基于序列双鲁棒估计的带时变协变量的条件生存概率

常有兴趣研究协变量与右删失时间事件结果的累积发病率之间的关联。当协变量在固定离散时间尺度上测量时，考虑这些更及时的协变量以处理 censoring 具有意义。例如，在疫苗试验中，人们关心免疫反应水平如何影响终点事件的累积发病率，同时考虑由多个接种后访问处的免疫反应水平解释的丢失跟踪。在疫苗试验中，人们关心免疫反应水平如何影响终点事件的累积发病率，同时考虑由多个接种后访问处的免疫反应水平解释的丢失跟踪。现有方法依赖严格的参数假设，不处理在时间连续时由时变协变量引起的 informative censoring，仅估计边际生存概率，或未充分利用后处理协变量在离散时间上的结构。我们提出了一个非参数估计器，用于在固定离散时间尺度上测量的时变协变量导致的censoring下的连续时间生存概率条件于协变量。我们证明该估计器是序列双鲁棒的：只要在相邻访问之间每个时间窗口内的censoring分布被一致估计，或时间到事件分布和条件均值概率同时被一致估计，该估计器就一致。我们还表明，在估计边际生存概率的特殊情况下，我们的估计器是渐近有效的。我们在模拟实验中展示了该估计器的优越性能，并将该方法应用于新冠肺炎疫苗有效性试验。