Resampling-based confidence intervals and bands for the average treatment effect in observational studies with competing risks
竞争风险观察研究中平均处理效应的重抽样置信区间与置信带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：摘要明确研究观察性数据中经混杂调整的平均处理效应及因果风险差，并构造相应置信区间和置信带。
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
竞争风险观察研究中平均处理效应的重抽样置信区间与置信带
- 研究问题
- 在存在竞争风险的观察性生存研究中，如何为G公式估计的因果风险差构造有效点态置信区间和时间同时置信带？
- 方法与思路
- 作者比较经典非参数bootstrap、结合重抽样的影响函数方法及鞅bootstrap，用模拟和霍奇金病长期生存数据展示。
- 材料陈述的贡献
- 摘要称，中等样本量且目标事件数据充分时通常宜优先考虑wild bootstrap，并以模拟比较三类方法的准确性。
- 阅读关注点
- 应核对混杂和删失假设、竞争风险下风险差的定义，以及各重抽样方法的覆盖率、置信带构造和事件数量条件。
- 阅读边界
- 这是arXiv预印本，同行评审或期刊接收未获核验；摘要未提供样本量和事件数阈值，方法偏好不能无条件推广。
原文摘要
The g-formula can be used to estimate the treatment effect while accounting for confounding bias in observational studies. With regard to time-to-event endpoints, possibly subject to competing risks, the construction of valid pointwise confidence intervals and time-simultaneous confidence bands for the causal risk difference is complicated, however. A convenient solution is to approximate the asymptotic distribution of the corresponding stochastic process by means of resampling approaches. In this paper, we consider three different resampling methods, namely the classical nonparametric bootstrap, the influence function equipped with a resampling approach as well as a martingale-based bootstrap version. We set up a simulation study to compare the accuracy of the different techniques, which reveals that the wild bootstrap should in general be preferred if the sample size is moderate and sufficient data on the event of interest have been accrued. For illustration, the three resampling methods are applied to data on the long-term survival in patients with early-stage Hodgkin's disease.