本文提出了一種控制變量方法來解決因果推論中暴露測量誤差的問題,該方法利用驗證數據和主要數據來提高估計效率並確保雙重穩健性。
本文探討如何在觀察性研究中準確估計風險比,並介紹多種估計方法,比較其在不同數據生成過程下的表現,以及探討其漸近性質和構建置信區間的方法。
본 논문에서는 무작위 대조군 시험(RCT)의 gold standard 역할을 인정하면서도, 관찰 연구에서 위험 비율(RR)을 추정하는 새로운 방법을 제시하고, 이러한 추정치의 특성을 분석하고, 기존 방법과 비교합니다.
観察研究においてリスク比を正確に推定するため、従来のRCT向け推定量の問題点を指摘し、傾向スコアやアウトカムモデリングを用いた新たな推定量を提案する。それぞれの統計的性質を明らかにし、シミュレーションを通じて有効性を検証することで、観察研究におけるリスク比推定の新たな枠組みを提示する。
This research paper introduces and analyzes various estimators for the Risk Ratio (RR) in both Randomized Controlled Trials (RCTs) and observational studies, highlighting the strengths and weaknesses of each approach, particularly in the context of confounding variables.
在觀察性數據中估計治療效果時,針對目標人群、估計量偏差和變異數之間的權衡,選擇最佳因果效應估計量至關重要。
관찰 데이터에서 인과 효과를 추정할 때, 처리군과 대조군의 공변량 분포의 균형을 맞추는 것이 중요하지만, 두 그룹 간의 겹침이 제한적인 경우에는 균형을 이루기 어려울 수 있습니다. 본 논문에서는 표적 모집단과 추정량의 통계적 성능을 기반으로 estimand를 특성화하는 프레임워크를 제시하고, 통계적 편향과 estimand 불일치(즉, 관심 모집단에서 벗어나는 정도)로 인한 편향을 모두 고려하여 두 가지 편향과 결과 추정량의 분산 사이의 균형을 맞추는 데 도움이 되는 설계 기반 estimand 선택 절차를 제안합니다.
本稿では、観察データを用いた因果推論において、バイアス、バリアンス、ターゲット集団のトレードオフを考慮した、最適な推定量選択のための統一フレームワークを提案する。
This paper proposes a new framework for selecting causal estimands in observational studies, particularly when facing limited overlap between treatment and control groups, aiming to balance statistical performance with preserving the intended target population.
본 연구는 공간 하이퍼그래프 모델을 사용하여 전염병 확산에서 고차 구조(hyperedge 크기)가 전염병 확산에 미치는 영향을 분석하고, 특히 큰 하이퍼에지 환경에서 전염병 확산 양상이 크게 달라지는 것을 관찰했습니다.