非终止事件时间的因果效应及其在抗生素使用与未来耐药性中的应用
统计方法学
2025-06-12 v1 应用统计
摘要
比较不同抗生素治疗导致的未来抗生素耐药性水平是困难的，因为一些患者可能仅在一种抗生素治疗下存活。我们将这个问题嵌入半竞争风险方法中，研究以非终止事件时间形式处理的耐药性感染的因果效应。我们论证了此类问题中现有的主分层估计量排除了因果效应定义良好且具有临床意义的患者。因此，我们提出了一种新的主分层——感染或存活者 (ios)。ios 是在两种抗生素治疗下都会存活或感染的子群体。这个子群体比先前定义的子群体更具包容性。我们以这些患者为目标，研究我们称为可行感染因果效应 (FICE) 的因果效应。我们在新的假设下推导了大样本界，并讨论了这些假设在我们应用中的合理性。作为替代方案，我们通过两个具有双变量脆弱随机变量的疾病-死亡模型推导了 FICE 的识别。这两个模型通过跨世界相关参数连接。估计通过期望最大化算法后进行 Monte Carlo 过程来完成。我们将方法应用于从医院环境获得的详细临床数据。
引用
@article{arxiv.2506.09624,
title = {Causal effects on non-terminal event time with application to antibiotic usage and future resistance},
author = {Tamir Zehavi and Uri Obolski and Michal Chowers and Daniel Nevo},
journal= {arXiv preprint arXiv:2506.09624},
year = {2025}
}