox 比例风险模型，并研究不依赖参数模型的一般分布条件。
- 材料陈述的贡献
- 摘要称相关模型条件下即使存在未观测混杂，也可判定效应符号；另给出分布一致替代终点的充分条件，并证明其几乎必要。
- 阅读关注点
- 读全文时应核对分布因果效应与分布一致性的定义、模型下符号传递的条件，以及一般分布结果中“几乎必要”的精确含义。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未列出符号传递和充分条件，不能解读为任意未观测混杂下均可识别因果效应或避免悖论。
原文摘要
Summary When a treatment has a positive average causal effect (ACE) on an intermediate variable or surrogate end point which in turn has a positive ACE on a true end point, the treatment may have a negative ACE on the true end point due to the presence of unobserved confounders, which is called the surrogate paradox. A criterion for surrogate end points based on ACEs has recently been proposed to avoid the surrogate paradox. For a continuous or ordinal discrete end point, the distributional causal effect (DCE) may be a more appropriate measure for a causal effect than the ACE. We discuss criteria for surrogate end points based on DCEs. We show that commonly used models, such as generalized linear models and Cox’s proportional hazard models, can make the sign of the DCE of the treatment on the true end point determinable by the sign of the DCE of the treatment on the surrogate even if the models include unobserved confounders. Furthermore, for a general distribution without any assumption of parametric models, we give a sufficient condition for a distributionally consistent surrogate and prove that it is almost necessary.