假设性治疗加速：从观测数据估计肾移植的因果效应
统计方法学
2022-07-19 v1
摘要
终末期肾病患者在接受移植前往往要等待数年，其间健康状况不断恶化。如果我们能够缩短这些等待时间，生存率将如何变化？为回答该问题，我们提出了一个连续时间边际结构模型(MSM)，用于改变治疗前时间的假设性情景。在这些情景中，治疗过程定义在一个假设时间尺度上，该尺度上时间流逝速率与实际观测时间不同。改变治疗过程的时间对应于改变联合概率分布，从而可利用已有方法从观测数据中识别并估计假设性参数。我们利用挪威一组老年肾衰竭患者的观测数据展示了这一治疗加速MSM。该模型对希望评估在特定患者群体中缩短器官移植等待时间影响的卫生主管部门可能具有实用价值。
引用
@article{arxiv.2207.07893,
title = {Hypothetical Treatment Accelerations: Estimating Causal Effects of Kidney Transplants from Observational Data},
author = {Haris Fawad and Pål Ryalen and Vasiliki Tsarpali and Kristian Heldal and Kjetil Røysland},
journal= {arXiv preprint arXiv:2207.07893},
year = {2022}
}