依赖于观测治疗过程的干预治疗分布与因果生存分析中的模型双稳健性
统计方法学
2022-02-10 v2 应用统计
摘要
广义 g-公式可用于估计在持续治疗策略下的生存概率。当治疗策略是确定性的时，由所谓的有效影响函数（EIF）导出的 g-公式估计量将对模型误设定具有双稳健性。近年来，若干实际应用推动了在非确定性治疗策略下对 g-公式的估计，其中每个时间点的治疗分配依赖于观测到的治疗过程。在这种情况下，基于 EIF 的估计量可能具有也可能不具有双稳健性。在本文中，我们提供了充分条件以确保对于点治疗干预，依赖于观测治疗过程的干预治疗分布存在双稳健估计量，并给出一类依赖于观测治疗过程的干预治疗分布，其在纵向设定中保证模型的双稳健和多稳健估计量。受暴露前预防（PrEP）启动研究应用的启发，我们提出了一种依赖于观测治疗过程的新治疗干预。我们证明存在 1）对模型误设定具有双稳健和多稳健性的估计量，以及 2）当与机器学习算法一起使用时可为我们所提干预达到快速收敛速率的估计量。理论结果通过模拟研究得到证实。
引用
@article{arxiv.2112.00807,
title = {Intervention treatment distributions that depend on the observed treatment process and model double robustness in causal survival analysis},
author = {Lan Wen and Julia Marcus and Jessica Young},
journal= {arXiv preprint arXiv:2112.00807},
year = {2022}
}
备注
19 pages, 1 figure