A joint QoL-Survival framework with debiased estimation under truncation by death
死亡截断下生活质量与生存的联合框架及去偏估计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：摘要明确讨论死亡截断下的治疗效应，并以生活质量与生存的联合分布表达结果，直接支持因果推断及分布效应分类。
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…
死亡截断下生活质量与生存的联合框架及去偏估计
- 研究问题
- 当患者在计划测量前死亡而生活质量不再有定义时，如何同时描述治疗对生存和生活质量的影响，避免向死亡后外推？
- 方法与思路
- 作者借鉴多状态表述，联合刻画连续生活质量与生存分布并用单纯形展示，基于有效影响函数构造可结合机器学习的半参数估计。
- 材料陈述的贡献
- 摘要称框架同时考虑生存与生活质量—生存联合分布，在所需条件下获得根号样本量一致估计，并提供模拟和两项真实数据应用。
- 阅读关注点
- 应核对联合分布估计对象与单纯形图的解释、治疗比较所需条件，以及机器学习干扰估计达到根号样本量收敛的具体要求。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出完整识别条件，联合评价也不能未经额外假设化约为单一治疗收益。
原文摘要
Evaluating quality-of-life (QoL) outcomes in populations with high mortality risk is complicated by truncation by death, since QoL is undefined for individuals who do not survive to the planned measurement time. We propose a framework that jointly models the distribution of QoL and survival without extrapolating QoL beyond death. Inspired by multistate formulations, we extend the joint characterization of binary health states and mortality to continuous QoL outcomes. Because treatment effects cannot be meaningfully summarized in a single one-dimensional estimand without strong assumptions, our approach simultaneously considers both survival and the joint distribution of QoL and survival with the latter conveniently displayed in a simplex. We develop assumption-lean, semiparametric estimators based on efficient influence functions, yielding flexible, root-n consistent estimators that accommodate machine-learning methods while making transparent the conditions these must satisfy. The proposed method is illustrated through simulation studies and two real-data applications.