Marginal Structural Models to Estimate the Joint Causal Effect of Nonrandomized Treatments
用边际结构模型估计非随机处理的联合因果效应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。
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：摘要明确研究时变混杂下的联合因果效应、边际结构模型与逆处理概率加权。
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…
用边际结构模型估计非随机处理的联合因果效应
- 研究问题
- 当时变风险因素既影响后续处理，又受既往处理影响时，如何估计多种非随机处理对生存的联合因果效应并处理这种反馈？
- 方法与思路
- 作者采用逆处理概率加权估计边际结构模型，并在 HIV 阳性男性观察性队列中拟合边际结构 Cox 模型，分析两种治疗。
- 材料陈述的贡献
- 摘要称，该方法可在无未测混杂及模型正确等条件下获得一致因果估计，并报告 AZT 与肺炎预防治疗的风险比及置信区间。
- 阅读关注点
- 应核对混杂变量的测量、处理概率模型与权重构造、处理可获得性和模型函数形式，以及联合效应如何由风险比参数表达。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；一致性依赖混杂控制与模型设定，摘要未说明权重诊断等细节，不能将风险比解释为风险差。
原文摘要
Even in the absence of unmeasured confounding factors or model misspecification, standard methods for estimating the causal effect of time-varying treatments on survival are biased when (a) there exists a time-dependent risk factor for survival that also predicts subsequent treatment, and (b) past treatment history predicts subsequent risk factor level. In contrast, methods based on marginal structural models (MSMs) can provide consistent estimates of causal effects when unmeasured confounding and model misspecification are absent. MSMs are a new class of causal models whose parameters are estimated using a new class of estimators—inverse-probability-of-treatment weighted estimators. We use a marginal structural Cox proportional hazards model to estimate the joint effect of zidovudine (AZT) and prophylaxis therapy for Pneumocystis carinii pneumonia on the survival of HIV-positive men in the Multicenter AIDS Cohort Study, an observational study of homosexual men. We obtained an estimated causal mortality rate (hazard) ratio of .67 (conservative 95% confidence interval .46-.98) for AZT and of 1.14 (.79, 1.64) for prophylaxis therapy. These estimates will be consistent for the true causal rate ratios when the functional forms chosen for our models are correct and data have been obtained on all time-independent and time-dependent covariates that predict both subsequent treatment and mortality.