Estimating populational-average hazard ratios in the presence of unmeasured confounding
存在未测量混杂时总体平均风险比的估计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：摘要围绕遗漏混杂下的处理效应、总体因果解释及工具变量估计展开，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…
存在未测量混杂时总体平均风险比的估计
- 研究问题
- 存在遗漏混杂因素时，如何估计具有总体层面因果解释的边际 Cox 风险比，并处理非二元处理及弱工具变量带来的困难？
- 方法与思路
- 作者研究一种边际 Cox 模型，构造允许非二元处理的估计得分，分析大样本一致性，并用蒙特卡洛模拟及血管登记数据演示。
- 材料陈述的贡献
- 摘要称，所研究估计得分具有大样本一致性；模拟中，相比竞争方法更能应对弱工具变量，但处理效应较大时偏差略高。
- 阅读关注点
- 核对总体因果风险比的定义、遗漏混杂下的识别与工具变量条件、删失处理方式，以及弱工具变量比较采用的具体设定。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明识别和删失条件，模拟中的相对稳健性不能外推至所有场景。
原文摘要
The Cox regression model and its associated hazard ratio (HR) are frequently used for summarizing the effect of treatments on time to event outcomes. However, the HR's interpretation strongly depends on the assumed underlying survival model. The challenge of interpreting the HR has been the focus of a number of recent works. Besides, several alternative measures have been proposed in order to deal with these concerns. The marginal Cox regression models include an identifiable hazard ratio without individual but populational causal interpretation. In this work, we study the properties of one particular marginal Cox regression model and consider its estimation in the presence of omitted confounder. We prove the large sample consistency of an estimation score which allows non-binary treatments. Our Monte Carlo simulations suggest that finite sample behavior of the procedure is adequate. The studied estimator is more robust than its competitors for weak instruments although it is slightly more biased for large effects of the treatment. The practical use of the presented techniques is illustrated through a real practical example using data from the vascular quality initiative registry. The used R code is provided as Supplementary Material.