Estimating survival parameters under conditionally independent left truncation
条件独立左截断下的生存参数估计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：摘要核心是左截断下的生存参数估计，虽提及因果推断应用，但未直接研究处理效应或所列其他细分方向。
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
条件独立左截断下的生存参数估计
- 研究问题
- 当电子健康记录中的入组时间与生存时间仅在给定协变量后独立时，如何修正左截断选择偏差并估计条件及边际生存参数？
- 方法与思路
- 作者研究条件独立假设下截断数据的条件参数估计，并借助包含未截断混杂变量信息的参考数据识别和估计边际参数。
- 材料陈述的贡献
- 摘要称，该较弱独立性设定允许估计相关生存参数；模拟展示无偏估计和有效推断，并以临床基因组数据库说明应用。
- 阅读关注点
- 应核对条件独立涉及的协变量、参考数据与目标人群的关系，以及删失、入组支持集和边际化过程如何处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未经核验；摘要未列明完整条件，其与观察性因果方法互补不等于已识别处理效应。
原文摘要
Databases derived from electronic health records (EHRs) are commonly subject to left truncation, a type of selection bias induced due to patients needing to survive long enough to satisfy certain entry criteria. Standard methods to adjust for left truncation bias rely on an assumption of marginal independence between entry and survival times, which may not always be satisfied in practice. In this work, we examine how a weaker assumption of conditional independence can result in unbiased estimation of common statistical parameters. In particular, we show the estimability of conditional parameters in a truncated dataset, and of marginal parameters that leverage reference data containing non-truncated data on confounders. The latter is complementary to observational causal inference methodology applied to real world external comparators, which is a common use case for real world databases. We implement our proposed methods in simulation studies, demonstrating unbiased estimation and valid statistical inference. We also illustrate estimation of a survival distribution under conditionally independent left truncation in a real world clinico-genomic database.