Benchmarking Observational Studies with Experimental Data under Right-Censoring
右删失下利用实验数据检验观察性研究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：摘要直接研究观察性研究与随机试验的因果效应比较及有效性假设检验。
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…
右删失下利用实验数据检验观察性研究
- 研究问题
- 当观察性研究与随机试验均报告右删失的事件时间结果时，如何通过两者的效应比较检验观察性研究的有效性假设？
- 方法与思路
- 作者区分独立删失与两类研究中相同的依赖删失机制，利用删失双重稳健信号构建条件平均处理效应的等价性检验。
- 材料陈述的贡献
- 摘要称依赖删失下即使无法无偏估计条件平均效应，仍可使用该检验，并通过半合成实验及妇女健康倡议数据展示方法。
- 阅读关注点
- 应核对两类删失机制的形式、跨研究可比性条件、等价性界值，以及无法无偏估计效应时检验究竟针对什么对象。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或接收。检验通过不能证明有效性假设成立，具体条件与检验能力摘要未说明。
原文摘要
Drawing causal inferences from observational studies (OS) requires unverifiable validity assumptions; however, one can falsify those assumptions by benchmarking the OS with experimental data from a randomized controlled trial (RCT). A major limitation of existing procedures is not accounting for censoring, despite the abundance of RCTs and OSes that report right-censored time-to-event outcomes. We consider two cases where censoring time (1) is independent of time-to-event and (2) depends on time-to-event the same way in OS and RCT. For the former, we adopt a censoring-doubly-robust signal for the conditional average treatment effect (CATE) to facilitate an equivalence test of CATEs in OS and RCT, which serves as a proxy for testing if the validity assumptions hold. For the latter, we show that the same test can still be used even though unbiased CATE estimation may not be possible. We verify the effectiveness of our censoring-aware tests via semi-synthetic experiments and analyze RCT and OS data from the Women's Health Initiative study.