A structural nested rate model for estimating the effects of time-varying exposure on recurrent event outcomes in the presence of death
死亡存在时估计时变暴露对复发事件影响的结构嵌套率模型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：摘要直接研究时变暴露对复发事件的边际因果效应及结构嵌套模型。
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…
死亡存在时估计时变暴露对复发事件影响的结构嵌套率模型
- 研究问题
- 当死亡终止复发事件过程且可能与其相关时，如何估计时变暴露对复发事件的短期及延迟边际因果效应并处理终止事件偏差？
- 方法与思路
- 作者提出半参数结构嵌套复发事件模型及两种估计量，运用经验过程和半参数效率理论建立渐近线性，并开展模拟与实际应用。
- 材料陈述的贡献
- 摘要称，方法能够估计短期和延迟效应，提供 R 包 sncure，并应用于医疗保险人群，分析细颗粒物暴露与心血管复发住院。
- 阅读关注点
- 应核对死亡存在时的效应定义、暴露与终止事件的识别要求，以及两种估计量的区别、正则条件和延迟作用的建模方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未展开识别假设或报告应用效应数值，渐近线性也不等于已经证明效率最优。
原文摘要
Assessing the causal effect of time-varying exposures on recurrent event processes is challenging in the presence of a terminating event. Our objective is to estimate both the short-term and delayed marginal causal effects of exposures on recurrent events while addressing the bias of a potentially correlated terminal event. Existing estimators based on marginal structural models and proportional rate models are unsuitable for estimating delayed marginal causal effects for many reasons, and furthermore, they do not account for competing risks associated with a terminating event. To address these limitations, we propose a class of semiparametric structural nested recurrent event models and two estimators of short-term and delayed marginal causal effects of exposures. We establish the asymptotic linearity of these two estimators under regularity conditions through the novel use of modern empirical process and semiparametric efficiency theory. We examine the performance of these estimators via simulation and provide an R package sncure to apply our methods in real data scenarios. Finally, we present the utility of our methods in the context of a large epidemiological study of 299,661 Medicare beneficiaries, where we estimate the effects of fine particulate matter air pollution on recurrent hospitalizations for cardiovascular disease.