Estimation of Treatment Harm Rate via Partitioning
通过分区估计处理伤害率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：摘要研究随机实验中处理伤害率的部分识别、协变量辅助界及因果推断区间。
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
通过分区估计处理伤害率
- 研究问题
- 对于二元结局，即使随机实验通常也不能点识别处理伤害率，如何利用辅助协变量构造可估计的界与置信区间？
- 方法与思路
- 作者提出基于分区的处理伤害率界，利用随机实验协变量信息，构造区间估计及保守扩展的置信区间。
- 材料陈述的贡献
- 摘要称所提界无需额外不可检验或含糊模型假设即可一致估计，并提供蒙特卡洛评估、ACTG 175 应用及软件包。
- 阅读关注点
- 应核对伤害率和界的定义、分区如何选择、协变量如何收紧界，以及一致性和置信覆盖依赖的设计与样本条件。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核实；摘要未给出完整条件与界宽表现，构造界并不意味着伤害率获得点识别。
原文摘要
In causal inference with binary outcomes, there is a growing interest in estimation of treatment harm rate (THR), which is a measure of treatment risk and reveals treatment effect heterogeneity in a subpopulation. The THR is generally non-identifiable even for randomized controlled trials (RCTs), and existing works focus primarily on the estimation of the THR under either untestable identification or ambiguous model assumptions. We develop a class of partitioning-based bounds for the THR based on data from RCTs with two distinct features: Our proposed bounds effectively use available auxiliary covariates information and the bounds can be consistently estimated without relying on any untestable or ambiguous model assumptions. Finite sample performances of our proposed interval estimators along with a conservatively extended confidence interval for the THR are evaluated through Monte Carlo simulation studies. An application of the proposed methods to the ACTG 175 data is presented. A Python package named partbte for the partitioning-based algorithm has been developed and is available on https://github.com/w62liang/partition-te.