On estimands in target trial emulation
目标试验模拟中的目标估计量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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确通过纵向观察数据模拟随机试验，并研究处理效应的目标估计量及 G 计算、逆概率加权，直接对应因果推断。
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…
目标试验模拟中的目标估计量
- 研究问题
- 在多个起始时点模拟目标试验并合并纵向观察数据时，如何选择目标估计量，使异质处理效应及模型误设下的结果仍有明确解释？
- 方法与思路
- 作者以目标估计量和目标人群为中心提出不依赖特定模型设定的分析策略，针对不同研究设计开发 G 计算及逆概率加权估计。
- 材料陈述的贡献
- 摘要称该策略提升了合并试验效应的可解释性，并通过模拟和重症监护中抗菌药物降阶治疗数据展示相对传统方法的清晰性与可靠性。
- 阅读关注点
- 应核对各目标估计量对应的人群和时间范围、不可折叠性如何影响合并解释，以及 G 计算和加权估计分别依赖哪些识别与估计条件。
- 阅读边界
- 所据为 arXiv 预印本，不能据此确认同行评审或期刊接收；不依赖特定模型并不等于无需识别假设，摘要未说明具体条件及比较数值。
原文摘要
The target trial framework enables causal inference from longitudinal observational data by emulating randomized trials initiated at multiple time points. Precision is often improved by pooling information across trials, with standard models typically assuming - among other things - a time-constant treatment effect. However, this obscures interpretation when the true treatment effect varies, which we argue to be likely as a result of relying on noncollapsible estimands. To address these challenges, this paper introduces a model-free strategy for target trial analysis, centered around the choice of the estimand, rather than model specification. This ensures that treatment effects remain clearly interpretable for well-defined populations even under model misspecification. We propose estimands suitable for different study designs, and develop accompanying G-computation and inverse probability weighted estimators. Applications on simulations and real data on antimicrobial de-escalation in an intensive care unit setting demonstrate the greater clarity and reliability of the proposed methodology over traditional techniques.