×
伊凡·迪亚斯；凯瑟琳·霍夫曼。；尼玛·S·赫贾齐。

使用纵向修正治疗策略进行竞争风险下的因果生存分析。 （英语） Zbl 07830844号

寿命数据分析。 30，第1期，213-236（2024）.
摘要：纵向修正治疗策略（LMTP）是最近发展起来的一种新方法，用于定义和估计依赖于治疗自然值的因果参数。LMTP代表了纵向研究因果推断的一个重要进展，因为它们允许在多个时间点测量多个类别、顺序或连续治疗的联合效应的非参数定义和估计。我们将LMTP方法扩展到这样的问题，即结果是一个时间-事件变量，受竞争事件的影响，而竞争事件排除了对感兴趣事件的观察。我们给出了识别结果和非参数局部有效估计量，这些估计量使用灵活的数据自适应回归技术来缓解模型的误指定偏差，同时保留了重要的渐近性质，如（sqrt{n}）-一致性。我们提出了一个应用程序，用于评估插管时间对新冠肺炎住院患者急性肾损伤的影响，其中其他原因导致的死亡被视为竞争事件。

MSC公司：

62Nxx号 生存分析和审查数据
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

修改的待遇政策；相互竞争的风险；目标最小损失估计；双机器学习

软件：

超级学习者；护林员；XGBoost公司；老鼠；cmprsk公司
PDF格式BibTeX公司 XML格式引用
\textit{I.Díaz}等人，《寿命数据分析》。30，编号1，213--236（2024；Zbl 07830844）
全文： 内政部 arXiv公司

参考文献：

[1] Andersen出版社。；Gill，RD，Cox的计数过程回归模型：大样本研究，Ann Stat，101100-1120（1982）·Zbl 0526.62026号
[2] Bang，H。；Robins，JM，缺失数据和因果推断模型中的双稳健估计，生物计量学，61962-973（2005）·Zbl 1087.62121号
[3] 巴维什，AA；Mylvaganam，RJ；阿加瓦尔，R。；RJ Avery；Cuttica，MJ，2019年冠状病毒病插管时机：呼吸机力学、成像、发现和结果的研究，Crit Care Explore，3（2021）
[4] Benkeser，D。；Carone，M。；Gilbert，PB，《罕见结果累积发生率的改进估计》，《统计医学》，37280-293（2018）
[5] PJ Bickel，《关于自适应估计》，Ann Stat，10647-671（1982）·兹伯利0489.62033
[6] PJ Bickel；加利福尼亚州克拉森；Ritov，Y。；Wellner，JA，半参数模型的有效和自适应估计（1997），柏林：Springer-Verlag，柏林
[7] Breiman，L.，叠加回归，马赫学习，24，49-64（1996）·Zbl 0849.68104号
[8] Breiman，L.，《随机森林》，《马赫学习》，45，5-32（2001）·Zbl 1007.68152号
[9] 巴克利，J。；James，I.，《截尾数据线性回归》，《生物统计学》，第66期，第429-436页（1979年）·Zbl 0425.62051号
[10] 凯恩，LE；罗宾斯，JM；拉诺伊，E。；洛根·R。；Costagliola，D。；Hernán，MA，何时开始治疗？使用观测数据比较动态状态的系统方法，国际生物统计杂志（2010）·doi:10.2202/1557-4679.1212
[11] Chen T，Guestrin C（2016）Xgboost:一种可扩展的树木增强系统。摘自：第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集。ACM公司
[12] 切尔诺朱科夫，V。；Chetverikov博士。；Demirer，M。；杜弗洛，E。；Hansen，C。；Newey，W.，《治疗效果的双/衰退/内曼机器学习》，《美国经济评论》，107，261-65（2017）
[13] 切尔诺朱科夫，V。；Chetverikov博士。；Demirer，M。；杜弗洛，E。；Hansen，C。；纽伊，W。；Robins，J.，《治疗和结构参数的双/脱苦机器学习》，《计量经济学》J，21，C1-C68（2018）·Zbl 07565928号
[14] Cox，DR，回归模型和生命表，J R Stat Soc:Ser B（Stat Methodol），34187-202（1972）
[15] 科伊尔，JR；Hejazi，NS；马莱尼察，I。；菲利普斯，RV；Sofrygin，O.，sl3：机器学习和超级学习的现代管道，R包版本，1，4，4（2022）
[16] 迪亚斯，I。；Hejazi，NS，随机干预的因果中介分析，J R Stat Soc:Ser B（Stat Methodol），82，661-683（2020）·Zbl 07554769号
[17] 迪亚斯，I。；赫贾齐，NS；鲁道夫，KE；van der Laan，MJ，《具有中间混杂因素的非参数有效因果调解》，《生物统计学》，108，627-641（2020）·Zbl 07459720号
[18] 迪亚斯，I。；van der Laan，MJ，基于超级学习者的条件密度估计及其在边际结构模型中的应用，国际生物统计杂志，7，1-20（2011）
[19] 迪亚斯，I。；van der Laan，MJ，基于随机干预的人口干预因果效应，生物统计学，68541-549（2012）·Zbl 1274.62846号
[20] Díaz I，van der Laan M J（2018）《随机治疗方案》。摘自：《数据科学中的目标学习：复杂纵向研究的因果推断》。施普林格，第219-232页·Zbl 1408.62005号
[21] Díaz I，Williams N，Hoffman KL，Schenck EJ（2021）基于纵向修正治疗政策的非参数因果效应。美国统计协会杂志，1-16
[22] 杜德维克，M。；Durdevic，D。；里埃拉，MB；宁卡，A。；Stan，AC；哈桑，A。；Naaraayan，A。；Jesmajian，S.，《启动机械通气后19型冠状病毒患者的进展性肾衰竭：病例系列》，《胸科》，158，A2629（2020）
[23] Enea M（2009）《用大数据集拟合线性模型和广义线性模型》，R.in：《大数据集分析的统计方法》。第411-414页
[24] 精细，JP；Gray，RJ，竞争风险细分的比例风险模型，美国统计协会杂志，94496-509（1999）·Zbl 0999.62077号
[25] Friedman J，Hastie T，Tibshirani R.，Narasimhan B，Tay K，Simon N，Yang J（2022）glmnet：拉索和弹性网正则化广义线性模型。R包版本4.1-3
[26] Friedman，JH，《贪婪函数近似：梯度提升机》，《Ann Stat》，第29期，第1189-1232页（2001年）·Zbl 1043.62034号
[27] Friedman，JH，多元自适应回归样条，Ann Stat，19，1-67（1991）·Zbl 0765.62064号
[28] Gelman，A。；Hill，J.，《使用回归和多级/层次模型进行数据分析》（2006），剑桥：剑桥大学出版社，剑桥
[29] Gibson，EA；Nunez，Y。；阿布瓦德，A。；佐塔，AR；Renzetti，S。；吉隆坡Devick；Genings，C。；戈德史密斯，J。；科尔，BA；Kioumourtzoglou，M-A，《解决环境混合物不同研究问题的方法概述：对持久性有机污染物和白细胞端粒长度的应用》，环境健康，18，1-16（2019）
[30] 戈亚尔，P。；Choi，JJ；皮涅罗，LC；EJ申克；Chen，R。；Jabri，A。；萨特林，MJ；坎皮恩，TR Jr；Nahid，M。；Ringel，JB，《新冠肺炎在纽约市的临床特征》，英国医学杂志，3822372-2374（2020）
[31] Haneuse，S。；Rotnitzky，A.，《改变接受治疗的干预措施的效果评估》，《Stat Med》，第32期，第5260-5277页（2013年）
[32] 哈桑，SS；Capstick，T。；艾哈迈德·R。；Kow，碳钢；马扎尔，F。；商户，HA；Zaidi，STR，《新型冠状病毒肺炎患者急性呼吸窘迫综合征和使用皮质类固醇的死亡率：系统综述和荟萃分析》，《Respir Med专家评论》，第14期，第1149-1163页（2020年）
[33] Hejazi NS、Benkeser D、Díaz I、van der Laan MJ（2022a）基于广义倾向得分的改良治疗政策效果的有效估计
[34] Hejazi NS、Benkeser DC、van der Laan MJ（2022b）haltensify：高度自适应套索条件密度估计。R包版本0.2.3
[35] Hejazi NS，Rudolph KE，van der Laan MJ，Díaz I（2022c）随机干预直接效应的非参数因果中介分析。出版中的生物统计学
[36] Hejazi，NS；范德拉恩，MJ；珍妮斯，HE；Gilbert，PB；Benkeser，DC，《两阶段抽样下随机干预效果的有效非参数推断及其在疫苗疗效试验中的应用》，生物统计学，77，1241-1253（2020）·Zbl 1520.62224号
[37] 亨德森，R。；Diggle，P。；Dobson，A.，纵向测量和事件时间数据的联合建模，生物统计学，1465-480（2000）·兹比尔1089.62519
[38] Hothorn，T。；布雷茨，F。；Westfall，P.，《一般参数模型中的同时推断》，Biom J:数学方法杂志，Biosci，50346-363（2008）·Zbl 1442.62415号
[39] Husain-Syed，F。；Slutsky，AS；Ronco，C.，危重患者的肺肾串扰，美国呼吸急救医学杂志，194402-414（2016）
[40] Joannidis，M。；福尼，LG；Klein，SJ；荣誉，PM；Kashani，K。；奥斯特曼，M。；普劳尔，J。；SM Bagshaw；坎塔卢佩，V。；Darmon，M.，危重病患者的肺-肾相互作用：急性疾病质量倡议（ADQI）21工作组共识报告，重症监护医学，46，654-672（2020）
[41] Kennedy，EH，基于增量倾向评分干预的非参数因果效应，美国国家统计协会，114645-656（2019）·Zbl 1420.62200号
[42] Kes，P。；Jukić，NB，重症监护室的急性肾损伤，Bosn J基础医学科学，10，S8（2010）
[43] Klaassen，CA，局部渐近线性估计影响函数的一致估计，Ann Stat，15，1548-1562（1987）·Zbl 0629.62041号
[44] Luedtke AR、Sofrygin O、van der Laan MJ、Carone M（2017），右偏纵向模型中的顺序双稳健性。arXiv预印本arXiv：1705.02459
[45] McCullagh，P。；JA Nelder，广义线性模型（1989），Boco Raton：CRC出版社，Boco Raton·Zbl 0744.62098号
[46] Papoutsi，E。；Giannakoulis，VG；Xourgia，E。；Routsi，C。；Kotanidou，A。；Siempos，II，插管时机对新型冠状病毒肺炎危重患者临床结局的影响：非随机队列研究的系统回顾和荟萃分析，Crit Care，25，1-9（2021）
[47] Pearl，J.，《因果关系：模型、推理和推断》（2000），剑桥：剑桥大学出版社，剑桥·Zbl 0959.68116号
[48] 帕金斯，GD；库珀，K。；康诺利，B。；Baillie，JK；JM布拉德利；深色，P。；De Soyza，A。；戈曼，E。；格雷，A。；Hamilton，L.，《康复呼吸支持：疑似或经证实的新型冠状病毒肺炎呼吸衰竭患者的呼吸策略》；持续气道正压通气、高流量鼻氧和标准护理：随机对照试验研究方案的结构化总结，试验，21，1-3（2020）
[49] 普伦蒂斯，RL；Kalbfleisch，法学博士；小AV Peterson；Flournoy，N。；再见，VT；Breslow，NE，《存在竞争风险时的故障时间分析》，生物统计学，34541-554（1978）·Zbl 0392.62088号
[50] Richardson TS、Robins JM（2013）《单世界干预图（SWIG）：反事实和因果关系图形方法的统一》。华盛顿大学统计与社会科学中心系列。工作文件128:2013
[51] 罗宾斯，J。；李，L。；切特根·切特根，E。；van der Vaart，AW，二次半参数von Mises演算，Metrika，69，227-247（2009）·兹比尔1433.62102
[52] Robins，JM（2000）顺序可忽略缺失数据和因果推理模型中的稳健估计。美国统计协会会议记录
[53] Robins JM、Hernán MA、Siebert U（2004）《多重干预的效果》。健康风险的比较量化：选定主要风险因素造成的全球和区域疾病负担1:2191-2230
[54] 罗宾斯，JM；Rotnitzky，A。；Zhao，L.，当一些回归变量不总是被观测时回归系数的估计，美国统计协会，89，846-866（1994）·Zbl 0815.62043号
[55] Rotnitzky A，Robins J，Babino L（2017）关于g函数平均值的乘法鲁棒估计。arXiv预打印arXiv:1705.08582
[56] 鲁宾，D。；van der Laan，MJ，《双重稳健删失无偏变换》，国际生物统计杂志，3，1-21（2007）·Zbl 1133.62325号
[57] Rudolph KE、Gimbrone C、Matthay EC、Diaz I、Davis CS、Pamplin II JR、Keyes K、Cerda M（2021）当无法估计影响时：重新定义估计值以了解纳洛酮准入法的影响。arXiv预打印arXiv:2105.02757
[58] Rytgaard HC，van der Laan MJ（2021）一步TMLE，针对特定原因的绝对风险和生存曲线。arXiv预打印arXiv:2107.01537
[59] EJ申克；霍夫曼，吉隆坡；库西克，M。；Kabariti，J。；肖勒，ET；Campion，TR Jr，《高级研究危重病护理数据库（cedar）：用电子健康记录数据支持重症监护病房的自动化方法》，《生物识别信息杂志》，118（2021）
[60] 股票，JH，非参数政策分析，J Am Stat Assoc，84，567-575（1989）
[61] DA汤姆森；Calligaro，GL，新型冠状病毒肺炎插管时机：不仅仅是位置、位置、位置？，Crit Care，25，1-2（2021）
[62] Tobin MJ（2006）《机械通风原理与实践》
[63] 托宾，MJ，《基于生理原理的新冠肺炎呼吸管理》，美国呼吸急救医学杂志，20121319-1320（2020）
[64] 托宾，MJ；拉吉，F。；Jubran，A.，《新冠肺炎早期插管和机械通气的注意事项》，《Ann重症监护》，第10期，第1-3期（2020年）
[65] van Buuren，S。；Groothuis-Oudshoorn，K.，《小鼠：通过R中的链式方程进行多元插补》，J Stat Softw，45，1-67（2011）
[66] 范德拉恩，MJ；Dudoit，S。；van der Vaart，AW，交叉验证自适应ε-网估计器，Stat Decis，24373-395（2006）·Zbl 1111.62003号
[67] 范德拉恩，MJ；马里兰州彼得森；Joffe，MM，历史调整的边际结构模型和静态最优的动态治疗方案，Int J Biostat（2005）·Zbl 1080.62097号 ·doi:10.2202/1557-4679.1003
[68] 范德拉恩，MJ；波莉，EC；哈伯德，AE，超级学习者，Stat Appl Genet Mol Biol（2007）·Zbl 1166.62387号 ·doi:10.2202/1544-6115.1309
[69] 范德莱恩，MJ；Robins，JM，《审查纵向数据和因果关系的统一方法》（2003），纽约：Springer，纽约·Zbl 1013.62034号
[70] 范德拉恩，MJ；Rose，S.，《目标学习：观测和实验数据的因果推断》（2011），纽约：Springer，纽约
[71] 范德拉恩，MJ；Rose，S.，《数据科学中的目标学习：复杂纵向研究的因果推断》（2018），纽约：Springer，纽约·Zbl 1408.62005号
[72] 范德拉恩，MJ；Rubin，D.，目标最大似然学习，国际生物技术杂志（2006）·doi:10.2202/1557-4679.1043
[73] van der Vaart，AW，《渐近统计》（1998），剑桥：剑桥大学出版社，剑桥·Zbl 0910.62001号
[74] TJ范德维尔；Vansteelandt，S。；Robins，JM，暴露诱导介质-输出混淆情况下的效果分解，流行病学，25，300（2014）
[75] 冯·米塞斯，R.，《关于可微统计函数的渐近分布》，《数学统计年鉴》，第18期，第309-348页（1947年）·Zbl 0037.08401号
[76] Wen L，Marcus J，Young J（2021）干预治疗分布取决于观察到的治疗过程和因果生存分析中的模型双重稳健性。arXiv预打印arXiv:2112.00807
[77] 威斯汀，T。；Carone，M.，《单调函数非参数推断的统一研究》，《Ann Stat》，48，1001（2020）·Zbl 1448.62042号
[78] 韦斯特林，T。；范德拉恩，MJ；Carone，M.，用等张回归校正多元单调函数的估计，Electron J Stat，143032-3069（2020）·Zbl 1448.62056号
[79] 威廉姆斯，NT；霍夫曼，吉隆坡；Díaz，I.，lmtp：基于改良治疗政策的可行干预措施的非参数因果效应，R包版本，1，1（2022）
[80] Wolpert，DH，叠加泛化，神经网络，5241-259（1992）
[81] Wright MN，Ziegler A（2017）ranger：C++和R中高维数据随机森林的快速实现。统计软件杂志77
[82] 杨，JG；马萨诸塞州埃尔南；Robins，JM，使用观察数据对依赖于治疗自然价值的干预措施下的风险进行识别、估计和近似，流行病学方法，3，1-19（2014）·Zbl 1343.92252号
[83] 杨，JG；MJ Stensrud；切根切根，EJ；马萨诸塞州埃尔南（Hernán，MA），《失效时间环境下经典统计估计的因果框架》，《统计医学》，39，1199-1236（2020）
[84] Zeger，SL；Liang，K-Y，纵向数据分析方法综述，Stat Med，11825-1839（1992）
[85] Zheng W，van der Laan MJ（2011）《交叉验证目标最小损失估算》。观测和实验数据的因果推断。Springer，目标学习，第459-474页
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。