Privacy-Preserving Causal Meta-Mediation Analysis with Survival Outcomes
生存结局的隐私保护因果元中介分析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：摘要以自然间接效应、因果中介识别及相应估计为核心，直接支持因果推断分类，未涉及其他所列方向。
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
生存结局的隐私保护因果元中介分析
- 研究问题
- 多中心研究无法共享个体数据且结局存在右删失时，如何估计目标人群的自然间接效应，并刻画来源间异质性？
- 方法与思路
- 作者结合各站点的中介与结局机制进行联邦识别，构造一步估计和目标最大似然估计，并允许机器学习估计干扰函数。
- 材料陈述的贡献
- 摘要提出无需共享个体数据的因果中介框架，以及区分结局、中介和交互成分的异质性方差分解，并提供模拟与医疗应用。
- 阅读关注点
- 应核对自然间接效应、删失及跨来源整合的识别条件，站点实际交换的信息，以及机器学习误差对推断有效性的要求。
- 阅读边界
- 这是arXiv预印本，同行评审或接收未核实；摘要未说明具体识别假设或正式隐私保证，不能由联邦形式推断隐私强度。
原文摘要
Privacy and data-governance constraints often prevent pooling individual-level data across studies, limiting the use of conventional approaches for causal media- tion analysis in multicenter settings. We propose a federated causal meta-mediation framework for right-censored time-to-event outcomes that enables collaborative es- timation without sharing individual-level data. Our framework targets natural indirect effects in a prespecified population by combining information on mediator and outcome mechanisms across distributed data sources. A site-by-site identifi- cation strategy further allows heterogeneity across data sources to be character- ized, with a variance decomposition separating outcome-related, mediator-related, and interaction components. We develop federated one-step and targeted maxi- mum likelihood estimators that accommodate data-adaptive and machine-learning methods for nuisance-function estimation. The finite-sample performance of the proposed estimators is evaluated through numerical simulations. To illustrate the practical utility of the framework, we apply it on data from the French National Health Data System to evaluate the role of methotrexate coprescription in explain- ing the effect of TNFi versus IL-12/23 inhibitor therapy on treatment persistence among psoriatic patients.