Incorporating nonparametric methods for estimating causal excursion effects in mobile health with zero-inflated count outcomes
移动健康零膨胀计数结果的因果偏离效应：非参数估计方法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：摘要以微随机试验中的因果偏离效应及其协变量调节为明确研究对象。
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…
移动健康零膨胀计数结果的因果偏离效应：非参数估计方法
- 研究问题
- 在移动健康微随机试验中，如何估计干预对零膨胀计数近端结果的因果偏离效应，并分析该效应是否受协变量调节？
- 方法与思路
- 作者针对零膨胀计数结果重新讨论因果偏离效应，提出结合非参数技术的估计方法，并进行渐近分析、模拟和试验数据应用。
- 材料陈述的贡献
- 摘要称，研究将主要针对连续或二元结果的既有分析扩展至零膨胀计数结果，并为新估计量建立双向渐近结果。
- 阅读关注点
- 应核对因果偏离效应的定义与参考处理机制、零膨胀的处理方式，以及双向渐近中的两个维度和非参数估计所需条件。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及接收状态未核实；摘要未说明双向渐近的具体含义、估计公式或 Drink Less 试验效应数值。
原文摘要
In mobile health, tailoring interventions for real-time delivery is of paramount importance. Micro-randomized trials have emerged as the "gold-standard" methodology for developing such interventions. Analyzing data from these trials provides insights into the efficacy of interventions and the potential moderation by specific covariates. The "causal excursion effect", a novel class of causal estimand, addresses these inquiries. Yet, existing research mainly focuses on continuous or binary data, leaving count data largely unexplored. The current work is motivated by the Drink Less micro-randomized trial from the UK, which focuses on a zero-inflated proximal outcome, i.e., the number of screen views in the subsequent hour following the intervention decision point. To be specific, we revisit the concept of causal excursion effect, specifically for zero-inflated count outcomes, and introduce novel estimation approaches that incorporate nonparametric techniques. Bidirectional asymptotics are established for the proposed estimators. Simulation studies are conducted to evaluate the performance of the proposed methods. As an illustration, we also implement these methods to the Drink Less trial data.