.png){kind=icon}
返回
Effects Among the Affected
.png){kind=icon}
PRE
AI
DOI：10.1002/sim.70353.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种新的因果估计量，用于阐明先前治疗（如治疗启动）的反应如何改变后续治疗（如治疗中断）的效果，从而学习在（未）受影响人群中是否存在影响。具体而言，我们考虑一个工作边际结构模型，总结后续治疗的平均效应如何作为先前治疗（估计的）条件平均效应的函数而变化。我们将该估计量定义为数据适应性的因果参数，允许在不做强平滑假设的情况下，使用机器学习来估计条件平均处理效应。我们展示了如何使用序贯随机化设计来识别该因果估计量，并描述了针对由此产生的统计估计量的目标最大似然估计器，以及基于影响曲线的推断方法。我们进行了模拟研究，评估了该估计器在各种有限样本场景下的性能。在整个研究中，我们使用“预防并治疗HIV护理中断的适应性策略试验”（NCT02338739）作为说明性示例，表明在那些最初从中受益增加的人群中，有条件现金转移支付的中断危害最大。
Keyword:
conditional average treatment effect
data-adaptive parameter
marginal structural model
sequential multiple assignment randomized trial
targeted maximum likelihood estimation
期刊
S
IF:
1.8
论文数:
316
被引数:
3.4W
机构
引用论文
Are workplace health promotion programs effective at improving presenteeism in workers? a systematic review and best evidence synthesis of the literature.png)
BMC PUBLIC HEALTH
OAAI
BMC PUBLIC HEALTHIF3.6
OAAI分享收藏分享收藏分享收藏
查看更多内容