Time Partitioning in Target Trial Emulation
目标试验模拟中的时间划分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：摘要围绕目标试验模拟、时变混杂、不死时间偏倚与因果结构展开，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…
关注这篇论文的作者
目标试验模拟中的时间划分
- 研究问题
- 目标试验模拟如何选择时间划分，才能处理时变混杂与不死时间偏倚，并避免划分过细增加维度或过粗妨碍因果效应估计？
- 方法与思路
- 作者在结构因果模型中形式化两个临床情境，分析不同时间划分产生的因果结构，并通过模拟检查克隆、删失与加权方法。
- 材料陈述的贡献
- 摘要称时间划分应由临床机制主动确定，并指出治疗在研究区间内影响结局时，克隆、删失与加权方法可能失效。
- 阅读关注点
- 应核对区间内治疗与结局的时间顺序、时变混杂的表示，以及加权方法失效的具体条件和时间划分建议的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出完整识别条件、模拟设定或通用时间尺度选择规则。
原文摘要
In target trial emulation, time partitioning enables researchers to handle time-varying confounders and immortal time bias with appropriate methods. Based on two clinical scenarios, this study aimed to explore issues related to time partitioning and to provide guidance for trial emulation. After formalizing the research question within the framework of structural causal models, we show how a given time partitioning may be too fine or too coarse depending on the clinical context. When the partitioning is too fine, the dimensionality of the model is unnecessarily high. When the partitioning is too coarse, the resulting causal structure may hinder effect estimation. We also show that cloning-censoring-weighting may not be valid when treatment influences outcome within study periods, and we confirm this through simulations. In conclusion, we provide practical guidance for actively specifying an appropriate time partitioning in trial emulation, rather than using the available data resolution as a default.