Exploring causal effects of hormone- and radio-treatments in an observational study of breast cancer using copula-based semi-competing risks models
以 Copula 半竞争风险模型研究乳腺癌激素治疗与放疗的因果效应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。
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：摘要明确将观察性治疗效应的因果推断和未测量因素敏感性分析作为目标，直接对应因果推断方向。
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…
以 Copula 半竞争风险模型研究乳腺癌激素治疗与放疗的因果效应
- 研究问题
- 死亡可能阻止观察术后复发时，如何在乳腺癌观察性研究中估计治疗对生存的因果效应，并考察未测量因素的影响？
- 方法与思路
- 作者提出基于 Copula 的频率学派半参数框架，处理右删失和半竞争风险，同时估计净生存量并开展未测量因素敏感性分析。
- 材料陈述的贡献
- 摘要称提出新的参数估计程序，在乳腺癌研究中发现治疗效应随时间变化，并通过数值评估展示较小偏差和可靠推断。
- 阅读关注点
- 应核对因果识别假设、Copula 依赖结构、净生存量的含义、右删失处理，以及敏感性参数如何连接未测量因素。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未说明识别条件、敏感性范围和具体效应大小。
原文摘要
Breast cancer patients may experience relapse or death after surgery during the follow-up period, leading to dependent censoring of relapse. This phenomenon, known as semi-competing risk, imposes challenges in analyzing treatment effects on breast cancer and necessitates advanced statistical tools for unbiased analysis. Despite progress in estimation and inference within semi-competing risks regression, its application to causal inference is still in its early stages. This article aims to propose a frequentist and semi-parametric framework based on copula models that can facilitate valid causal inference, net quantity estimation and interpretation, and sensitivity analysis for unmeasured factors under right-censored semi-competing risks data. We also propose novel procedures to enhance parameter estimation and its applicability in real practice. After that, we apply the proposed framework to a breast cancer study and detect the time-varying causal effects of hormone- and radio-treatments on patients' relapse-free survival and overall survival. Moreover, extensive numerical evaluations demonstrate the method's feasibility, highlighting minimal estimation bias and reliable statistical inference.