G-formula for causal inference via multiple imputation
通过多重插补实现因果推断中的 G 公式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：摘要明确以存在时变混杂的纵向数据为对象，利用 G 公式估计处理或暴露的因果效应。
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
通过多重插补实现因果推断中的 G 公式
- 研究问题
- 面对纵向数据中的时变混杂和缺失值，能否利用已有多重插补方法实现 G 公式的处理效应估计及不确定性评估？
- 方法与思路
- 作者将 G 公式计算转化为合成数据的多重插补，使用修正的 Rubin 方差估计，并以模拟和囊性纤维化应用考察表现。
- 材料陈述的贡献
- 摘要称，该实现可在多重插补流程中同时容纳纵向数据缺失，并说明如何借助现有插补软件完成 G 公式估计与推断。
- 阅读关注点
- 应核对因果识别与缺失机制的假设、合成数据插补步骤、修正方差公式，以及与常规蒙特卡洛和自助法实现的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审状态未经核实。摘要未说明识别和缺失机制条件，不能据此认定方法适用于任意缺失情形。
原文摘要
G-formula is a popular approach for estimating treatment or exposure effects from longitudinal data that are subject to time-varying confounding. G-formula estimation is typically performed by Monte-Carlo simulation, with non-parametric bootstrapping used for inference. We show that G-formula can be implemented by exploiting existing methods for multiple imputation (MI) for synthetic data. This involves using an existing modified version of Rubin's variance estimator. In practice missing data is ubiquitous in longitudinal datasets. We show that such missing data can be readily accommodated as part of the MI procedure when using G-formula, and describe how MI software can be used to implement the approach. We explore its performance using a simulation study and an application from cystic fibrosis.