面向所有人的因果推断：死亡截断结局的边际估计量
统计方法学
2026-06-30 v1 统计理论
摘要
在纵向研究中，感兴趣的结局常常因死亡而截断，这意味着它们仅在诸如生存等并发事件条件下被观测到或得到良好定义。现有策略面临权衡：具有因果可解释性的估计量，如幸存者平均因果效应，针对的是潜在亚组；而存活期间和复合汇总适用于全人群，但难以解释为对非死亡结局的因果效应。我们通过引入一套新的估计量方法来解决这些挑战，这些估计量 (i) 关注整个人群，(ii) 保持因果可解释性，并且 (iii) 利用在结局因死亡而截断的研究中通常可获得的纵向数据。这套估计量包括将条件可分离效应推广到全人群汇总的单世界边际可分离效应。我们为这些估计量建立了识别和估计结果，并在前列腺癌试验的再分析中应用了该方法，强调了不同的估计量如何可能产生不同的治疗结论。
引用
@article{arxiv.2607.00222,
title = {Causal Inference for All: Marginal Estimands for Outcomes Truncated by Death},
author = {Ruixuan Zhao and Mats Stensrud and Linbo Wang},
journal= {arXiv preprint arXiv:2607.00222},
year = {2026}
}