Estimating Total Effects in Bipartite Experiments with Spillovers and Partial Eligibility
针对存在溢出干扰、仅部分处理侧单元有分配资格的二分实验场景,本文定义对应全量部署的两类总效应估计量,提出结合暴露映射、广义倾向得分与机器学习的干扰感知集成估计方法,通过仿真与田野实验验证了方法的偏差校正效果。
2025-11-14 cs.LG stat.ME stat.ML
A Framework for Mediation Analysis with Multiple Exposures, Multivariate Mediators, and Non-Linear Response Models
中介分析旨在识别和量化风险暴露影响结果的路径。受暴露影响并影响结果的中间变量被称为介质。有大量的中介分析的背景下,一个单一的调解人和连续的和二元的结果模型的工作。然而,这些方法通常不适用于多组学数据,包括高度相互关联的变量测量生物机制和各种类型的结果变量,如删失生存反应。在这篇文章中,我们开发了一个通用的框架,因果中介分析与多重暴露,多变量介质,连续,二元和生存反应。我们估计中介效应的几个尺度,包括平均差异,比值比,并限制平均尺度为各种结果模型。我们的估计方法避免了对模型参数施加限制,如罕见疾病假设,同时适应连续暴露。我们评估的框架,并比较它与其他方法在广泛的模拟研究中,通过评估偏见,第一类错误和权力在一系列的样本量,疾病患病率,和数量的假介质。使用来自癌症基因组图谱的肾透明细胞癌数据,我们鉴定了介导代谢基因表达对生存的影响的蛋白质。用于实现该统一框架的软件在R包中提供(https://github.com/longjp/mediateR)。
2020-11-11 stat.ME
Incremental effects for continuous exposures
Carnegie Mellon University(卡内基梅隆大学);Iowa State University(爱荷华州立大学)
本文提出通过指数倾斜处理分布来避免正性假设,推导了连续暴露下增量效应的影响函数和效率界,并建立了新的收敛速度和偏差界,改进了δ的依赖性。
2026-01-27 math.ST stat.ME stat.TH
Causal Inference and Evidence Synthesis for Semi-continuous Exposures with Multiple Outcomes
University of Waterloo(滑铁卢大学);Ankara University(安卡拉大学);Columbia University(哥伦比亚大学);Wayne State University(韦恩州立大学);University of Pittsburgh School of Medicine(匹兹堡大学医学院);University of Technology Sydney(悉尼科技大学)
本文提出了一种两阶段方法,用于分析半连续暴露下的因果推断和剂量-反应效应,应用于孕期饮酒对儿童认知的影响研究。
2026-11-03 stat.ME
Causal Sufficient Dimension Reduction for Multiple Continuous Exposures with an Application to Environmental Mixtures
Emory University(埃默里大学)
提出因果充分降维(CSDR)框架,通过低维暴露摘要表征因果暴露-反应曲面,并设计两阶段估计器,在环境混合物研究中验证其有效性。
2026-06-16 stat.ME
Causal exposure-response curve estimation with surrogate confounders: a study of air pollution and children's health in Medicaid claims data
针对Medicaid儿童健康数据中社会经济地位未测量、数据聚类等挑战,提出基于广义倾向得分匹配的MedMatch方法,结合代理变量估计PM2.5与呼吸住院的因果暴露-反应曲线,验证了其性能优势并得到正相关的非线性关系。
2024-07-11 stat.ME
Causal inference for multiple continuous exposures via the multivariate generalized propensity score
广义倾向得分(GPS)是倾向得分的扩展,用于定量或连续暴露(例如,药物剂量或教育年限)。目前的全球定位系统方法允许估计单次连续暴露与结果之间的剂量反应关系。然而,在许多现实世界的环境中,有多个暴露同时发生,可能与结果有因果关系。我们提出了一种多变量GPS方法(mvGPS),允许估计的剂量响应面,涉及多个连续暴露变量的联合分布的结果。该方法涉及在暴露变量的多元正态假设下生成权重。重点放在两个暴露变量的情况下,我们通过模拟表明,mvGPS方法可以实现平衡的混杂因素集,可能不同的暴露变量和减少偏见的处理效应估计在各种数据生成的情况下。我们应用mvGPS方法来分析两种干预策略对降低儿童肥胖率的联合作用。
2020-08-31 stat.ME
Testing High-Dimensional Mediation Effect with Arbitrary Exposure-Mediator Coefficients
本文提出一种高维中介效应检验方法,在复合零假设所有情形下有效且不限制暴露-中介系数强度,并通过模拟和DNA甲基化中介实例验证其性能。
2025-05-27 math.ST stat.ME stat.TH
Methods for Estimating the Exposure-Response Curve to Inform the New Safety Standards for Fine Particulate Matter
本研究通过72种模拟情景比较七种ERC估计方法,并基于6800多万名Medicare受益人数据发现低浓度$PM_{2.5}$下死亡风险急剧上升,支持制定更严格限值。
2023-06-05 stat.AP
What does two-sample Mendelian randomization estimate when the exposure-outcome relationship is nonlinear?
Department of Statistics and Data Science, The Wharton School, University of Pennsylvania(宾夕法尼亚大学沃顿商学院统计与数据科学系)
本文推导了双样本孟德尔随机化在暴露-结局关系非线性时的估计含义,指出其比率估计为剂量-反应曲线斜率的加权平均,且合并估计量缺乏固定解释,异质性检验和MR-Egger会误判非线性为多效性,强调线性假设需明确辩护并优先使用个体水平数据。
2026-10-06 stat.ME
A longitudinal Bayesian framework for estimating causal dose-response relationships
King’s College London(伦敦国王学院);University of Toronto(多伦多大学);Technical University of Munich(慕尼黑工业大学);Imperial College London(帝国理工学院)
提出一种可扩展的非参数贝叶斯框架,通过广义倾向得分处理时变混杂,估计连续暴露下的边际纵向因果剂量-反应函数,并应用于地铁客流量与COVID-19病例数的因果分析。
2026-10-14 stat.AP stat.ME
Fair Policy Learning under Bipartite Network Interference: Learning Fair and Cost-Effective Environmental Policies
Harvard T.H. Chan School of Public Health(哈佛大学陈曾熙公共卫生学院);UCLA Fielding School of Public Health(加州大学洛杉矶分校菲尔丁公共卫生学院)
本文提出在双网络干扰下公平政策学习方法,通过学习公平且成本有效的环境政策来减少死亡率。
2026-01-02 stat.ME
Matching on Generalized Propensity Scores with Continuous Exposures
在二元处理的上下文中,匹配是因果推断中的一种公认的方法。然而,在持续治疗或接触的情况下,匹配仍然不发达。我们提出了一种创新的匹配方法来估计平均因果关系的连续暴露下,依赖于广义倾向得分(GPS)的设置下的响应函数。我们的方法保持了以下有吸引力的匹配功能:a)设计和分析之间的明确分离; b)对模型错误指定或估计GPS极值的存在具有鲁棒性; c)直接评估协变量平衡。我们首先介绍了一个假设的可识别性,称为局部弱不混淆。在这个假设和温和的光滑条件下,我们提供了理论保证,我们提出的匹配估计达到逐点一致性和渐近正态性。在模拟中,我们提出的匹配方法优于现有的方法下设置的模型误设定或存在的极端值的估计GPS。我们应用我们提出的方法来估计2000-2016年6850万医疗保险参保者长期PM $_{2.5}$暴露与全因死亡率之间的平均因果关系-反应函数。我们发现了长期PM $_{2.5}$暴露对死亡率有害影响的强有力证据。建议的匹配方法的代码中提供的CauseGPS R包,这是CRAN上提供的,并提供了一个计算效率的实现。
2021-08-18 stat.AP stat.ME
Causal Inference when Intervention Units and Outcome Units Differ
本文研究干预单元与结果单元分离的二部干扰因果推断,提出多种估计量及无偏加权估计方法,并证明方差与一致性,结合中国高铁研究分析正定性违背。
2025-07-27 stat.ME
Partial Identification of Causal Effects for Endogenous Continuous Treatments
本文将Rosenbaum和Marginal敏感性模型扩展至连续处理,用随暴露水平变化的敏感性函数替代标量参数,提出统一的伪结果回归估计方法,并证明估计量的一致性和渐近正态性,通过模拟和二手烟暴露对儿童血铅影响的实际数据验证了方法。
2025-08-19 econ.EM math.ST stat.ME
Two-stage Estimation for Causal Inference Involving a Semi-continuous Exposure
University of Waterloo(滑铁卢大学);Ankara University(安卡拉大学);Columbia University(哥伦比亚大学);Wayne State University(韦恩州立大学);University of Technology Sydney(悉尼科技大学)
本文提出了一种适用于半连续暴露的因果框架及双重估计策略,通过分步方法分离暴露状态和剂量效应,验证了估计量的一致性和渐近正态性,并通过模拟和实证研究展示了其在处理暴露状态和强度问题上的有效性。
2026-04-06 stat.ME
Causal mediation with instrumental variables
中介分析是一种理解治疗或干预影响后期结果的机制的策略。中介分析经常应用于随机试验环境,但通常假设:a)随机分配是关注的暴露,而不是实际接受干预,b)没有未观察到的中介-结果关系的混杂。与关于估计非随机化暴露总效应的工具变量(IV)方法的丰富文献相反,几乎没有研究将IV用作存在确定结果和中介结果未观察到混杂的识别策略。作为回应,我们定义并确定了新的被估量--复杂的干预直接和间接效应(即,IV中介效应)在两种情况下:1)单一IV暴露,2)两个IV,一个暴露,另一个中介,这可能是相关的。我们提出了非参数的,强大的,有效的估计,并将其应用到住房券实验。
2021-12-27 stat.ME
On the estimation and interpretation of effect size metrics
本研究利用组合学与信息论新方法评估传统效应量估计方法,发现逻辑回归无法恢复结构对称性,而Mantel-Haenszel估计器难以区分三方与双向效应,影响因果推断的准确性。
2024-02-06 stat.AP stat.ME
Statistical matching and subclassification with a continuous dose: characterization, algorithm, and application to a health outcomes study
子分类和匹配经常用于实证研究,以调整观察到的协变量;然而,它们在很大程度上限于相对简单的研究设计与二进制处理和较少开发的设计与连续暴露。与暴露剂量匹配在工具变量设计和理解剂量-反应关系中特别有用。在这篇文章中,我们提出了两个标准的最佳子分类的子类同质性的背景下,有一个连续的曝光剂量,并提出了一个有效的多项式时间算法,保证找到一个最佳的子分类相对于一个标准,并作为一个2-近似算法的其他标准。我们讨论了如何将剂量和使用适当的惩罚,以控制设计中的子类的数量。通过广泛的模拟,我们系统地比较我们提出的设计,最佳的非二分配对,并证明我们提出的子分类方案与回归调整相结合,有助于减少模型依赖性的参数因果推断与连续剂量。我们应用新的设计和相关的基于随机化的推理程序来研究冠状动脉旁路移植术(CABG)手术期间经食管超声心动图(TEE)监测对使用Medicare和Medicaid索赔数据的患者术后临床结局的影响,并发现TEE监测降低患者全因$30$日死亡率的证据。
2022-01-27 stat.ME
EARL: Exposure- and Allocation-Reweighted Linear Estimator for Bipartite Experiments with Partial Assignment
针对二分图实验中部分分配导致估计偏差的问题,提出无偏线性估计器EARL,通过曝光与分配重加权实现最小方差,模拟显示误差显著低于现有基线。
2026-09-28 stat.ME
Closed-form variance estimators for weighted and stratified dose-response function estimators using generalized propensity score
倾向得分法广泛用于观察性研究,用于评价边际处理效应。广义倾向得分(GPS)是倾向得分框架的扩展,历史上是在二元暴露的情况下开发的,用于定量或连续暴露。本文提出了连续结局下处理效应估计量的方差估计。剂量反应函数(DRF)通过对GPS倒数加权或使用分层进行估计。使用蒙特卡罗模拟评价方差估计量。尽管使用稳定的权重,DRF的加权估计量的变异性特别高,并且没有方差估计量(基于自举的估计器、特别开发以考虑GPS的估计步骤的闭合形式估计器和三明治估计器)能够充分捕获这种可变性,导致覆盖率低于标称值,特别是当协变量解释的定量暴露的变化比例大于1时。分层估计量更稳定,方差估计量(基于Bootstrap的估计量、合并线性化估计量和合并基于模型的估计量)在捕获DRF参数的经验变异性方面更有效。合并方差估计往往高估的方差,而自助估计,它本质上考虑到GPS的估计步骤,导致正确的方差估计和覆盖率。这些方法被应用到一个真实的数据集,目的是评估产妇体重指数对新生儿出生体重的影响。
2020-07-06 stat.AP
A calibrated sensitivity analysis for matched observational studies with application to the effect of second-hand smoke exposure on blood lead levels in U.S. children
匹配的观察性研究通常用于研究非随机数据中的处理效应。在对观察到的混杂因素进行匹配后,未观察到的混杂因素可能仍然存在偏倚。解决此问题的标准方法是进行敏感性分析。敏感性分析询问结果对假设的未测量混杂因素U的敏感程度。一种称为同步敏感性分析的方法具有两个敏感性参数:一个将U与治疗分配相关联,另一个与响应相关联。该方法假设在每个匹配集中,U的分布使偏差最差。这种方法有两个有关的特点。首先,每个匹配集中U的最差情况分布与总体中U的实际分布不一致。其次,敏感性参数是绝对尺度的,很难与观察到的协变量进行比较。我们通过引入一种方法来解决这些问题,该方法赋予U在总体中的概率分布,并将未测量的混杂因素校准到观察到的协变量。我们比较我们的方法,同时敏感性分析在模拟和二手烟暴露对美国儿童血铅水平的影响的研究。
2020-07-14 stat.AP stat.ME
Sensor data-driven analysis for identification of causal relationships between exposure to air pollution and respiratory rate in asthmatics
Centre for Speckled Computing(散斑计算中心);University of Edinburgh(爱丁堡大学)
根据2020年10月发表的《柳叶刀》全球疾病负担报告,空气污染是影响全球健康的五大风险因素之一,平均会使预期寿命缩短20个月。本文介绍了一种数据驱动的方法,用于建立因果关系内和两个多变量的时间序列数据流之间的可穿戴传感器:个人暴露于空气动力学尺寸小于2.5微米(PM2.5)的空气颗粒物收集的人和连续呼吸率(呼吸每分钟)由Respeck监测器佩戴在胸部的膏药。展示了113名哮喘青少年队列的结果,使用PCMCI+算法来了解\pm暴露滞后与呼吸率之间的短期因果关系。我们认为因果关系的影响,最大延迟8小时,在不同的实验中使用数据在1分钟和15分钟的分辨率。首次证明了PM2.5暴露与呼吸频率之间的个性化的呼吸-反应关系对哮喘青少年在日常生活中的短期影响。我们的研究结果导致工作的建议,在因果关系的发现,以增加这种方法在未来类似的流行病学研究的可行性的具体开放的问题。
2023-01-16 cs.LG stat.AP
CausalGPS: An R Package for Causal Inference With Continuous Exposures
本文介绍 CausalGPS R 包,其以广义倾向得分为核心,支持连续暴露下的 GPS 估计、加权或匹配去混杂及暴露-反应函数估计,并用 PM2.5 与教育成就数据示范应用。
2023-10-01 cs.MS econ.EM stat.CO
A hierarchical model for estimating exposure-response curves from multiple studies
炉灶替代试验发现,其对呼吸健康的影响好坏参半。个体研究的浓度范围有限和样本量小是可能限制其统计功效的重要因素。我们提出了一个分层的方法来模拟暴露浓度和汇集数据,从多个研究,以估计一个共同的风险-反应曲线。暴露浓度模型适应时间稀疏,集群纵向观察。在适应异质性聚类数据的同时,确定性-响应曲线模型提供了确定性-响应关系的灵活的半参数估计。我们将此模型应用于尼泊尔儿童炉灶和呼吸道感染的三项研究的数据,这些研究代表三种研究类型:交叉试验,平行试验和病例对照研究。我们发现的证据增加疾病的几率之间的颗粒物浓度为50和200 $μ$ g/m $^3$和一个平坦的曝光浓度更高的风险-响应曲线。我们提出的模型可以纳入其他研究,并适用于其他设置。
2019-08-14 stat.AP stat.ME
Nonparametric Estimation of Population Average Dose-Response Curves using Entropy Balancing Weights for Continuous Exposures
加权估计量通常用于估计观测环境中的暴露效应,以建立因果关系。当关注的暴露是二进制的并且权重通常是估计的倾向得分的函数时,这些估计器具有很长的开发历史。在二进制暴露设置中构建权重的基于优化的估计器(例如基于熵平衡的估计器)的最新发展,在估计处理效应方面显示出比那些专注于使用基于可能性的方法直接估计倾向得分的方法更有希望。本文探讨了熵平衡方法的最新发展,以连续暴露设置和人口剂量-反应曲线的估计使用非参数估计结合熵平衡权重,重点关注的因素,将是重要的应用研究人员在医疗或卫生服务研究。这里开发的方法应用于一项研究的数据,评估情绪和物质使用的临床结果的循证物质使用治疗计划的非随机成分的影响。
2020-03-05 stat.ME
Estimating a Causal Exposure Response Function with a Continuous Error-Prone Exposure: A Study of Fine Particulate Matter and All-Cause Mortality
许多研究已经研究了长期暴露于细颗粒物(PM2.5)和不良健康结果之间的关系。最近,许多这些研究已经开始采用高分辨率的预测PM2.5浓度,这是测量误差。先前用于曝光测量误差校正的方法已经应用于非因果设置中或者仅考虑了分类曝光。此外,大多数程序都没有考虑到误差校正引起的不确定性时,拟合的响应函数(ERF)。为了弥补这些不足,我们开发了一个多重插补框架,结合回归校准和贝叶斯技术来估计因果ERF。我们演示了如何输出的测量误差校正步骤可以无缝集成到贝叶斯加性回归树(BART)估计的因果ERF。我们还演示了如何从BART的后验样本的局部加权平滑可以用来创建一个更准确的ERF估计。我们提出的方法也适当地传播曝光测量误差的不确定性,以产生准确的标准误估计。我们评估我们提出的方法在广泛的模拟研究的鲁棒性。然后,我们应用我们的方法来估计PM2.5对2000-2012年新英格兰医疗保险参保者全因死亡率的影响。
2022-11-28 stat.AP stat.ME
A mixture of distributed lag non-linear models to account for spatially heterogeneous exposure-lag-response associations
University of Valencia(瓦伦西亚大学)
针对传统分布式滞后非线性模型忽略空间异质性的问题,提出DLNM-Clust混合模型,在贝叶斯框架下将地理单元概率分配到不同滞后响应簇,以比利时空气污染与COVID-19关系为例验证其有效性。
2026-06-23 stat.AP stat.ME
Treed distributed lag nonlinear models
在对母亲暴露于空气污染的研究中,儿童的健康结果与怀孕期间观察到的暴露有关。分布滞后非线性模型(DLNM)是一种统计方法,通常用于估计暴露效应为非线性时的时间响应函数。DLNM的先前实现估计用双变量基展开参数化的时间响应表面。然而,诸如样条的基函数假设整个曝光时间响应表面上的平滑度,这在曝光仅在特定时间窗口中与结果相关联的设置中可能是不现实的。我们提出了一个基于贝叶斯加性回归树的DLNM估计框架。我们的方法使用一组回归树进行操作,每个回归树都假设跨时间空间的分段常数关系。在模拟中,我们表明,我们的模型优于基于样条的模型时,确定时间的表面是不光滑的,而这两种方法在设置中的真实表面是光滑的表现相似。重要的是,所提出的方法是较低的方差,更精确地确定关键窗口期间,暴露与未来的健康结果。我们应用我们的方法来估计美国科罗拉多州出生队列中母亲暴露于PM $_{2.5}$和出生体重之间的关联。
2021-06-15 stat.ME
A Bayesian Gaussian Process for Estimating a Causal Exposure Response Curve in Environmental Epidemiology
出于环境政策问题,我们解决的挑战,估计,变点检测和不确定性量化的因果关系的确定性响应函数(CERF)。在潜在结果框架下,CERF描述了连续变化的暴露(或治疗)及其对结果的因果影响之间的关系。我们提出了一种新的贝叶斯方法,依赖于一个高斯过程(GP)模型来估计非参数的CERF。为了实现所需的分离设计和分析阶段,我们参数化的协方差(核)函数的GP模拟匹配通过广义倾向得分(GPS)。超参数以及GP的核函数的形式被选择以优化协变量平衡。我们的方法实现了自动不确定性评估的CERF与高的计算效率,并使变点检测通过推断CERF的衍生物。我们提供的理论结果表明,我们的贝叶斯GP框架和传统的方法之间的对应关系,在因果推断估计连续曝光的因果影响。我们将这些方法应用于520,711个ZIP代码水平的观察,以估计长期暴露于PM2.5,臭氧和NO2对美国医疗保险参保者全因死亡率的因果影响。GPCERF R包中提供了建议的GP模型的计算效率实现,该包可在CRAN上获得。
2023-01-25 stat.AP stat.ME
Instrumental variables estimation of exposure effects on a time-to-event response using structural cumulative survival models
使用工具变量来估计暴露对结果的影响在计量经济学中很流行,在流行病学中也越来越流行。这种日益普及的现象可能归因于观察性研究中工具变量的自然发生,这些研究通过设计或性质纳入了随机化元素(例如,基因的随机遗传)。工具变量估计暴露效应是建立连续的结果,并在一定程度上为二元结果。然而,由于删失和生存偏倚导致的并发症,它在很大程度上缺乏事件发生时间结局。在本文中,我们提出了一个新的建议下的一类结构累积生存模型,参数化的时间变化的影响,一个点暴露直接对规模的生存函数,这些模型基本上是等价的半参数变量的工具变量加性风险模型。我们提出了一类递归的工具变量估计这些暴露的影响,并推导出其大样本性质以及推理工具。我们在模拟研究中检查了所提出的方法的性能,并在孟德尔随机化研究中使用健康与退休研究的数据评估糖尿病对死亡率的影响。我们进一步使用所提出的方法来研究乳腺癌筛查对随后的乳腺癌死亡率的潜在益处。
2016-08-02 stat.ME
Model-Free Conditional Feature Screening with Exposure Variables
在高维分析中,解释变量对反应的影响有时依赖于某些暴露变量,如时间或环境因素。在本文中,我们利用其条件相关性给定的暴露变量与经验分布函数的响应来表征每个预测的重要性。无模型的条件筛选方法随后主张基于这一想法,旨在确定显着的预测因子,其影响可能会随着暴露变量。建议的筛选程序适用于任何模型形式,包括具有异方差的模型,其中方差分量也可能随暴露变量而变化。它对极端值或离群值也是鲁棒的。在适当的条件下,建立了该筛选方法的可靠性和排序一致性。有限样本的性能说明了模拟研究和应用程序的乳腺癌数据集。
2018-04-10 stat.ME
A Novel Bayesian Extrapolation Design for Assessing Equivalence in Exposure-Response Curves between Pediatric and Adult Populations
提出一种新型贝叶斯外推设计,通过逻辑回归和最大曲线距离全面评估儿科与成人人群的暴露-反应曲线等效性,并控制I型与II型错误。
2025-05-23 stat.AP stat.ME
Cluster Randomized Designs for One-Sided Bipartite Experiments
当一个单位的结果取决于其他单位的治疗状态时,随机对照试验的结论可能会有偏差,这是一个被称为干扰的问题。在这项工作中,我们研究的干扰设置的单边二分实验中,实验单位-治疗是随机的,结果进行测量-不直接相互作用。相反,它们的相互作用是通过它们与图另一侧的干扰单元的连接来介导的。这种类型的干扰在市场和双边平台中很常见。聚类随机设计是一种常用的方法,以减轻干扰时,图是已知的,但它还没有得到很好的研究,在单侧二部试验设置。在这项工作中,我们形式化的自然模型的干扰,在单侧二分实验使用曝光映射框架。我们首先展示了现有的集群随机化设计无法适当地减轻这种模式下的干扰的设置。然后,我们表明,最大限度地减少我们的模型下的差异的均值估计的偏差,结果在一个平衡的分区聚类目标与自然的解释。我们进一步证明了我们的设计是minimax最优的一类线性潜在的结果模型与有界干扰。最后,我们提供的理论和实验证据的鲁棒性,我们的设计,各种干扰图和潜在的结果模型。
2022-10-28 stat.ME
Bayesian Multiple Index Models for Environmental Mixtures
提出贝叶斯多指标模型框架,结合响应面与暴露指标方法优点,统一环境混合物分析,在NHANES数据中实现良好拟合与高可解释性。
2021-01-13 stat.ME
Continuous-time modelling of behavioural responses in animal movement
在生态学中,人们对了解野生动物如何受到人为干扰(如声音)的影响有很大的兴趣。行为反应研究是量化海军活动对海洋哺乳动物影响的一个重要方法。进行受控暴露实验,其中动物的行为在暴露于受控声源之前、期间和之后被量化,通常使用遥测标签(例如,加速度计或卫星跟踪器)。需要建立统计模型,以正式比较接触前后的模式,量化与基线行为的偏差。我们提出变系数随机微分方程(SDES)作为一个灵活的框架来模拟这样的数据,有两个组成部分:(1)时变基线动态,建模与非参数或随时间变化的协变量的随机效应,和(2)非参数响应模型,它捕获偏离基线。在连续时间内指定了PDE,这使得分析以不规则时间间隔收集的数据变得简单,这是动物跟踪研究的常见情况。我们描述了如何将该模型嵌入到一个状态空间建模框架,以考虑测量误差。我们提出了模型拟合,模型检查和不确定性量化(包括响应模型)的推理方法。我们将这种方法应用于两个行为反应研究数据集的喙鲸:卫星跟踪,和高分辨率的深度数据。我们的研究结果表明,鲸鱼的水平运动和垂直潜水行为改变后,暴露于声源,未来的工作应该评估这些反应的严重性和可能的后果。这两个非常不同的例子展示了可变系数的多功能性SDES来测量行为的变化,我们讨论了干扰鲸鱼的能量平衡的影响。
2022-12-19 stat.AP stat.ME
Bayesian Model-Averaged Benchmark Dose Analysis Via Reparameterized Quantal-Response Models
生物医学风险评估的一个重要目标是估计在目标人群中引起预先规定的不良反应的最低接触水平。在这样的设置中的暴露/剂量点被称为基准剂量(BMD)。最近,参数贝叶斯估计发现骨密度已成为流行。各种各样的候选剂量反应模型可用于应用这些方法,但是,导致模型的充分性和不确定性的问题。在这里,我们提高了贝叶斯估计技术的BMD分析应用贝叶斯模型平均产生点估计和(下)可信的界限。我们包括传统的剂量反应模型,允许更集中地使用引发先验信息时,建立贝叶斯层次结构的重新参数化。该方法的性能进行了评估,通过一个简短的模拟研究。致癌性试验的一个例子说明了计算方法。
2014-02-17 stat.ME
Incorporating prior information into distributed lag nonlinear models with zero-inflated monotone regression trees
本研究提出融入先验信息的分布滞后非线性模型改进方法,通过单调性约束、变量选择及树中树模型与零膨胀先验实现滞后选择,经模拟验证后应用于芝加哥极端温度与死亡率的滞后关联分析。
2023-10-04 stat.ME
Scalable Analysis of Bipartite Experiments
本文针对大型在线平台二分实验的推断问题,提出了协变量调整的 CA-ERL 估计器、基于随机化的推断方法及线性时间算法,在保证可扩展性的同时显著降低了方差和置信区间宽度。
2025-11-04 stat.ME
Estimating Heterogeneous Exposure Effects in the Case-Crossover Design using BART
本文提出 CL-BART,将 BART 嵌入条件 logistic 回归并用可逆跳 MCMC 估计病例交叉设计中的个体异质暴露效应,且在加州热浪与阿尔茨海默病研究中展示其效应修饰分析能力。
2024-06-09 stat.AP stat.ME
Causal isotonic regression
在观察性研究中,潜在的混杂因素可能会扭曲暴露与结果之间的因果关系。然而,在某些条件下,因果剂量反应曲线可以恢复使用G计算公式。当暴露是连续的时,估计这种曲线的大多数经典方法依赖于限制性参数假设,这带来了模型错误设定的重大风险。在这种情况下,非参数估计是具有挑战性的,因为在非参数模型中,这些曲线不能以常规速率估计。许多可用的非参数估计是敏感的某些调整参数的选择,并执行有效的推断与这样的估计可能是困难的。在这项工作中,我们提出了一个非参数估计的因果剂量反应曲线已知是单调的。我们表明,我们提出的估计程序推广了经典的最小二乘保序回归估计的单调回归函数。具体而言,它不涉及调整参数,并且对于曝光变量的严格单调变换是不变的。我们描述了我们提出的估计的理论性质,包括其不规则的极限分布和潜在的双重鲁棒推理。此外,我们通过数值研究说明了它的性能,并使用它来评估BMI和HIV疫苗试验中的免疫反应之间的关系。
2019-12-16 stat.ME
Statistical Methods for Selective Biomarker Testing
生物标志物是现代临床诊断、预后和分类/预测中至关重要的工具。然而,生物标志物研究存在财政和分析障碍。选择性基因分型是一种提高研究能力和效率的方法,其中选择具有最极端表型(反应)的个体进行基因分型(暴露),以最大限度地提高样本中的信息。在这篇文章中,我们描述了一个类似的程序,在生物标志物测试景观中,响应和生物标志物(暴露)都是连续的。我们提出了一个直观的反向回归最小二乘估计的参数相关的生物标志物值的响应。蒙特卡罗模拟表明,当联合正态分布假设满足时,该方法相对于随机抽样估计是无偏和有效的。我们说明了应用所提出的方法从慢性疼痛临床试验的数据。
2022-07-31 stat.AP stat.ME
Estimating Associations Between Cumulative Exposure and Health via Generalized Distributed Lag Non-Linear Models using Penalized Splines
针对现有ACE-DLNM仅适用于连续结局、难适配大数据集的局限,提出结合惩罚样条的广义ACE-DLNM及高效估计策略,经仿真和加拿大污染与住院数据验证,其推断更稳定且保留可解释性。
2025-05-21 stat.ME
Identification of causal policy effects for spatial exposure fields
本研究探讨空间暴露场干预政策的因果识别条件,证明高斯变换下仅Cameron-Martin空间平移满足正性,并分析正性失效对加权与结构估计的影响,提出结构识别准则及权重发散结果。
2026-09-15 stat.ME
Causal Influence Maximization with Steady-State Guarantees
Boston College(波士顿学院);Shanghai University of Finance and Economics(上海财经大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Chinese Academy of Sciences(中国科学院大学)
本研究提出CIM框架,在预算限制下通过两阶段方法最大化网络稳态潜在结果,提供因果推断与网络优化的结合及可证明的保证。
2026-10-02 stat.ME
The Design of Observational Longitudinal Studies
本文考虑了具有连续响应和二元时不变暴露的观察性纵向研究的设计,其中,通常,暴露是不平衡的,两组的平均响应在基线时不同,并且所有参与者的测量时间可能不相同。我们考虑组的差异是恒定的和那些随时间线性增加。我们研究功率,研究参与者的数量(N)和重复测量的数量(r),并提供公式,为每个数量时,其他两个是固定的,复合对称,阻尼指数和随机截距和斜率协方差。当N和r都可以由调查员选择时,我们研究了在成本约束下最大化功率和最小化固定功率成本的最优组合。直观的参数化用于所有数量。所有计算都是在免费软件中实现的。
2022-09-25 stat.AP stat.ME
A Unified Framework for Multiple Exposure Distributed Lag Non-Linear Models for Air Pollution Epidemiology
University of Waterloo(滑铁卢大学);Environmental Health Science and Research Bureau, Health Canada(加拿大卫生部环境健康科学研究局);Queen’s University(女王大学)
本文提出一种统一框架,整合了多暴露DLNMs的模型规范、估计、选择和堆叠,适用于四种模型结构,用于分析空气污染与死亡率的关系。
2026-04-24 stat.AP stat.ME