A Liberating Framework from Truncation and Censoring, with Application to Learning Treatment Effects
摆脱截断与删失限制的学习框架及其处理效应应用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：摘要明确研究混杂、截断和删失下的平均及条件平均处理效应，并采用正交与双重稳健学习，直接对应因果推断。
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…
关注这篇论文的作者
摆脱截断与删失限制的学习框架及其处理效应应用
- 研究问题
- 作者研究生存结局同时受到左截断、右删失和混杂影响时，如何利用协变量放宽独立性要求，并保留处理效应学习的稳健性质。
- 方法与思路
- 作者结合协变量信息与正交学习，构建将无截断、无删失场景性质迁移到生存数据的框架，并用于平均和条件平均处理效应。
- 材料陈述的贡献
- 摘要称，ATE 估计具有模型与速率双重稳健性，CATE 的正交及双重稳健学习器可达预言收敛率，并提供模拟与饮酒研究应用。
- 阅读关注点
- 应核对放宽后仍需满足的独立性与支持条件、三类偏差的干扰参数、模型和速率双重稳健定义，以及预言速率的具体要求。
- 阅读边界
- 依据 arXiv 预印本摘要，同行评审或期刊接收未核实；摘要未列出完整识别和收敛条件，不能认为截断、删失及混杂已无条件解决。
原文摘要
Time-to-event outcomes are often subject to left truncation and right censoring. While many survival analysis methods have been developed to handle truncation and censoring, majority of the past works require strong independence assumptions. We relax these stringent assumptions through leveraging covariate information together with orthogonal learning, and develop a liberating framework from left truncation and right censoring so that desirable properties like double robustness can be immediately transferred from settings without truncation or censoring. To illustrate its generality and ease to use, the framework is applied to estimation of the average treatment effect (ATE) and the conditional average treatment effect (CATE). For the ATE, we establish both model and rate double robustness under confounding, truncation and censoring; for the CATE, we show that the orthogonal and the doubly robust learners under these three sources of bias can achieve oracle rate of convergence. We study the estimators both theoretically and through extensive simulation, and apply them to analyzing the effect of mid-life heavy drinking on late life cognitive impairment free survival, using data from the Honolulu Asia Aging Study.