Multiply robust estimators in longitudinal studies with missing data under control-based imputation
基于对照组插补的纵向缺失数据多重稳健估计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：摘要研究纵向重复观测中的缺失数据，并以潜在结果框架识别和估计平均治疗效应。
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…
基于对照组插补的纵向缺失数据多重稳健估计
- 研究问题
- 在纵向研究中，若治疗组发生中间事件后按跳转至参照组情景处理，如何定义、识别并稳健估计平均治疗效应？
- 方法与思路
- 作者在 J2R 情景下提出潜在结果框架与多种识别公式，并据有效影响函数构造依赖多个辅助函数的多重稳健估计量。
- 材料陈述的贡献
- 摘要称，若若干辅助函数中的任意一对正确设定，或灵活建模达到所述收敛率条件，新估计量可具有平方根样本量一致性。
- 阅读关注点
- 应核对 J2R 的因果含义、缺失与中间事件假设、辅助函数的具体配对及收敛率条件，并检查影响函数与区间推断的推导。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出完整辅助函数和正则条件，稳健性仍以 J2R 假设为基础。
原文摘要
Longitudinal studies are often subject to missing data. The ICH E9(R1) addendum addresses the importance of defining a treatment effect estimand with the consideration of intercurrent events. Jump-to-reference (J2R) is one classically envisioned control-based scenario for the treatment effect evaluation using the hypothetical strategy, where the participants in the treatment group after intercurrent events are assumed to have the same disease progress as those with identical covariates in the control group. We establish new estimators to assess the average treatment effect based on a proposed potential outcomes framework under J2R. Various identification formulas are constructed under the assumptions addressed by J2R, motivating estimators that rely on different parts of the observed data distribution. Moreover, we obtain a novel estimator inspired by the efficient influence function, with multiple robustness in the sense that it achieves $n^{1/2}$-consistency if any pairs of multiple nuisance functions are correctly specified, or if the nuisance functions converge at a rate not slower than $n^{-1/4}$ when using flexible modeling approaches. The finite-sample performance of the proposed estimators is validated in simulation studies and an antidepressant clinical trial.