Bayesian Sensitivity Analysis for Causal Estimation with Time-varying Unmeasured Confounding
时变未测量混杂下因果估计的贝叶斯敏感性分析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：摘要明确研究纵向观察数据中的时变治疗效应及未测量混杂敏感性分析。
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…
时变未测量混杂下因果估计的贝叶斯敏感性分析
- 研究问题
- 在纵向观察数据中，未测量混杂会随时间变化并影响时变治疗效应；如何用贝叶斯敏感性分析量化这种混杂对因果估计的影响？
- 方法与思路
- 作者扩展两类贝叶斯方法：以潜在混杂变量和偏差参数描述关系，或以敏感性函数直接描述混杂影响，并通过模拟及多中心儿科登记数据应用考察。
- 材料陈述的贡献
- 摘要称，文章把潜在混杂变量与敏感性函数两条路径扩展到时变治疗及混杂情形，比较其模拟表现，并提供基于实际登记数据的实施指导。
- 阅读关注点
- 应核对两类方法的敏感性参数和先验如何设定、时变混杂与治疗历史如何进入模型，以及参数变化对估计和后验不确定性的影响。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未给出先验、具体模型和性能结果，敏感性分析不能验证不存在未测量混杂。
原文摘要
Causal inference relies on the untestable assumption of no unmeasured confounding. Sensitivity analysis can be used to quantify the impact of unmeasured confounding on causal estimates. Among sensitivity analysis methods proposed in the literature for unmeasured confounding, the latent confounder approach is favoured for its intuitive interpretation via the use of bias parameters to specify the relationship between the observed and unobserved variables and the sensitivity function approach directly characterizes the net causal effect of the unmeasured confounding without explicitly introducing latent variables to the causal models. In this paper, we developed and extended two sensitivity analysis approaches, namely the Bayesian sensitivity analysis with latent confounding variables and the Bayesian sensitivity function approach for the estimation of time-varying treatment effects with longitudinal observational data subjected to time-varying unmeasured confounding. We investigated the performance of these methods in a series of simulation studies and applied them to a multi-center pediatric disease registry data to provide practical guidance on their implementation.