×
布莱恩·巴克利。；迈克尔·哈金斯。；约翰·D·克莱门斯。；穆罕默德·阿里；迈克尔·埃姆奇（Michael E.Emch）。

基于集群干扰的观察性研究的因果推断，并应用于霍乱疫苗研究。 （英语） Zbl 1470.62152号

Ann.应用。斯达。 1432-1448（2020）第3期第14页.
摘要：了解疫苗对人群的影响具有重要的公共卫生政策意义。从观察研究中推断疫苗效果具有挑战性，因为参与者没有随机接种疫苗（即治疗）。传染病的观察研究提出了另一个挑战，即一名参与者接种疫苗可能会影响另一名参与者的结果，也就是说，可能存在干扰。本文考虑了在干扰存在的情况下定义疫苗效果的最新方法，并提出了专门用于观察研究的新因果估计。之前定义的评估针对的是反事实场景，在这些场景中，个人以同等概率独立选择接种疫苗。然而，在集群内个体之间存在干扰的环境中，同一集群中个体之间的治疗选择可能不太可能独立。相反，拟议的因果估计描述了允许个体治疗选择中簇内依赖性的反事实场景。这些估计可能对那些希望量化增加人口中接种疫苗的个人比例的影响的决策者或公共卫生官员更具相关性。提出了这些估计的逆概率加权估计。推导了估计量的大样本性质，并进行了仿真研究，证明了该估计量的有限样本性能。通过分析孟加拉国10多万人霍乱疫苗接种研究的数据，说明了所提出的方法。

引用于三文件

MSC公司：

第62页第10页 统计学在生物学和医学中的应用；元分析
62D20型 观察性研究的因果推断
62H30型 分类和区分；聚类分析（统计方面）

关键词：

因果推断；干扰；逆概率权重；观察性研究；倾向得分；溢出效应

软件：

群集干扰；lme4公司
PDF格式BibTeX公司 XML格式引用
\textit{B.G.Barkley}等人，Ann.Appl。Stat.14，No.3，1432--1448（2020；Zbl 1470.62152）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Ali，M.、Emch，M.E.、von Seidlein，L.、Yunus，M.，Sack，D.A.、Rao，M.和Holmgren，J.以及Clemens，J.D.（2005）。孟加拉国被杀死的口服霍乱疫苗赋予的群体免疫力：再分析。柳叶刀366 44-49。
[2] Ali，M.、Emch，M.E.、Yunus，M.和Clemens，J.D.（2009）。建模疾病风险的空间异质性并评估疫苗接种的影响。疫苗27 3724-3729。
[3] Ali，M.、Kim，D.R.、Kanungo，S.、Sur，D.、Manna，B.、Digilio，L.、Dutta，S.，Marks，F.、Bhattacharya，S.K.等人（2018年）。使用口服霍乱疫苗作为疫苗探针，确定霍乱人际传播的地理范围。国际传染病杂志。数字化信息系统。66 90-95.
[4] Barkley，B.G.（2019年）。群集干扰：来自群集干扰的观测研究的因果效应。R包版本1.0.1。可在https://CRAN.R-project.org/package=clusteredinterference。
[5] Barkley，B.G.、Hudgens，M.G.、Clemens，J.D.、Ali，M.和Emch，M.E.（2020年）。补充“集群干扰观察性研究的因果推断，并应用于霍乱疫苗研究”https://doi.org/10.1214/19-AOAS1314SUPP网站
[6] Bates，D.、Mächler，M.、Bolker，B.和Walker，S.（2015）。使用lme4拟合线性混合效应模型。J.统计软件。67 1-48.
[7] Chen，T.、Zeng，D.和Wang，Y.（2015）。具有随机效应的多核学习用于预测纵向结果和数据集成。生物统计学71 918-928·Zbl 1419.62323号 ·doi:10.1111/biom.12343
[8] Cox，D.R.（1958）。实验规划。应用统计学中的威利出版物。纽约威利·Zbl 0084.15802号
[9] Díaz，I.D.和van der Laan，M.（2012年）。基于随机干预的人口干预因果效应。生物统计学68 541-549·Zbl 1274.62846号 ·文件编号：10.1111/j.1541-0420.2011.01685.x
[10] Eck，D.J.、Morozova，O.和Crawford，F.W.（2018年）。集群研究人群中传染病干预直接影响的随机化。预印本。可从arXiv:1808.05593获得。
[11] Fitzmaurice，G.M.、Laird，N.M.和Ware，J.H.（2011）。应用纵向分析，第二版，《概率统计中的威利级数》。新泽西州霍博肯威利·Zbl 1226.62069号
[12] Halloran，M.E.和Struchiner，C.J.（1995年）。传染病中的因果推理。流行病学6 142-151。
[13] Hong，G.和Raudenbush，S.W.（2006年）。评估幼儿园留用政策：多层次观察数据因果推断的案例研究。J.艾默。统计师。协会101 901-910·Zbl 1120.62347号 ·doi:10.1198/016214500000447
[14] Hudgens，M.G.和Halloran，M.E.（2008）。干扰因果推理。J.艾默。统计师。协会103 832-842·Zbl 1471.62507号 ·doi:10.1198/0162145000000292
[15] Liu，L.、Hudgens，M.G.和Becker-Dreps，S.（2016）。存在干扰时的逆概率加权估计。生物特征103 829-842·兹比尔1506.62250 ·doi:10.1093/biomet/asw047
[16] McCulloch，C.E.和Neuhaus，J.M.（2011年）。错误指定随机效应分布的形状：为什么弄错可能无关紧要。统计师。科学。26 388-402. ·Zbl 1246.62169号 ·doi:10.1214/11-STS361
[17] Papadogeorgou，G.，Mealli，F.和Zigler，C.M.（2019年）。集群和人群水平治疗分配计划的干扰单位因果推断。生物统计学75 778-787·Zbl 1436.62676号 ·doi:10.111/生物量13049
[18] Perez-Heydrich，C.、Hudgens，M.G.、Halloran，M.E.、Clemens，J.D.、Ali，M.和Emch，M.E.（2014）。在存在干扰的情况下评估霍乱疫苗接种的效果。生物统计学70 731-741·Zbl 1299.92032号 ·doi:10.1111/biom.12184
[19] Saul，B.C.和Hudgens，M.G.（2017年）。推理秘诀：从因果推理开始。添加干涉。与R.J.Stat.Softw充分混合。82 1-21.
[20] Sobel，M.E.（2006年）。住房流动性的随机研究证明了什么面对干扰的因果推理。J.艾默。统计师。协会101 1398-1407·Zbl 1171.62365号 ·doi:10.1198/016214500000636
[21] Stefanski，L.A.和Boos，D.D.（2002）。（M）-估计的演算。阿默尔。统计师。56 29-38.
[22] Tchetgen，E.J.和Coull，B.A.（2006年）。广义线性混合模型中混合分布的诊断检验。生物特征93 1003-1010·Zbl 1436.62364号 ·doi:10.1093/biomet/93.4.1003
[23] Tchetgen-Tchetgen，E.J.和VanderWeele，T.J.（2012）。关于存在干扰的因果推理。Stat.Methods Med.Res.21 55-75.《统计学方法医学研究》第21卷第55-75页。
[24] VanderWeele，T.J.和Shpitser，I.（2011年）。混淆选择的新标准。生物统计学67 1406-1413·Zbl 1274.62890号 ·文件编号：10.1111/j.1541-0420.2011.01619.x
[25] VanderWeele，T.J.和Tchetgen-Tchetgen，E.J.（2011）。两阶段随机疫苗试验中干扰下的效果划分。统计师。普罗巴伯。莱特。81 861-869. ·Zbl 1219.62175号 ·doi:10.1016/j.spl.2011.02.019
[26] Westreich博士。
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。