双重稳健估计模型及其在R上的实现

2021-06-20 曹志远 南方医科大学生物统计学系

背景

背景 应用中我们常依赖多因素模型对数据进行分析,但模型的使用要求模型假设与实际数据情况相吻合,当假设与实际偏差较大时,则容易带来错误的结论。在观察性研究者我们对模型的使用更为普遍,尤其是当存在混杂时,我们常依赖多因素模型进行混杂因素调整,此时,如果所用模型能正确反映处理、混杂和结局之间的关系,则效应估计量满足一致性和渐近无偏性,否则可能得到错误的结论。此外除了使用多因素模型进行混杂因素调整外,倾向性评分法(propensity score, PS)的使用也越来越普遍。倾向性评分的估计也依赖于统计模型,比如常用logistic回归或机器学习模型等估计倾向性评分,但是当倾向性评分模型假设错误时,同样会带来最终分析结果的偏差。双重稳健估计(doubly robust estimation)是这对这一问题提出的更为稳健的方法,该模型结合了针对结局的回归模型和针对处理的倾向性评分模型,从而得到一个具有双重稳健性的效应估计量,即只要回归模型和倾向性评分模型中有一个正确,就能保证估计量的一致性和无偏性。 双重稳健模型,主要是由Rubin等人在倾向性评分方法的基础上发展而来。1983年,Rosenba

版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (2)
#插入话题
  1. 2021-06-21 smart Ren

    认真学习

    0

  2. 2021-06-20 wxl882001

    了解

    0

相关资讯

重复测量方差分析该怎么做?这里给你最详细的案例

美国杜克大学教授们在《柳叶刀》子刊《糖尿病和内分泌杂志》通过2年的随机、平行、对照研究,认为吃得少对健康最有利。该论文的姊妹篇:科普性论文《吃饭8分饱?没错!《柳叶刀》证明少摄入能量更健康!》已经同时

临床试验中日期不完整的填补策略

临床试验中,日期采集很多,如随访点,不良反应记录日期,各个指标记录日期。但是常会出现日期不完整的现象。

那些年,收到的让人无法回答的审稿人意见

写文章投稿,审稿人给出的建议是五花八门。林子大了,什么鸟都有。同样,审稿意见多了,什么内容都有。虽然我们尊重审稿人及其意见,然而,总有一些审稿意见让人真的无法回答,又难以反驳。本文聊一下我个人遇到的一

临床研究统计学中常见的“坑”

随机对照临床试验(Randomized Controled Trial, RCT)是常见的重要的循证医学证据,为临床诊治提供重要依据。在临床试验设计中,专业设计和统计学设计都很重要。统计学设计包括:确

如何通俗地理解Family-wise error rate(FWER)和False discovery rate(FDR)

Family-wise error rate(FWER),暂时还不了解比较通俗易懂的翻译。False discovery rate(FDR),一般翻译为错误发现率。在研究使用假设检验解决机器学习中的分类问题时,我遇到了多重假设检验问题。FWER和FDR正是解决这一问题的两种方法。经过老师和师兄师姐的指导,我能够将FDR应用于自己的问题当中,并且实验结果也有所改善。但是,应用之后,我仍然存在一些

打开APP