Cox 比例风险模型中未测量混杂因素的非参数贝叶斯校正
统计方法学
2024-10-02 v4
摘要
在观察性研究中，未测量的混杂因素在准确估计所需的因果效应方面提出了关键挑战。为了计算生存时间结局的 Cox 比例风险模型中的风险比（HR），通常采用两阶段残差包含法和有限信息最大似然法。然而，已知这些方法在 HR 估计的潜在偏差和参数识别方面存在困难。本研究引入了一种新颖的非参数贝叶斯方法，旨在估计无偏的 HR，解决了以往研究方法所存在的问题。我们提出的方法包括两个阶段：1）基于暴露变量和结局变量的似然性检测聚类，以及 2）估计每个聚类内的风险比。尽管隐含地假设未测量的混杂因素通过聚类效应影响结局，但我们的算法非常适合此类数据结构。与一些竞争方法相比，所提出的贝叶斯估计量具有良好的性能。
引用
@article{arxiv.2312.02404,
title = {Nonparametric Bayesian Adjustment of Unmeasured Confounders in Cox Proportional Hazards Models},
author = {Shunichiro Orihara and Shonosuke Sugasawa and Tomohiro Ohigashi and Tomoyuki Nakagawa and Masataka Taguri},
journal= {arXiv preprint arXiv:2312.02404},
year = {2024}
}
备注
general Bayes, invalid instrumental variable, Mendelian randomization, UK Biobank, weak instrumental variable