Semiparametric transformation models for causal inference in time to event studies with all-or-nothing compliance.
Semiparametric transformation models for causal inference in time to event studies with all-or-nothing compliance.
复制标题
DOI：
10.1111/rssb.12072
复制
发表时间：
2015-03-01
期刊：
影响因子：
--
通讯作者：
Ying Z
中科院分区：
文献类型：
--
作者：
Yu W;Chen K;Sobel ME;Ying Z
我们考虑了随机生存研究中的因果关系推断，具有正确的删失结果和全或无依从性，使用半参数转换模型估计治疗组和对照组的生存时间分布，条件是协变量和潜在依从性类型。估计取决于这些分布，例如，编译器的平均因果效应（CACE），编译器的生存超过时间t的影响，和编译器的分位数的影响。最大似然估计的转换模型的参数，使用一个专门设计的期望最大化（EM）算法，以克服由混合结构的问题和无穷维的转换模型中的参数所产生的计算困难。估计是一致的，渐近正态的，半参数有效的。因果参数的推理程序的开发。进行了模拟研究，以评估估计的因果参数的有限样本性能。我们还将我们的方法应用于大纽约健康保险计划进行的一项随机研究，以评估筛查导致的乳腺癌死亡率降低。
We consider causal inference in randomized survival studies with right censored outcomes and all-or-nothing compliance, using semiparametric transformation models to estimate the distribution of survival times in treatment and control groups, conditional on covariates and latent compliance type. Estimands depending on these distributions, for example, the complier average causal effect (CACE), the complier effect on survival beyond time t, and the complier quantile effect are then considered. Maximum likelihood is used to estimate the parameters of the transformation models, using a specially designed expectation-maximization (EM) algorithm to overcome the computational difficulties created by the mixture structure of the problem and the infinite dimensional parameter in the transformation models. The estimators are shown to be consistent, asymptotically normal, and semiparametrically efficient. Inferential procedures for the causal parameters are developed. A simulation study is conducted to evaluate the finite sample performance of the estimated causal parameters. We also apply our methodology to a randomized study conducted by the Health Insurance Plan of Greater New York to assess the reduction in breast cancer mortality due to screening.
登录
查看更多内容
影响因子：
2.7
作者：
Cheng, Jing;Small, Dylan S.;Ten Have, Thomas R.
通讯作者：
Ten Have, Thomas R.
影响因子：
3.7
作者：
Angrist, JD;Imbens, GW;Rubin, DB
通讯作者：
Rubin, DB
DOI：
10.1093/biostatistics/1.1.69
发表时间：
2000-03-01
期刊：
Biostatistics (Oxford, England)
影响因子：
--
作者：
Hirano, K;Imbens, G W;Zhou, X H
通讯作者：
Zhou, X H
影响因子：
0.9
作者：
BLOOM, HS
通讯作者：
BLOOM, HS
影响因子：
1.9
作者：
Baker SG
通讯作者：
Baker SG