Statistical modeling of causal effects in continuous time
连续时间因果效应的统计建模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：摘要明确研究时变治疗、时变混杂及连续时间结构嵌套模型中的因果效应。
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
连续时间因果效应的统计建模
- 研究问题
- 当治疗随患者时变特征反复调整，而这些特征也受既往治疗影响时，如何估计治疗对事件时间或连续结局的因果效应？
- 方法与思路
- 作者为连续时间结构嵌套模型提供概念框架和形式化表述，以处理时变混杂，并讨论估计与治疗无效应检验。
- 材料陈述的贡献
- 摘要称所得估计量一致且渐近正态，并可在不指定治疗效应模型的情况下检验治疗是否影响结局，同时给出示例。
- 阅读关注点
- 应核对因果识别假设、连续时间治疗与结局过程的设定，以及估计方程和无效应检验各自依赖哪些模型。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；识别条件、观测机制和模型要求未说明，不能将不指定效应模型理解为无需其他假设。
原文摘要
This article studies the estimation of the causal effect of a time-varying treatment on time-to-an-event or on some other continuously distributed outcome. The paper applies to the situation where treatment is repeatedly adapted to time-dependent patient characteristics. The treatment effect cannot be estimated by simply conditioning on these time-dependent patient characteristics, as they may themselves be indications of the treatment effect. This time-dependent confounding is common in observational studies. Robins [(1992) Biometrika 79 321–334, (1998b) Encyclopedia of Biostatistics 6 4372–4389] has proposed the so-called structural nested models to estimate treatment effects in the presence of time-dependent confounding. In this article we provide a conceptual framework and formalization for structural nested models in continuous time. We show that the resulting estimators are consistent and asymptotically normal. Moreover, as conjectured in Robins [(1998b) Encyclopedia of Biostatistics 6 4372–4389], a test for whether treatment affects the outcome of interest can be performed without specifying a model for treatment effect. We illustrate the ideas in this article with an example.