存在缺失数据时因果效应的可恢复性：一项纵向案例研究
统计方法学
2025-02-12 v3
摘要
多变量缺失数据是一个常见问题。我们研究了处理缺失数据的图模型框架在 CHAPAS-3 试验中一项针对接受基于依法韦仑方案治疗的 HIV 感染儿童复杂纵向药理学研究中的适用性。具体而言，我们考察了通过多个连续变量上的静态干预定义的感兴趣因果效应，是否能够仅从可用数据中恢复（一致估计）。目前，尚无通用算法来判定可恢复性，必须逐案进行决策。我们强调了可恢复性对图结构中即使是最微小变化的敏感性，并基于临床知识，提出了 CHAPAS-3 研究中三种合理的缺失有向无环图（m-DAG）的可恢复性结果。此外，我们提出了“封闭缺失机制”的概念，并证明在这些机制下，对于任何类型的统计和因果查询，可用案例分析均被允许进行一致估计，即使潜在的缺失机制属于非随机缺失（MNAR）类型。模拟和理论分析均表明，在我们假设的 MNAR 研究环境中，完整案例分析或可用案例分析可能优于多重插补，且估计结果因假设的缺失 DAG 不同而异。我们的分析展示了对复杂纵向真实世界数据应用缺失 DAG 的创新实践，同时强调了结果对假设因果模型的敏感性。
引用
@article{arxiv.2402.14562,
title = {Recoverability of Causal Effects under Presence of Missing Data: a Longitudinal Case Study},
author = {Anastasiia Holovchak and Helen McIlleron and Paolo Denti and Michael Schomaker},
journal= {arXiv preprint arXiv:2402.14562},
year = {2025}
}
备注
Updated after revision