Adjustment uncertainty in effect estimation
效应估计中的调整不确定性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：摘要直接研究混杂变量选择及其对暴露效应估计的影响，涉及因果推断中的调整问题。
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…
效应估计中的调整不确定性
- 研究问题
- 估计暴露与健康的关联时，混杂变量选择存在较大不确定性，如何将这种调整不确定性纳入暴露效应及其方差估计？
- 方法与思路
- 作者提出处理大量候选混杂变量的一般框架、具体实现和可视化工具，并与信息准则近似后验模型概率的贝叶斯模型平均比较。
- 材料陈述的贡献
- 摘要称理论与模拟支持效应及方差估计的一致性，并指出所比较的贝叶斯模型平均可能失效，另用细颗粒物与死亡时间序列作比较。
- 阅读关注点
- 应核对暴露效应的目标、候选调整集与混杂控制条件，以及一致性要求；应用部分需查明时间依赖如何进入估计和方差。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明因果识别条件，不能把暴露关联自动解释为因果效应，也不能泛化模型平均的失效结论。
原文摘要
Often there is substantial uncertainty in the selection of confounders when estimating the association between an exposure and health. We define this type of uncertainty as `adjustment uncertainty'. We propose a general statistical framework for handling adjustment uncertainty in exposure effect estimation for a large number of confounders, we describe a specific implementation, and we develop associated visualization tools. Theoretical results and simulation studies show that the proposed method provides consistent estimators of the exposure effect and its variance. We also show that, when the goal is to estimate an exposure effect accounting for adjustment uncertainty, Bayesian model averaging with posterior model probabilities approximated using information criteria can fail to estimate the exposure effect and can over- or underestimate its variance. We compare our approach to Bayesian model averaging using time series data on levels of fine particulate matter and mortality.