Semiparametric principal stratification analysis beyond monotonicity
超越单调性假设的半参数主分层分析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：摘要围绕主分层处理效应的识别、敏感性分析及半参数估计展开。
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…
超越单调性假设的半参数主分层分析
- 研究问题
- 当中间事件影响最终结果的存在或解释时，如何在不强制单调性的情况下识别和估计主分层处理效应，并评估相关假设的敏感性？
- 方法与思路
- 作者采用不依赖边际分布的条件优势比敏感性参数，在主层可忽略性下推导识别公式，并提出条件双重稳健和去偏机器学习估计。
- 材料陈述的贡献
- 摘要称该框架提供非参数识别和有效估计方法；模拟提示错误施加单调性可能导致偏差，并以一项重症监护试验展示实际应用。
- 阅读关注点
- 核对主层可忽略性及敏感性参数的定义、不同参数值对应的主层构成，以及条件双重稳健成立的模型组合和机器学习收敛要求。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明敏感性参数如何取值，模拟中的近似有效推断也不能视为普遍保证。
原文摘要
Intercurrent events, common in clinical trials and observational studies, affect the existence or interpretation of final outcomes. Principal stratification addresses this challenge by defining local average treatment effect estimands within subpopulations, but often relies on restrictive assumptions such as monotonicity and counterfactual intermediate independence. To overcome these limitations, we propose a semiparametric framework for principal stratification analysis leveraging a margin-free, conditional odds ratio sensitivity parameter. Under principal ignorability, we derive nonparametric identification formulas and efficient estimation methods, including a conditionally doubly robust parametric estimator and a debiased machine learning estimator with data-adaptive nuisance learners. Our simulations show that incorrectly assuming monotonicity can frequently lead to biased inference, but incorrectly assuming non-monotonicity when monotonicity holds may maintain approximately valid inference. We demonstrate our methods in the context of a critical care trial, where monotonicity is unlikely to be valid.