Estimation of the Causal Effect of a Time-Varying Exposure on the Marginal Mean of a Repeated Binary Outcome
时变暴露对重复二元结局边际均值的因果效应估计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。
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：摘要明确研究时变暴露的因果效应、估计条件及g-computation方法，直接对应因果推断。
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…
时变暴露对重复二元结局边际均值的因果效应估计
- 研究问题
- 如何从纵向数据估计时变暴露或治疗对二元结局边际响应概率的因果效应，以及常用纵向分析方法何时能给出有效因果推断？
- 方法与思路
- 作者给出因果效应可估计的充分条件，使用g-computation算法估计，并分析GEE、反馈模型与个体内条件方法的适用条件。
- 材料陈述的贡献
- 摘要称论文明确了若干纵向方法有效检验和估计因果效应的条件，并以母亲压力与儿童患病数据比较所提方法和既有GEE分析。
- 阅读关注点
- 应核对充分条件的准确表述、时变暴露与结局的时间顺序，以及各方法适用条件的差别和应用中这些条件的可信程度。
- 阅读边界
- 仅据版本未注明的索引摘要；具体识别条件及应用估计结果未提供，不能补写假设或推断母亲压力效应的大小与方向。
原文摘要
We provide sufficient conditions for estimating from longitudinal data the causal effect of a time-dependent exposure or treatment on the marginal probability of response for a dichotomous outcome. We then show how one can estimate this effect under these conditions using the g-computation algorithm of Robins. We also derive the conditions under which some current approaches to the analysis of longitudinal data, such as the generalized estimating equations (GEE) approach of Zeger and Liang, the feedback model techniques of Liang and Zeger, and within-subject conditional methods, can provide valid tests and estimates of causal effects. We use our methods to estimate the causal effect of maternal stress on the marginal probability of a child's illness from the Mothers' Stress and Children's Morbidity data and compare our results with those previously obtained by Zeger and Liang using a GEE approach.