连续时间下干预特异性平均结局的靶向最小损失估计

本文研究将靶向最小损失估计（TMLE）框架推广至时变干预效应的估计，其中干预、协变量与结局均可在受试者特定的时间点、以任意精细的时间尺度发生。TMLE 是一种通用模板，用于在无限维模型中构造光滑低维参数的渐近线性替代估计量。现有的纵向 TMLE 方法针对在离散时间网格上进行观测的数据而发展。我们考虑一种连续时间计数过程模型，其中强度测度追踪受试者的监测情况，并聚焦于一个低维目标参数，定义为随访结束时干预特异性的平均结局。针对给定的统计估计问题构造 TMLE 算法时，我们推导了有效影响曲线的表达式，并将目标参数表示为强度与条件期望的泛函。模型中的高维干扰参数通过针对所涉及的强度与条件期望的分别定向步骤以迭代方式估计并更新。所得估计量求解有效影响曲线方程。我们陈述了一个一般有效性定理，并描述了一种用于干扰参数的高度自适应 lasso 估计量，使得我们能在对底层统计模型极小的条件下建立估计量的渐近线性与有效性。