Inferring Comprehensive Cohort Causal Effects in the Presence of Unmeasured Confounding and Missing Outcomes
未测混杂与结局缺失下的综合队列因果效应推断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：摘要明确研究随机试验与观察数据结合时的因果效应、未测混杂和敏感性分析。
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…
未测混杂与结局缺失下的综合队列因果效应推断
- 研究问题
- 合并随机试验与平行观察研究时，如何估计综合队列因果效应，并评估观察组未测混杂及两组结局缺失的影响？
- 方法与思路
- 作者构建半参数敏感性分析框架，在随机缺失设定下推导含敏感性参数的有效影响函数，并提出一步偏差校正估计。
- 材料陈述的贡献
- 摘要称方法允许灵活建模，并建立估计量达到根号样本量一致性的条件；以膝痛用药研究和模拟展示其应用。
- 阅读关注点
- 应核对综合队列目标人群和效应定义、敏感性参数含义、随机缺失假设，以及一步估计所需的辅助模型收敛条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核验；摘要未说明敏感性参数范围及具体识别条件，应用效果也未量化。
原文摘要
This paper presents a methodological framework for estimating the comprehensive cohort causal effect (CCCE) in mixed-design clinical studies that combine randomized controlled trials (RCTs) and parallel observational study (OBS). Our approach is designed to evaluate robustness against unmeasured confounding in the OBS arm and to handle outcomes that are missing at random in either the RCT or OBS arm. By employing a semiparametric theory-based sensitivity analysis framework, we derive the efficient influence function for the CCCE, parameterized by sensitivity parameters. We propose a one-step bias-corrected estimator that allows for flexible modeling and establish conditions under which our CCCE estimator is $\sqrt{n}$-consistent. To illustrate our methods, we apply them to the TOIB study, which evaluates the efficacy and safety of oral versus topical ibuprofen in managing chronic knee pain among older adults. We also evaluate the performance of the proposed methodology in a realistic simulation study.