The role of the geometric mean in case-control studies
几何平均在病例对照研究中的作用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：摘要聚焦依结局抽样、优势比聚合与一般推断，未明确建立因果设计、选择模型或其他所列细分方向。
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
几何平均在病例对照研究中的作用
- 研究问题
- 在依结局抽样的病例对照资料中，如何汇总条件优势比，并处理常见效应指标不可识别和优势比不可折叠的问题？
- 方法与思路
- 作者将聚合方式纳入可折叠性的定义，研究优势比的几何聚合，并以有效影响函数构造部分识别、估计与推断方法。
- 材料陈述的贡献
- 摘要称，优势比在几何聚合下具有可折叠性，几何优势比可在依结局抽样下部分识别，估计量具有类似双重稳健的性质。
- 阅读关注点
- 应核对几何优势比的目标总体与权重、可折叠性定义、部分识别界，以及类似双重稳健性质所需的模型条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出识别界和稳健条件，也未说明这些关联指标的因果解释。
原文摘要
Historically used in settings where the outcome is rare or data collection is expensive, outcome-dependent sampling is relevant to many modern settings where data is readily available for a biased sample of the target population, such as public administrative data. Under outcome-dependent sampling, common effect measures such as the average risk difference and the average risk ratio are not identified, but the conditional odds ratio is. Aggregation of the conditional odds ratio is challenging since summary measures are generally not identified. Furthermore, the marginal odds ratio can be larger (or smaller) than all conditional odds ratios. This so-called non-collapsibility of the odds ratio is avoidable if we use an alternative aggregation to the standard arithmetic mean. We provide a new definition of collapsibility that makes this choice of aggregation method explicit, and we demonstrate that the odds ratio is collapsible under geometric aggregation. We describe how to partially identify, estimate, and do inference on the geometric odds ratio under outcome-dependent sampling. Our proposed estimator is based on the efficient influence function and therefore has doubly robust-style properties.