Semiparametric inference in matched case-control studies with missing covariate data
协变量缺失的匹配病例对照研究中的半参数推断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。
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：摘要讨论医学匹配研究中的缺失数据推断，未提供因果识别或经济离散选择行为的明确依据。
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
协变量缺失的匹配病例对照研究中的半参数推断
- 研究问题
- 在采用条件逻辑回归的匹配病例对照研究中，如何利用协变量部分缺失者的结局和已观测信息，提高参数估计效率？
- 方法与思路
- 作者沿建模缺失概率的路线提出一类估计量，使所有参与者的结局及可用协变量进入估计，并通过模拟展示效率增益。
- 材料陈述的贡献
- 摘要称该估计量类中的一个成员始终比此前指定估计量更有效率；这一陈述的模型条件和比较范围需查阅全文。
- 阅读关注点
- 应核对匹配结构、缺失机制与缺失概率模型、可用信息如何进入估计，以及效率支配结论的条件和模拟设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；缺失机制和模型条件未说明，不能推断双重稳健性、因果解释或任意缺失情形下的优势。
原文摘要
We consider the problem of matched studies with a binary outcome that are analysed using conditional logistic regression, and for which data on some covariates are missing for some study participants. Methods for this problem involve either modelling the distribution of missing covariates or modelling the probability of data being missing. For this second approach, the previously proposed method did not make use of data for those persons with missing covariate data except in the model for the missingness. We propose a new class of estimators that use outcome and available covariate data for all study participants, and show that a particular member of this class always has better efficiency than the previously proposed estimator. We illustrate the efficiency gains that are possible with our approach using simulated data.