Nonparametric Bayesian Adjustment of Unmeasured Confounders in Cox Proportional Hazards Models
Cox 比例风险模型中未测混杂的非参数贝叶斯调整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：摘要直接讨论观测研究中的因果效应及未测混杂调整。
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…
Cox 比例风险模型中未测混杂的非参数贝叶斯调整
- 研究问题
- 在存在未测混杂的观测性生存数据中，如何改善 Cox 比例风险模型风险比的估计，并应对既有方法的偏差与识别困难？
- 方法与思路
- 作者提出两阶段非参数贝叶斯方法，先依据暴露与结果的似然识别潜在簇，再在各簇内估计风险比以调整混杂。
- 材料陈述的贡献
- 摘要提出以聚类效应吸收未测混杂的估计方案，称其相对部分竞争方法表现良好，并以无偏风险比估计为目标。
- 阅读关注点
- 应核对未测混杂如何通过簇效应作用、簇数及先验设定、风险比的识别依据，以及比较研究是否覆盖机制误设。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或期刊接收；聚类机制是关键限制，摘要不足以确认一般未测混杂下无偏。
原文摘要
In observational studies, unmeasured confounders present a crucial challenge in accurately estimating desired causal effects. To calculate the hazard ratio (HR) in Cox proportional hazard models for time-to-event outcomes, two-stage residual inclusion and limited information maximum likelihood are typically employed. However, these methods are known to entail difficulty in terms of potential bias of HR estimates and parameter identification. This study introduces a novel nonparametric Bayesian method designed to estimate an unbiased HR, addressing concerns that previous research methods have had. Our proposed method consists of two phases: 1) detecting clusters based on the likelihood of the exposure and outcome variables, and 2) estimating the hazard ratio within each cluster. Although it is implicitly assumed that unmeasured confounders affect outcomes through cluster effects, our algorithm is well-suited for such data structures. The proposed Bayesian estimator has good performance compared with some competitors.