Robust estimation of occupation probabilities for coarsened multistate processes
粗化观测多状态过程状态占据概率的稳健估计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。
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：摘要明确使用因果推断方法处理基线暴露与时变混杂，并以交换性条件识别状态占据概率，支持归入因果推断。
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…
粗化观测多状态过程状态占据概率的稳健估计
- 研究问题
- 多状态过程同时涉及右删失与基线暴露层面的粗化时，如何在允许时变混杂且不要求马尔可夫性质的条件下估计状态占据概率？
- 方法与思路
- 作者以随机粗化作为关键识别条件，结合因果推断与缺失数据技术，推导处理两层粗化的增广逆概率加权估计量。
- 材料陈述的贡献
- 摘要称所得估计量具有稳健性与效率性质，并通过理论结果和模拟展示；方法允许时变混杂，无需过程满足马尔可夫性质。
- 阅读关注点
- 应核对基线暴露层面粗化的具体定义、随机粗化条件的表达、辅助模型要求，以及稳健性和效率结论分别依赖哪些条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未明确稳健性的模型组合、效率界条件和模拟结果，适用范围仍需全文核实。
原文摘要
We derive augmented inverse probability weighted estimators for occupation probabilities of multistate models under two levels of coarsening; right-censoring and baseline exposure. The key exchangeability assumption for identification is coarsening at random, while allowing for time-varying confounders, but not requiring Markov properties. Using existing techniques from causal inference and missing data literature, the derived estimators have highly desirable robustness and efficiency properties. These properties are demonstrated through both theoretical results, and a simulation study.