Quadruply robust estimation of marginal structural models in observational studies subject to covariate-driven observations
协变量驱动观测下边际结构模型的四重稳健估计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：摘要明确研究观测数据中边际结构模型的因果效应估计与混杂调整。
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
协变量驱动观测下边际结构模型的四重稳健估计
- 研究问题
- 在电子健康记录等观测数据中，混杂与协变量驱动的不规则观测时间同时存在时，如何稳健估计边际结构模型的因果效应？
- 方法与思路
- 作者提出四重稳健估计量，以处理混杂和协变量驱动的观测过程，并通过理论分析、模拟及青少年健康数据应用进行评估。
- 材料陈述的贡献
- 摘要称新估计量一致，较所比较的双重加权方法更灵活且更有效率，并用于估计心理咨询对美国青少年饮酒的因果效应。
- 阅读关注点
- 应核对四重稳健对应哪些模型正确指定组合、观测过程如何建模，以及一致性和效率比较采用的条件与基准。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未说明四重稳健的确切含义、因果识别条件或效率增益的数值和适用范围。
原文摘要
Electronic health records and other sources of observational data are increasingly used for drawing causal inferences. The estimation of a causal effect using these data not meant for research purposes is subject to confounding and irregular covariate-driven observation times affecting the inference. A doubly-weighted estimator accounting for these features has previously been proposed that relies on the correct specification of two nuisance models used for the weights. In this work, we propose a novel consistent quadruply robust estimator and demonstrate analytically and in large simulation studies that it is more flexible and more efficient than its only proposed alternative. It is further applied to data from the Add Health study in the United States to estimate the causal effect of therapy counselling on alcohol consumption in American adolescents.