基于历史受限边际结构模型的纵向研究因果推断
统计理论
2009-09-29 v1 统计方法学
统计理论
摘要
最近引入了一类新的边际结构模型 (MSMs)，即历史受限 MSMs (HRMSMs)，用于纵向数据，旨在定义可能更适合公共卫生研究或至少比 MSMs 更可行的因果参数。与 MSMs 默认基于研究开始到结果收集之间分配的治疗史来代表感兴趣的治疗因果效应不同，HRMSMs 允许研究者基于固定的、更短的且由用户指定的暴露史来分析治疗对结果的因果效应。本文阐述了 HRMSMs 背后的形式统计框架。除了允许更灵活的因果分析外，HRMSMs 还提高了计算可行性，并在设计纵向研究时缓解了统计功效方面的担忧。此外，我们在充分的模型假设下开发了三种 HRMSM 参数的一致估计量：逆治疗概率加权 (IPTW)、G 计算和双重稳健 (DR) 估计量。另外，我们表明，通常用于识别和一致估计 MSM 参数的假设（反事实存在性、一致性、时间顺序和序列随机化假设）也能导致 HRMSM 参数的识别和一致估计。
引用
@article{arxiv.0705.1270,
title = {Causal inference in longitudinal studies with history-restricted marginal structural models},
author = {Romain Neugebauer and Mark J. van der Laan and Marshall M. Joffe and Ira B. Tager},
journal= {arXiv preprint arXiv:0705.1270},
year = {2009}
}
评论
Published at http://dx.doi.org/10.1214/07-EJS050 in the Electronic Journal of Statistics (http://www.i-journals.org/ejs/) by the Institute of Mathematical Statistics (http://www.imstat.org)