Separable Effects for Causal Inference in the Presence of Competing Events
存在竞争事件时用于因果推断的可分离效应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。
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：摘要明确提出竞争事件下的因果效应定义，并讨论直接、间接效应及处理分解的识别要求。
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…
存在竞争事件时用于因果推断的可分离效应
- 研究问题
- 在存在死亡等竞争事件的事件时间研究中，如何定义处理对目标事件的直接与间接因果效应，并使其具有可识别意义？
- 方法与思路
- 作者将处理分解为经不同因果路径起作用的两个成分，定义可分离直接与间接效应，并以雌激素随机试验说明。
- 材料陈述的贡献
- 摘要称这些效应无需跨世界对比或假设性预防死亡干预，但识别依赖处理能够分解为沿不同路径作用的成分。
- 阅读关注点
- 应核对处理成分的实质含义、不同路径限制如何表述，以及随机试验数据识别这些效应还需要哪些具体条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读；摘要仅概述处理分解要求，未列完整识别条件或结果，不能认为随机化已足够。
原文摘要
In time-to-event settings, the presence of competing events complicates the definition of causal effects. Here we propose the new separable effects to study the causal effect of a treatment on an event of interest. The separable direct effect is the treatment effect on the event of interest not mediated by its effect on the competing event. The separable indirect effect is the treatment effect on the event of interest only through its effect on the competing event. Similar to Robins and Richardson’s extended graphical approach for mediation analysis, the separable effects can only be identified under the assumption that the treatment can be decomposed into two distinct components that exert their effects through distinct causal pathways. Unlike existing definitions of causal effects in the presence of competing events, our estimands do not require cross-world contrasts or hypothetical interventions to prevent death. As an illustration, we apply our approach to a randomized clinical trial on estrogen therapy in individuals with prostate cancer. Supplementary materials for this article are available online.