双稳健近端框架PSB：灵活处理删失结局，SEM和ACTG上表现最强！
Flexible Doubly Robust Proximal Causal Inference for Censored Outcomes
📖 AI 总结
本文提出了一种面向右删失生存结局的灵活双稳健近端因果推断框架，旨在解决存在未测量混杂因素时因果效应估计的难题。现有近端生存方法多依赖限制性较强的参数桥模型，为此作者构建了近端生存桥学习（PSB）方法，在已有治疗特异性生存曲线近端识别的基础上，推导出结果桥、治疗桥和双稳健三类估计量，并设计两种灵活桥学习器：基于核函数与低秩时间分解的PSB-K，以及通过投影最大矩限制损失训练的神经网络估计器PSB-N。与仅适用于标量结局的现有灵活近端学习器不同，PSB可直接处理删失和生存曲线目标。在标准结构方程基准、近端半合成ACTG研究及真实世界Framingham研究中，PSB-K在SEM和ACTG上表现最优，PSB-N在Framingham上最为稳定；针对现代因果生存基线、弱化或无效代理变量以及更重删失情形的附加实验进一步验证了其稳健性。
🔑 关键词速览
| Proximal Causal Inference | 近端因果推断，一种利用代理变量处理未测量混杂因素的因果推断方法。 |
| Doubly Robust | 双稳健，指估计量在结局模型或治疗模型之一正确指定时仍具有一致性的性质。 |
| Right-Censored Outcomes | 右删失结局，指事件发生时间超过观测截止时间而未被观测到的生存数据。 |
| Bridge Function | 桥函数，在近端因果推断中连接代理变量与混杂因素的函数，用于识别因果效应。 |
| Survival Curve | 生存曲线，描述随时间推移生存概率变化的函数，常用于时间-事件分析。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅