Semiparametric Bayesian inference for causal mediation in cluster randomized trials
整群随机试验中因果中介效应的半参数贝叶斯推断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：摘要明确分析整群随机试验中的自然直接与间接效应，并讨论群层面中介及有限群数量下的因果推断。
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…
整群随机试验中因果中介效应的半参数贝叶斯推断
- 研究问题
- 整群随机试验的群数量较少且中介在群层面测量时，如何估计自然直接与间接效应，并可靠地量化不确定性？
- 方法与思路
- 作者结合结果和中介的参数贝叶斯模型，采用基于群间距离的相似性加权贝叶斯 bootstrap，从更相近的群借用信息。
- 材料陈述的贡献
- 摘要称，该框架结合观察数据模型与因果假设，在群数量有限时估计中介效应；模拟报告名义覆盖，并用于肯尼亚试验。
- 阅读关注点
- 应核对中介识别假设、群间距离与相似性权重的构造，以及参数模型误设和少群情形下覆盖率的具体模拟证据。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未列出因果假设、群数量及覆盖率数值，稳健性的边界尚不明确。
原文摘要
Cluster randomized trials (CRTs) are frequently used to evaluate interventions, yet conducting causal mediation analysis in these settings remains challenging, particularly when the mediator is measured at the cluster level and the number of clusters is small. Standard inference methods often rely on asymptotic assumptions that fail in finite-sample settings, leading to biased variance estimation and invalid confidence intervals. In this paper, we propose a robust inference framework for causal mediation analysis in CRTs. We utilize parametric Bayesian models for the outcome and mediator to ensure computational efficiency and interpretability. Crucially, to quantify uncertainty, we specify a novel similarity-weighted Bayesian bootstrap (SWBB) with a `distance' metric between clusters; this avoids the need for restrictive parametric assumptions and allows the model to borrow more information from `closer' clusters. By combining observed data models with causal assumptions, our approach accurately estimates natural direct and indirect effects even with limited clusters. Simulation studies demonstrate that our method achieves nominal coverage probability across diverse scenarios. We illustrate the practical utility of our approach by assessing mediation in a CRT in Kenya.