聚类人群中传染病干预效应的因果识别
统计方法学
2021-05-11 v1 应用统计
摘要
在互联人群中识别传染病结局的处理效应具有挑战性，因为感染结局可能传染给他人，且给予个体的处理可能影响他人的结局。 contagion（结局的可传染性）使标准的治疗干扰概念复杂化，即给予个体的干预可影响他人结局。已有若干统计框架被提出以衡量此设定下的因果处理效应，包括结构传播模型、基于中介的伴侣模型以及随机试验设计。然而，现有的传染病干预效应估计量在概念上用途有限：某些是结构模型中的参数，其因果解释不清；其他是仅在受限双人设定中定义的因果效应；还有一些是在随机试验背景下自然产生的非参数估计量，但可能未衡量任何生物学上有意义的效应。在本文中，我们描述了一种统一的形式化方法，用于定义非参数结构因果估计量，并给出在观察到感染时间时，从交互个体聚类中了解传染病干预效应的识别策略。这些估计量推广了现有量，并为随机与观察性研究中的因果识别提供了框架，包括仅观察到二元感染结局的情形。我们使用半参数类成对 Cox 型传播风险模型以促进有限样本中的统计推断。一项综合模拟研究在多种随机与观察性疫苗试验设计下比较了现有与所提估计量。
引用
@article{arxiv.2105.03493,
title = {Causal identification of infectious disease intervention effects in a clustered population},
author = {Xiaoxuan Cai and Eben Kenah and Forrest W. Crawford},
journal= {arXiv preprint arXiv:2105.03493},
year = {2021}
}