Exposure Effects on Count Outcomes with Observational Data, with Application to Incarcerated Women
观察数据中暴露对计数结果的效应：以被监禁女性为例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：摘要明确研究观察数据下的因果均值比，并使用加权、g 公式和双重稳健因果估计。
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…
关注这篇论文的作者
观察数据中暴露对计数结果的效应：以被监禁女性为例
- 研究问题
- 使用观察数据时，如何估计监禁等一次性暴露对计数结果的因果均值比，并处理过度离散、零膨胀与记录中的数值堆积？
- 方法与思路
- 作者比较基于处理逆概率加权、参数化 g 公式及双重稳健估计的因果均值比方法，并开展模拟及女性跨机构 HIV 研究数据应用。
- 材料陈述的贡献
- 摘要称这些估计方法可处理计数结果的过度离散、零膨胀和数值堆积，并通过模拟与监禁后性伴侣数、吸烟数量的应用进行比较。
- 阅读关注点
- 应核对观察数据识别所需的混杂控制与重叠条件、各结果模型如何处理数值堆积，以及双重稳健性针对哪些模型错误成立。
- 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；摘要未说明识别假设、模型细节、效应估计值或各方法的比较结果。
原文摘要
Causal inference methods can be applied to estimate the effect of a point exposure or treatment on an outcome of interest using data from observational studies. For example, in the Women's Interagency HIV Study, it is of interest to understand the effects of incarceration on the number of sexual partners and the number of cigarettes smoked after incarceration. In settings like this where the outcome is a count, the estimand is often the causal mean ratio, i.e., the ratio of the counterfactual mean count under exposure to the counterfactual mean count under no exposure. This paper considers estimators of the causal mean ratio based on inverse probability of treatment weights, the parametric g-formula, and doubly robust estimation, each of which can account for overdispersion, zero-inflation, and heaping in the measured outcome. Methods are compared in simulations and are applied to data from the Women's Interagency HIV Study.