基于 MPHIA 个体数据集的因果结构学习
统计方法学
2022-02-15 v1 应用统计
摘要
基于人群的爱滋病影响评估（PHIA）是一个持续进行的项目，开展具有全国代表性的聚焦 HIV 的抽样调查，以衡量国家和地区在实现 UNAIDS 90-90-90 目标（终结 HIV 流行的主要策略）方面的进展。我们认为 PHIA 调查提供了一个独特机会，以更好地理解撒哈拉以南非洲最受影响的国家的 HIV 流行驱动关键因素。在本文中，我们提出一种新颖的因果结构学习算法，以发现 90-90-90 目标的重要协变量和潜在因果路径。现有的基于约束的因果结构学习算法在边移除上相当激进。所提算法保留了关于重要特征和潜在因果路径的更多信息。它应用于马拉维 PHIA（MPHIA）数据集并得出了有趣结果。例如，它发现年龄和安全套使用对女性 HIV 知晓很重要；性伴侣数量对男性 HIV 知晓很重要；并且知晓前往 HIV 治疗机构的出行时间对女性和男性均带来更高的接受治疗机会。我们进一步使用 BIC 和蒙特卡洛模拟对所提算法进行比较和验证，并表明所提算法在重要特征发现上的真阳性率优于现有算法。
引用
@article{arxiv.2202.06462,
title = {Causal Structural Learning on MPHIA Individual Dataset},
author = {Le Bao and Changcheng Li and Runze Li and Songshan Yang},
journal= {arXiv preprint arXiv:2202.06462},
year = {2022}
}