On causal inference with marked point process data
标记点过程数据的因果推断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：摘要明确研究动态治疗方案、潜在结果、因果识别条件及边际 g 公式。
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…
标记点过程数据的因果推断
- 研究问题
- 当治疗与结局由连续时间标记点过程描述时，如何定义动态治疗方案和潜在结果，并建立可识别治疗效应的条件与公式？
- 方法与思路
- 作者利用鞅理论表达点过程版本的一致性、可交换性与正值性条件，随后推导边际 g 公式，并与离散时间及生存分析结果比较。
- 材料陈述的贡献
- 摘要提出适用于标记点过程的因果定义和识别条件，连接连续时间事件史分析与离散时间因果推断，并刻画边际 g 公式。
- 阅读关注点
- 核对干预如何改变点过程、鞅条件的精确形式，以及新 g 公式与已有结果不同或重合时所要求的特殊条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核验；摘要未展示完整识别条件和公式，也未提供具体估计程序或有限样本结果。
原文摘要
We define dynamic treatment regimes and associated potential outcomes for data described by marked point processes (MPPs). These definitions motivate MPP analogues of the commonly used consistency, exchangeability, and positivity conditions that are sufficient for identifying effects in MPP data structures. The conditions are formulated based on martingale theory, which allows us to derive explicit identifying assumptions for data described by stochastic processes. The definitions and conditions align with well-established discrete-time results in important special cases. Thus, this work bridges the large literatures on survival (event history) analysis with counting processes in continuous time and causal inference with variables in discrete-time. After formulating a set of identification conditions, we derive and characterize marginal g-formulas. The g-formulas are generally different from those studied in related works, though they coincide in important special cases. We relate our findings to previous work on causal inference with (counting) processes, the classical survival literature, and the discrete-time causal inference literature.