误测暴露下因果效应的灵活高效估计：基于控制变量的方法测量误差

暴露变量的测量误差是因果推断中常见但常被忽视的挑战。现有方法在考虑暴露变量测量误差时主要依赖严格的参数化假设，而新兴的数据自适应估计方法虽允许更宽松的假设，但由于通常针对刚性定义的统计量进行设计，灵活性受限。仍有迫切需要能够在各种研究设计下保持假设较少、灵活且具理论优势的估计方法。在本文中，我们引入了一个用于在暴露变量测量误差存在下估计因果量的一般框架，改自Yang和Ding (2019)的方法。该方法可在各种两阶段抽样研究设计中实现，其中一小部分完整研究样本获得金标准暴露测量值，称为验证数据。控制变量框架通过对验证数据的初始一致估计器进行增益，加入由完整数据形成的方差缩减项。我们证明该方法在标准因果假设下继承双鲁棒性。模拟研究表明，在各种两阶段抽样方案下，该方法均优于领先方法。我们以 Vanderbilt Comprehensive Care Clinic 的HIV结局观察性电子健康记录数据为例说明了该方法的实际应用。