adjustedCurves: Estimating Confounder-Adjusted Survival Curves in R
adjustedCurves：在 R 中估计混杂调整后的生存曲线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：摘要围绕混杂调整的反事实生存分布，并明确提供生存分位数估计。
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
adjustedCurves：在 R 中估计混杂调整后的生存曲线
- 研究问题
- 观察研究中的处理组生存曲线受混杂影响时，如何统一估计和展示调整后的反事实生存曲线及相关效应概括？
- 方法与思路
- 作者介绍 adjustedCurves 软件包，将文献中的多种混杂调整方法及现有 R 包整合到一致接口，并增加相关估计功能。
- 材料陈述的贡献
- 摘要称，软件支持调整生存曲线、置信区间、限制平均生存时间与生存时间分位数，并通过公开乳腺癌研究数据演示。
- 阅读关注点
- 应核对各实现方法对应的目标人群、混杂与删失处理假设，以及置信区间、限制均值和分位数估计的支持范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未逐项说明方法条件，统一软件接口不能保证所有估计均有因果解释。
原文摘要
Kaplan-Meier curves stratified by treatment allocation are the most popular way to depict causal effects in studies with right-censored time-to-event endpoints. If the treatment is randomly assigned and the sample size of the study is adequate, this method produces unbiased estimates of the population-averaged counterfactual survival curves. However, in observational studies, this is no longer the case. Instead, specific methods that allow adjustment for confounding must be used. We present the \texttt{adjustedCurves} \textbf{R} package, which can be used to estimate and plot these confounder-adjusted survival curves using a variety of methods from the literature. It provides a convenient wrapper around existing \textbf{R} packages on the topic and adds additional methods and functionality on top of it, uniting the sometimes vastly different methods under one consistent framework. Among the additional features are the estimation of confidence intervals, confounder-adjusted restricted mean survival times and confounder-adjusted survival time quantiles. After giving a brief overview of the implemented methods, we illustrate the package using publicly available data from an observational study including 2982 breast cancer.