A Novel Causal Mediation Analysis Approach for Zero-Inflated Mediators
针对零膨胀中介变量的新型因果中介分析方法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：摘要以因果中介效应及路径分解为核心，零膨胀是中介变量的结构特征，尚不足以另归为结局分布效应方向。
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…
针对零膨胀中介变量的新型因果中介分析方法
- 研究问题
- 当中介变量具有大量零值且包含真实零和虚假零时，如何分析因果路径，并区分数值变化与从零到非零变化的中介贡献？
- 方法与思路
- 作者建立针对零膨胀中介的模型，将总中介效应分为数值尺度变化和零到非零状态变化两部分，并开展模拟和真实研究比较。
- 材料陈述的贡献
- 摘要称，数值尺度部分包含两条因果路径，另一部分仅由零到非零的状态变化产生；模拟中该方法优于所比较的标准中介分析。
- 阅读关注点
- 核对真实零与虚假零的定义及可辨识性、效应分解对应的潜在结果，以及中介识别条件、模型设定和模拟比较情景。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审或接收未核实；摘要未交代完整识别条件和误差来源，不能推广模拟优势到所有零膨胀资料。
原文摘要
Mediation analyses play important roles in making causal inference in biomedical research to examine causal pathways that may be mediated by one or more intermediate variables (i.e., mediators). Although mediation frameworks have been well established such as counterfactual-outcomes (i.e., potential-outcomes) models and traditional linear mediation models, little effort has been devoted to dealing with mediators with zero-inflated structures due to challenges associated with excessive zeros. We develop a novel mediation modeling approach to address zero-inflated mediators containing true zeros and false zeros. The new approach can decompose the total mediation effect into two components induced by zero-inflated structures: the first component is attributable to the change in the mediator on its numerical scale which is a sum of two causal pathways and the second component is attributable only to its binary change from zero to a non-zero status. An extensive simulation study is conducted to assess the performance and it shows that the proposed approach outperforms existing standard causal mediation analysis approaches. We also showcase the application of the proposed approach to a real study in comparison with a standard causal mediation analysis approach.