估计多种间歇性治疗的因果效应及其在 COVID-19 中的应用
统计方法学
2023-08-08 v4 应用统计
摘要
为了获取关于多种时变治疗对患者生存比较有效性的真实世界证据，我们开发了联合边际结构生存模型和一种新颖的加权策略，以处理时变混杂和删失。我们的方法将具有多次开始/停止切换的复杂纵向治疗表述为具有不连续治疗资格区间的复发事件。我们在连续时间内推导权重，以处理复杂的纵向数据集，而无需离散化或人为对齐测量时间。我们进一步使用为具有时变协变量的删失生存数据设计的机器学习模型以及基线强度的核函数估计量，来高效估计连续时间权重。我们的仿真表明，与需要对齐测量时间点的传统方法相比，所提出的方法在分析具有不规则时间间隔的观测纵向生存数据时提供了更好的偏差减小和名义覆盖概率。我们将所提出的方法应用于大规模 COVID-19 数据集，以估计几种 COVID-19 治疗对院内死亡和 ICU 入院复合终点的因果效应。
引用
@article{arxiv.2109.13368,
title = {Estimating the causal effects of multiple intermittent treatments with application to COVID-19},
author = {Liangyuan Hu and Jiayi Ji and Himanshu Joshi and Erick Scott and Fan Li},
journal= {arXiv preprint arXiv:2109.13368},
year = {2023}
}
备注
79 pages