Causal survival analysis under competing risks using longitudinal modified treatment policies
利用纵向修正治疗策略开展竞争风险下的因果生存分析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：摘要直接研究纵向治疗策略的因果参数、识别与估计。
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…
利用纵向修正治疗策略开展竞争风险下的因果生存分析
- 研究问题
- 当结局为存在右删失和竞争风险的事件发生时间时，如何定义并估计依赖治疗自然取值的纵向修正治疗策略效应？
- 方法与思路
- 作者将纵向修正治疗策略扩展至生存结局，给出识别结果及非参数局部有效估计量，并使用灵活的数据自适应回归。
- 材料陈述的贡献
- 摘要称，该扩展兼顾多时点暴露、右删失和竞争事件，在相应条件下保留根号样本量一致性，并提供住院患者应用。
- 阅读关注点
- 应核对策略如何修改治疗自然取值、竞争事件如何进入目标量，以及识别条件、回归收敛要求与局部效率结论的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明识别条件、删失处理细节或应用效应数值，不能据此验证因果结论。
原文摘要
Longitudinal modified treatment policies (LMTP) have been recently developed as a novel method to define and estimate causal parameters that depend on the natural value of treatment. LMTPs represent an important advancement in causal inference for longitudinal studies as they allow the non-parametric definition and estimation of the joint effect of multiple categorical, numerical, or continuous exposures measured at several time points. We extend the LMTP methodology to problems in which the outcome is a time-to-event variable subject to right-censoring and competing risks. We present identification results and non-parametric locally efficient estimators that use flexible data-adaptive regression techniques to alleviate model misspecification bias, while retaining important asymptotic properties such as $\sqrt{n}$-consistency. We present an application to the estimation of the effect of the time-to-intubation on acute kidney injury amongst COVID-19 hospitalized patients, where death by other causes is taken to be the competing event.