Estimation of the Time-Dependent Accelerated Failure Time Model in the Presence of Confounding Factors
存在混淆因素时的时变加速失效时间模型估计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。
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：摘要明确研究观测数据中的时变治疗因果效应，并处理时变混淆变量，因此归入因果推断。
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…
关注这篇论文的作者
存在混淆因素时的时变加速失效时间模型估计
- 研究问题
- 在具有时变混淆变量的观测数据中，何种条件下可用时变加速失效时间模型估计暴露或治疗对事件发生时间的因果效应？
- 方法与思路
- 作者以包含时变暴露的“强版本”加速失效时间模型为基础，给出用于因果估计的条件，并提出一类半参数检验和参数估计量。
- 材料陈述的贡献
- 摘要称，论文说明该模型用于观测数据因果效应估计的条件，并在所提检验与估计类别中包含一个半参数有效估计量。
- 阅读关注点
- 阅读全文时应核对时变治疗和混淆变量的时间顺序、因果解释所需的具体条件，以及有效估计量的构造和效率界所在的模型。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未列出因果识别条件或删失处理方式，不能据此认定任意观测数据均可识别治疗效应。
原文摘要
Cox & Oakes (1984, p. 66) introduced the ‘strong version’ of the accelerated failure time model with time-dependent exposures. We provide conditions under which this model could be used to estimate, from observational data, the causal effect of a time-varying exposure or treatment on time to an event of interest in the presence of time-dependent confounding variables. We propose a class of semiparametric tests and estimators for the model parameters. This class contains an estimator that is semiparametric efficient in the sense of Begun et al. (1983).