One-step targeted maximum likelihood estimation for targeting cause-specific absolute risks and survival curves
针对原因特异绝对风险与生存曲线的一步目标最大似然估计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。
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：摘要直接针对可能存在基线混杂的处理效应及因果生存参数。
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
针对原因特异绝对风险与生存曲线的一步目标最大似然估计
- 研究问题
- 在右删失的生存与竞争风险数据中，如何对基线处理影响的多个绝对风险，以及完整生存或绝对风险曲线开展推断？
- 方法与思路
- 作者采用一步目标最大似然估计，为各原因特异风险率构造一维通用最不利子模型，并沿相应多元子模型递归实现。
- 材料陈述的贡献
- 摘要称，方法支持多个竞争风险处理效应的同时推断，以及跨时间完整生存曲线或绝对风险曲线的推断，并展示实际用途。
- 阅读关注点
- 应核对基线处理与删失的识别条件、同时推断的时间和参数范围、递归实现，以及时变处理扩展是否给出完整理论。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体识别与收敛条件；时变处理和时变混杂仅被提及可扩展，不能据此认定全部结果已建立。
原文摘要
Summary This paper considers the one-step targeted maximum likelihood estimation methodology for multi-dimensional causal parameters in general survival and competing risk settings where event times take place on the positive real line and are subject to right censoring. We focus on effects of baseline treatment decisions possibly confounded by pretreatment covariates, but remark that our work generalizes to settings with time-varying treatment regimes and time-dependent confounding. We point out two overall contributions of our work. First, our methods can be used to obtain simultaneous inference for treatment effects on multiple absolute risks in competing risk settings. Second, our methods can be used to achieve inference for the full survival curve, or a full absolute risk curve, across time. The one-step targeted maximum likelihood procedure is based on a one-dimensional universal least favourable submodel for each cause-specific hazard that we implement in recursive steps along a corresponding nonuniversal multivariate least favourable submodel. Our empirical study demonstrates the practical use of the methods.