Propensity score weighted Cox regression for survival outcomes in observational studies with multiple or factorial treatments
多处理或析因处理观察研究中生存结果的倾向得分加权Cox回归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：摘要明确使用倾向得分加权识别多处理的因果边际风险比，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
多处理或析因处理观察研究中生存结果的倾向得分加权Cox回归
- 研究问题
- 在具有多个处理或双因素处理的观察研究中，如何利用倾向得分加权的边际 Cox 模型估计各处理相对共同参照的因果风险比？
- 方法与思路
- 作者结合多处理倾向得分与含处理指示变量的边际 Cox 模型，研究逆概率及重叠加权，并推导加权部分似然和稳健方差。
- 材料陈述的贡献
- 摘要称证明因果边际风险比估计的一致性，给出三明治方差，扩展至双因素处理，并提供抗肥胖药物应用及配套 R 包。
- 阅读关注点
- 应核对因果风险比的目标总体、两种权重对应的估计目标、比例风险和删失处理，以及多处理重叠性和方差估计条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未完整说明因果识别、删失及模型条件，也未报告药物比较的具体结果。
原文摘要
In observational studies with survival or time-to-event outcomes, a propensity score weighted marginal Cox proportional hazard model with the treatment variable as the only predictor is commonly used to estimate the causal marginal hazard ratio between two treatments. Observational studies often have more than two treatments, but corresponding analysis methods are limited. In this paper, we combine the propensity score weighting method for multiple treatments and a marginal Cox model with indicators for each treatment to estimate the causal hazard ratios between multiple treatments and a common reference treatment. We illustrate two weighting schemes: inverse probability of treatment weighting and overlap weighting. We prove the consistency of the maximum weighted partial likelihood estimator of the causal marginal hazard ratio and derive a robust sandwich variance estimator. As an important special case of multiple treatments, we elaborate the Cox model for two-way factorial treatments. We apply the method to evaluate the real-world comparative effectiveness of three types of anti-obesity medications on heart failure. We develop an associated R package 'PSsurvival'.