Identifying and estimating effects of sustained interventions under parallel trends assumptions

逆概率加权 协变量 估计员 观察研究 加权 混淆 反概率 心理干预 计量经济学 统计 人口 平均处理效果 医学 数学 计算机科学 贝叶斯概率 环境卫生 精神科 放射科 后验概率
作者
Audrey Renson,Michael G. Hudgens,Alexander P. Keil,Paul N Zivich,Allison E. Aiello
出处
期刊:Biometrics [Oxford University Press]
标识
DOI:10.1111/biom.13862
摘要

Many research questions in public health and medicine concern sustained interventions in populations defined by substantive priorities. Existing methods to answer such questions typically require a measured covariate set sufficient to control confounding, which can be questionable in observational studies. Differences-in-differences rely instead on the parallel trends assumption, allowing for some types of time-invariant unmeasured confounding. However, most existing difference-in-differences implementations are limited to point treatments in restricted subpopulations. We derive identification results for population effects of sustained treatments under parallel trends assumptions. In particular, in settings where all individuals begin follow-up with exposure status consistent with the treatment plan of interest but may deviate at later times, a version of Robins' g-formula identifies the intervention-specific mean under stable unit treatment value assumption, positivity, and parallel trends. We develop consistent asymptotically normal estimators based on inverse-probability weighting, outcome regression, and a double robust estimator based on targeted maximum likelihood. Simulation studies confirm theoretical results and support the use of the proposed estimators at realistic sample sizes. As an example, the methods are used to estimate the effect of a hypothetical federal stay-at-home order on all-cause mortality during the COVID-19 pandemic in spring 2020 in the United States.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
bill发布了新的文献求助10
刚刚
scm完成签到 ,获得积分10
刚刚
有米饭没完成签到 ,获得积分10
刚刚
2秒前
julia完成签到,获得积分10
3秒前
昵称完成签到,获得积分10
3秒前
xin完成签到,获得积分10
4秒前
知性的水杯完成签到 ,获得积分10
5秒前
李健应助昵称采纳,获得10
5秒前
汏流萤完成签到,获得积分10
5秒前
南北完成签到,获得积分10
6秒前
一个美女完成签到,获得积分10
6秒前
yt完成签到,获得积分10
6秒前
量子星尘发布了新的文献求助10
6秒前
霍霍完成签到 ,获得积分10
6秒前
7秒前
bkagyin应助沉默的阁采纳,获得10
7秒前
皮皮完成签到 ,获得积分10
7秒前
迟大猫应助开心便当采纳,获得10
7秒前
渡劫完成签到,获得积分10
8秒前
Marcus完成签到,获得积分10
9秒前
今何在完成签到,获得积分10
10秒前
theverve完成签到,获得积分10
11秒前
科研通AI5应助sujinyu采纳,获得10
13秒前
kzkz完成签到 ,获得积分10
13秒前
量子星尘发布了新的文献求助10
13秒前
zhaozhao完成签到,获得积分10
13秒前
Wayne_Sun完成签到,获得积分10
13秒前
单薄铅笔完成签到,获得积分10
14秒前
姜姜完成签到,获得积分10
15秒前
雪白的傲薇完成签到 ,获得积分10
15秒前
搞怪的白竹完成签到,获得积分10
16秒前
小斌完成签到,获得积分10
19秒前
共享精神应助亲亲采纳,获得10
20秒前
20秒前
Hello应助单薄铅笔采纳,获得30
21秒前
开心便当完成签到,获得积分10
21秒前
现代雁桃发布了新的文献求助10
21秒前
hkh发布了新的文献求助10
22秒前
23秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
Statistical Methods for the Social Sciences, Global Edition, 6th edition 600
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
ALUMINUM STANDARDS AND DATA 500
Walter Gilbert: Selected Works 500
岡本唐貴自伝的回想画集 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3666539
求助须知:如何正确求助?哪些是违规求助? 3225542
关于积分的说明 9763464
捐赠科研通 2935392
什么是DOI,文献DOI怎么找? 1607657
邀请新用户注册赠送积分活动 759294
科研通“疑难数据库(出版商)”最低求助积分说明 735214