发表机构
UMR MIA Paris-Saclay, AgroParisTech, INRAE, U. Paris-Saclay; Laboratoire Servier; Office of Biostatistics and Epidemiology, Gustave Roussy, Oncostat U1018, Inserm, U. Paris-Saclay; R&D Unicancer; U. Paris-Saclay, UVSQ, Inserm, CESP U1018, Cancer Survivorship Group, Gustave Roussy; PreMeDICaL, Inria-Inserm, U. Montpellier, France; U. Paris Cité and U. Sorbonne Paris Nord, INSERM, CRESS（巴黎萨克雷大学农业食品科学高等学院、法国国家农业食品与环境研究院; 赛诺菲实验室; 巴黎萨克雷大学、INSERM、Oncostat U1018、古斯塔夫·鲁西癌症中心生物统计与流行病学办公室; Unicancer研发部; 巴黎萨克雷大学、凡尔赛圣康坦大学、INSERM、CESP U1018、古斯塔夫·鲁西癌症幸存者研究组; 法国蒙彼利埃大学、Inria-INSERM联合实验室PreMeDICaL; 巴黎西岱大学、北巴黎索邦大学、INSERM、CRESS）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本研究对用于处理观察性数据因果推断中复杂治疗与依从性定义的clone-censor-weight（CCW）方法进行统计视角的形式化，明确其因果估计量，建立估计量一致性并为自助法推断提供理论保证。
AI 中文摘要
目标试验模拟已成为从观察性数据中进行因果推断的标准框架。在该范式内，clone-censor-weight（CCW）方法为处理基线时无法区分治疗方案的复杂治疗和依从性定义提供了实用方法。尽管其应用日益广泛，但CCW的统计解释仍有限。本研究从统计视角基于容许集和随机干预对CCW方法进行形式化，明确了CCW所针对的因果估计量，在标准识别假设下建立了CCW估计量的一致性，并为基于自助法的推断方法提供了理论保证。
英文摘要
Target trial emulation has become a standard framework for causal inference from observational data. Within this paradigm, the clone-censor-weight (CCW) methodology provides a practical way to deal with complex treatment and adherence definitions when treatment regimes are not distinguishable at baseline. Despite its increasing use, the statistical interpretation of CCW remains limited. In this work, we formalize the CCW methodology from a statistical viewpoint based on admissible sets and stochastic interventions. We characterize the causal estimands targeted by CCW, establish consistency of CCW estimators under standard identification assumptions, and provide theoretical guarantees for bootstrap-based inference methods.
