跳到正文
← 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：摘要明确区分混杂、因果效应与关联度量性质，并讨论吸烟效应的年龄混杂。

causal
反馈分类问题

正在核对关联版本…

DOI · 预印本使用 arXiv 编号

arXiv

作者的期刊发表依据

暂未核实关联作者的本站覆盖期刊正式发表记录。仍保留在“全部预印本”；资料缺失不代表没有发表经历。

arXiv：2506.23927 · v1

首次提交：2025-06-30 · 最近修订：2025-06-30

原站分类：stat.AP / math.ST

收录依据：统计方法、统计理论或金融计量分类，且题名或摘要含计量研究主题

下载 BibTeX下载 RIS

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
Eben Kenah

AI 解读 · 基于可核验材料

Rothman 图：关联度量修饰与可折叠性的几何解释

研究问题
如何用几何图形区分关联度量修饰、可折叠性与混杂，并解释为什么分层关联差异和能否合并并不必然反映混杂？
方法与思路
作者将未暴露与暴露组疾病风险绘于单位方形，用关联度量的等值线分析分层差异，并通过标准化定义可折叠性。
材料陈述的贡献
摘要称可折叠性等价于度量的全部等值线为直线，并用吸烟与死亡率资料说明关联度量修饰、可折叠性和混杂的逻辑区别。
阅读关注点
应核对标准化下可折叠性的精确定义、等值线判据所适用的度量及边界情形，以及实例中年龄混杂与分层差异如何分别判断。
阅读边界
这是 arXiv 预印本，同行评审与接收未核实；摘要未给出几何等价结论的完整条件，图示关联本身也不能独立确立因果效应。

GPT-6.1 Sol · 高 · 2026-10-03

原文摘要

Here, we outline how Rothman diagrams provide a geometric perspective that can help epidemiologists understand the relationships between effect measure modification (which we call association measure modification), collapsibility, and confounding. A Rothman diagram plots the risk of disease in the unexposed on the x-axis and the risk in the exposed on the y-axis. Crude and stratum-specific risks in the two exposure groups define points in the unit square. When there is modification of a measure of association $M$ by a covariate $C$, the stratum-specific values of $M$ differ across strata defined by $C$, so the stratum-specific points are on different contour lines of $M$. We show how collapsibility can be defined in terms of standardization instead of no confounding, and we show that a measure of association is collapsible if and only if all its contour lines are straight. We illustrate these ideas using data from a study in Newcastle, United Kingdom, where the causal effect of smoking on 20-year mortality was confounded by age. From this perspective, it is clear that association measure modification and collapsibility are logically independent of confounding. This distinction can be obscured when these concepts are taught using regression models.

摘要来源：arXiv

笔记与分组