Choosing the Causal Estimand for Propensity Score Analysis of Observational Studies
观察性研究倾向得分分析中的因果目标量选择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：摘要直接讨论观察性研究中因果处理效应目标量及倾向得分匹配、加权方法的选择。
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
观察性研究倾向得分分析中的因果目标量选择
- 研究问题
- 在观察性研究中，如何根据目标人群选择并解释 ATT、ATU、ATE 或 ATO，使匹配与加权结果回答适当的因果问题？
- 方法与思路
- 作者梳理不同因果目标量对应的人群、解释、假设与估计方法，并讨论回归分析和工具变量分析所产生目标量的解释。
- 材料陈述的贡献
- 摘要明确提供因果目标量选择和解读的实践指导，帮助研究者实施观察性研究分析，也帮助读者理解结果及其适用边界。
- 阅读关注点
- 应核对各目标量的人群定义、倾向得分重叠要求，以及匹配、加权、回归和工具变量结果之间的解释差异。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未列出具体假设与选择规则，不能据此判断特定研究该用哪个目标量。
原文摘要
Matching and weighting methods for observational studies involve the choice of an estimand, the causal effect with reference to a specific target population. Commonly used estimands include the average treatment effect in the treated (ATT), the average treatment effect in the untreated (ATU), the average treatment effect in the population (ATE), and the average treatment effect in the overlap (i.e., equipoise population; ATO). Each estimand has its own assumptions, interpretation, and statistical methods that can be used to estimate it. This article provides guidance on selecting and interpreting an estimand to help medical researchers correctly implement statistical methods used to estimate causal effects in observational studies and to help audiences correctly interpret the results and limitations of these studies. The interpretations of the estimands resulting from regression and instrumental variable analyses are also discussed. Choosing an estimand carefully is essential for making valid inferences from the analysis of observational data and ensuring results are replicable and useful for practitioners.