A Bayesian Nonparametric Method to Adjust for Unmeasured Confounding with Negative Controls
利用负向对照调整未测量混杂的贝叶斯非参数方法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：摘要明确使用负向对照调整未测量混杂并估计因果暴露—反应函数。
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…
利用负向对照调整未测量混杂的贝叶斯非参数方法
- 研究问题
- 观测研究存在未测量混杂时，如何利用辅助数据中的负向对照，估计可能具有非线性形状的因果暴露—反应函数？
- 方法与思路
- 作者以线性模型混合表示因果暴露—反应函数，结合负向对照信息和线性模型下的闭式结果，构建贝叶斯非参数估计方法。
- 材料陈述的贡献
- 摘要称，模拟中方法在相应假设下能恢复真实函数形状，并应用于美国老年人的细颗粒物暴露与心血管住院率，且提供开源实现。
- 阅读关注点
- 应核对负向对照的有效性条件、混合模型如何利用线性闭式结果，以及先验、计算方案和污染暴露应用中的混杂调整依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未说明具体识别假设和模拟数值，所述开源代码的内容也未经核验。
原文摘要
Unmeasured confounding bias threatens the validity of observational studies. While sensitivity analyses and study designs have been proposed to address this issue, they often overlook the growing availability of auxiliary data. Using negative controls from these data is a promising new approach to reduce unmeasured confounding bias. In this article, we develop a Bayesian nonparametric method to estimate a causal exposure-response function (CERF) leveraging information from negative controls to adjust for unmeasured confounding. We model the CERF as a mixture of linear models. This strategy captures the potential nonlinear shape of CERFs while maintaining computational efficiency, and it leverages closed-form results that hold under the linear model assumption. We assess the performance of our method through simulation studies. We found that the proposed method can recover the true shape of the CERF in the presence of unmeasured confounding under assumptions. To show the practical utility of our approach, we apply it to adjust for a possible unmeasured confounder when evaluating the relationship between long-term exposure to ambient $PM_{2.5}$ and cardiovascular hospitalization rates among the elderly in the continental US. We implement our estimation procedure in open-source software and have made the code publicly available to ensure reproducibility.