跳到正文
← 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:摘要直接研究死亡截断结局下因果估计目标的定义、识别与估计。

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
Ruixuan Zhao
Mats Stensrud
Linbo Wang

面向全体人群的因果推断:死亡截断结局的边际估计目标

研究问题
当非死亡结局仅在存活等事件发生后有定义时,如何构造覆盖全体人群且具有因果解释的目标,避免只针对潜在存活子群?
方法与思路
作者利用纵向信息定义一组新的边际估计目标,其中包括将条件可分离效应推广到全人群的单世界边际可分离效应。
材料陈述的贡献
摘要称给出这些目标的识别与估计结果,并通过前列腺癌试验再分析展示:不同估计目标可能导向不同治疗结论。
阅读关注点
应核对死亡后结局如何进入目标定义、可分离效应的干预解释,以及识别条件和纵向信息需求如何支撑全人群因果解释。
阅读边界
这是 arXiv 预印本,同行评审及接收未核实;摘要未提供估计目标公式及识别假设,不能据此判断其在具体研究中的可识别性。

原文摘要

In longitudinal studies, outcomes of interest are often truncated by death, meaning that they are only observed or well-defined conditional on intercurrent events such as survival. Existing strategies face a trade-off: causally interpretable estimands, such as survivor average causal effects, target a latent subgroup, whereas while-alive and composite summaries apply to the full population but are difficult to interpret as causal effects on the non-mortality outcome. We address these challenges by introducing methodology for a new set of estimands that (i) concern the entire population, (ii) remain causally interpretable, and (iii) leverage the longitudinal data commonly available in studies with outcomes truncated by death. The set of estimands includes single-world marginal separable effects that generalize conditional separable effects to full-population summaries. We develop identification and estimation results for these estimands and apply the methodology in a reanalysis of a prostate cancer trial, highlighting how different estimands can yield different treatment conclusions.

笔记与分组
相关领域论文