Propensity weighting plus adjustment in proportional hazards model is not doubly robust
比例风险模型中的倾向加权加回归调整不具一般双重稳健性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：摘要研究生存结局的因果效应估计、倾向加权及双重稳健性的适用边界。
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
比例风险模型中的倾向加权加回归调整不具一般双重稳健性
- 研究问题
- 将倾向得分加权与比例风险回归结合，能否在倾向模型或结果模型任一正确时，一致估计暴露的因果风险比？
- 方法与思路
- 作者用 Cox、Weibull 及灵活参数比例风险模型进行模拟，证明特定删失机制下零效应的一致性，并提出生存结局替代估计量。
- 材料陈述的贡献
- 摘要称上述组合一般不具双重稳健性；零因果效应下存在受限的一致性结果，并提供针对生存差及生存曲线的双重稳健方法。
- 阅读关注点
- 核对风险比与生存差的目标定义、零效应证明依赖的删失机制，以及替代方法对混杂变量和删失模型的要求。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未列明特定删失条件，不能把零效应结果推广至一般因果效应。
原文摘要
Recently, it has become common for applied works to combine commonly used survival analysis modeling methods, such as the multivariable Cox model and propensity score weighting, with the intention of forming a doubly robust estimator of an exposure effect hazard ratio that is unbiased in large samples when either the Cox model or the propensity score model is correctly specified. This combination does not, in general, produce a doubly robust estimator, even after regression standardization, when there is truly a causal effect. We demonstrate via simulation this lack of double robustness for the semiparametric Cox model, the Weibull proportional hazards model, and a simple proportional hazards flexible parametric model, with both the latter models fit via maximum likelihood. We provide a novel proof that the combination of propensity score weighting and a proportional hazards survival model, fit either via full or partial likelihood, is consistent under the null of no causal effect of the exposure on the outcome under particular censoring mechanisms if either the propensity score or the outcome model is correctly specified and contains all confounders. Given our results suggesting that double robustness only exists under the null, we outline two simple alternative estimators that are doubly robust for the survival difference at a given time point (in the above sense), provided the censoring mechanism can be correctly modeled, and one doubly robust method of estimation for the full survival curve. We provide R code to use these estimators for estimation and inference in the supporting information.