.png){kind=icon}
返回
A causal inference framework for poststratification: a method for improving external validity in epidemiological studies
.png){kind=icon}
OA
AI
DOI：10.1186/s12874-026-02835-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
分层后处理，一种提高非概率样本代表性的方法，主要在调查方法学中发展。与此同时，流行病学中为从观测数据中推断因果关系而发展的g方法，如逆概率加权（IPW）和标准化方法。尽管在两个领域中使用了不同的术语，但这些方法具有相似的底层假设和估计策略。本文系统地阐述了分层后处理与g方法之间的正式联系，展示了每个领域如何相互借鉴。我们开发了一个方法论框架，展示了如何通过既定的因果推断原理来理解分层后处理。我们将分层后处理有效所需的三个核心假设正式映射到从观测数据中推断因果关系的可识别性条件上。我们展示了分层后处理的两种主要实施方法与逆概率加权和平行标准化相对应。为说明实际应用，我们将分层后处理应用于2001年韩国基因组流行病学研究（KoGES）中10,030名40-69岁韩国成人的数据，调整年龄和性别分布以估计人群吸烟流行率。正式映射表明，分层后处理和g方法共享类似的假设和估计策略。这种并行关系为辅助变量选择提供了原则性指导，澄清了分层后处理何时成功或失败，并使因果推断中建立的诊断工具能够应用于分层后处理问题。在KoGES示例中，分层后处理将粗略吸烟流行率从25.7%调整为26.5%，以考虑对年长参与者的过度抽样。通过因果推断的视角理解分层后处理，为从非概率样本中做出有效的人群水平推断提供了严谨的基础。该框架促进了跨学科学习，并使便利样本、队列研究和其他非概率抽样设计的结果解释更加原则化。未来的工作可以探索分层后处理方法如何与随机试验结果的一般化和可转移性文献相关联。
Keyword:
Causal inference
External validity
Epidemiology
Inverse probability weighting
Standardization
期刊
IF:
3.4
论文数:
3.9K
被引数:
2.8W
机构
引用论文
Data Resource Profile: The Korea National Health and Nutrition Examination Survey (KNHANES)数据资源简介: 韩国国家健康和营养检查调查 (KNHANES)
OAAI
OAAI分享收藏Entropy Balancing for Causal Effects: A Multivariate Reweighting Method to Produce Balanced Samples in Observational Studies因果效应的熵平衡: 在观察研究中产生平衡样本的多元重加权方法
PREAI
分享收藏Gender and tobacco epidemic in South Korea: implications from age-period-cohort analysis and the DPSEEA framework.png)
BMJ OpenOAAI
BMJ OpenIF0
OAAI分享收藏分享收藏THE HARDNESS OF CONDITIONAL INDEPENDENCE TESTING AND THE GENERALISED COVARIANCE MEASUREANNALS OF STATISTICSOAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏
查看更多内容