Sensitivity analysis for contamination in egocentric-network randomized trials with interference
存在干扰的自我中心网络随机试验：污染敏感性分析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：摘要明确研究网络干扰、遗漏连边造成的污染，以及随机试验直接和间接因果效应。
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
存在干扰的自我中心网络随机试验：污染敏感性分析
- 研究问题
- 自我中心网络随机试验中，未观测的跨网络连边会如何污染直接与间接效应估计，如何评估结论对这种污染的敏感性？
- 方法与思路
- 作者在基于设计的框架下分析霍维茨—汤普森估计量偏差，以遗漏连边的概率或期望数量构造偏差校正与敏感性分析。
- 材料陈述的贡献
- 摘要称污染会使直接和间接效应估计有偏，并提出网格及概率偏差分析；艾滋病预防试验应用提示两类效应可能反向偏移。
- 阅读关注点
- 应核对直接与间接效应的定义、跨网络连边如何改变暴露状态，以及敏感性参数的可解释性和校正所需信息。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收；摘要未说明完整干扰结构，应用中的偏差方向不能视为普遍规律。
原文摘要
Egocentric-Network Randomized Trials (ENRTs) are increasingly used to estimate causal effects under interference when measuring complete sociocentric network data is infeasible. ENRTs rely on egocentric network sampling, where a set of egos is first sampled, and each ego recruits a subset of its neighbors as alters. Treatments are then randomized across egos. While the observed ego-networks are disjoint by design, the underlying population network may contain edges connecting them, leading to contamination. Under a design-based framework, we show that the Horvitz-Thompson estimators of direct and indirect effects are biased whenever contamination is present. To address this, we derive bias-corrected estimators and propose a novel sensitivity analysis framework based on sensitivity parameters representing the probability or expected number of missing edges. This framework is implemented via both grid sensitivity analysis and probabilistic bias analysis, providing researchers with a flexible tool to assess the robustness of the causal estimators to contamination. We apply our methodology to the HIV Prevention Trials Network 037 study, finding that ignoring contamination may lead to underestimation of indirect effects and overestimation of direct effects.