风险差的广义 Cornfield 条件
应用统计
2014-04-30 v1
摘要
在观察性研究的因果推断中，一个核心问题是结论对未测量混杂因素的敏感性。经典的 Cornfield 条件允许我们评估一个未测量的二元混杂因素是否能解释观测到的暴露对结果的相对风险。该条件指出，若要一个未测量的混杂因素解释观测到的相对风险，则该混杂因素与暴露之间的关联，以及该混杂因素与结果之间的关联，都必须大于观测到的相对风险。在本文中，我们从三个方向扩展了经典的 Cornfield 条件。首先，我们考虑了针对风险差的类似条件，并允许未测量的混杂因素为分类变量，而不仅仅是二元变量。其次，我们提供了上述关联的最大值必须满足的更严格阈值，而非仅仅要求两者都满足的较弱条件。第三，我们证明了之前关于 Cornfield 条件的所有结果在比先前使用的更弱假设下依然成立。我们通过实际案例说明了其潜在应用，在这些案例中，我们的新条件提供了比经典条件更多的信息。
引用
@article{arxiv.1404.7175,
title = {Generalized Cornfield conditions for the risk difference},
author = {Peng Ding and Tyler J. VanderWeele},
journal= {arXiv preprint arXiv:1404.7175},
year = {2014}
}