Sensitivity analysis for transportability in multi-study, multi-outcome settings
多研究、多结局环境下因果效应可迁移性的敏感性分析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：摘要明确讨论因果效应的跨研究迁移、数据融合识别及其敏感性分析。
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…
多研究、多结局环境下因果效应可迁移性的敏感性分析
- 研究问题
- 当主要结局在部分研究中系统性缺失，而其他结局可作为代理信息时，如何评估跨研究迁移因果效应所依赖的识别假设？
- 方法与思路
- 作者回顾一项正在开展的研究中的代理结局识别结果及关键假设，再提出评估该识别方法对假设偏离敏感程度的方法。
- 材料陈述的贡献
- 摘要所述贡献是在多研究、多结局的数据融合环境中，为利用代理结局迁移因果效应的识别方法补充敏感性分析。
- 阅读关注点
- 应核对代理结局与主要结局的联系、关键识别假设及敏感性参数的含义，并确认所回顾的识别结果与本文新增方法的边界。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收。摘要未说明具体识别假设、敏感性公式、模拟或应用结果。
原文摘要
Existing work in data fusion has covered identification of causal estimands when integrating data from heterogeneous sources. These results typically require additional assumptions to make valid estimation and inference. However, there is little literature on transporting and generalizing causal effects in multiple-outcome setting, where the primary outcome is systematically missing on the study level but for which other outcome variables may serve as proxies. We review an identification result developed in ongoing work that utilizes information from these proxies to obtain more efficient estimators and the corresponding key identification assumption. We then introduce methods for assessing the sensitivity of this approach to the identification assumption.