The impact of directly observed therapy on the efficacy of Tuberculosis treatment: A Bayesian multilevel approach
直接督导治疗对结核病疗效的影响：贝叶斯多层方法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：摘要直接研究存在混杂时的平均处理效应，使用倾向得分与协变量调整。
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…
直接督导治疗对结核病疗效的影响：贝叶斯多层方法
- 研究问题
- 论文研究在个体嵌套于城市、且混杂可能包含潜在空间效应时，如何估计直接督导治疗对结核病治疗成功的平均因果效应。
- 方法与思路
- 作者采用贝叶斯多层建模，结合倾向得分回归与协变量调整，并讨论在倾向得分模型中加入潜在地方层级随机效应。
- 材料陈述的贡献
- 摘要称，模拟提示在结果与倾向得分模型中同时考虑多层潜在结构，可能减少因果效应估计偏差；研究由巴西结核病数据驱动。
- 阅读关注点
- 应核对潜在地方效应如何连接治疗与结果、因果识别依赖哪些建模条件，以及先验、模型设定和模拟中的偏差比较。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未报告治疗效应数值，加入随机效应本身不能保证消除潜在混杂。
原文摘要
We propose and discuss a Bayesian procedure to estimate the average treatment effect (ATE) for multilevel observations in the presence of confounding. We focus on situations where the confounders may be latent (e.g., spatial latent effects). This work is motivated by an interest in determining the causal impact of directly observed therapy (DOT) on the successful treatment of Tuberculosis (TB); the available data correspond to individual-level information observed across different cities in a state in Brazil. We focus on propensity score regression and covariate adjustment to balance the treatment (DOT) allocation. We discuss the need to include latent local-level random effects in the propensity score model to reduce bias in the estimation of the ATE. A simulation study suggests that accounting for the multilevel nature of the data with latent structures in both the outcome and propensity score models has the potential to reduce bias in the estimation of causal effects.