On protected estimation of an odds ratio model with missing binary exposure and confounders
二元暴露与混杂变量缺失下优势比模型的保护性估计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：摘要讨论缺失数据下的条件关联参数，未明确因果识别，二元变量本身也不足以归入离散选择。
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
二元暴露与混杂变量缺失下优势比模型的保护性估计
- 研究问题
- 二元暴露和部分高维混杂变量可能分别缺失时，如何估计暴露与二元结局的条件优势比，并提高对模型误设的保护？
- 方法与思路
- 作者讨论条件优势比参数的估计，并通过比较不同估计量保持一致的数据分布集合，分析一种近期完整案例估计量的保护性。
- 材料陈述的贡献
- 摘要称，该完整案例估计量的一致性分布集合严格包含各既有估计量对应的集合，因此在这一特定意义下具有更多误设保护。
- 阅读关注点
- 应核对缺失机制、完整案例选择和各辅助模型的条件，以及集合包含关系的证明；还需确认优势比是否具有因果解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；缺失机制和保护性条件未说明，所述一致性集合关系不代表效率或因果识别优势。
原文摘要
We describe an estimator of the parameter indexing a model for the conditional odds ratio between a binary exposure and a binary outcome given a high-dimensional vector of confounders, when the exposure and a subset of the confounders are missing, not necessarily simultaneously, in a subsample. We argue that a recently proposed estimator restricted to complete-cases confers more protection to model misspecification than existing ones in the sense that the set of data laws under which it is consistent strictly contains each set of data laws under which each of the previous estimators are consistent.