The International Journal of Biostatistics· 2026Q2
Sürekli Maruz Kalmalar İçin Nedensel Doz-Yanıt İlişkilerini Tahmin Eden Bayesci Çerçeve
A longitudinal Bayesian framework for estimating causal dose-response relationships
- 0atıf
- Q2SCImago
- 2026yıl
Kısa özet
Yeni bir Bayesci çerçeve, sürekli maruz kalmalar için nedensel doz-yanıt ilişkilerini tahmin eder ve metro yolcu trafiği ile COVID-19 vakaları arasındaki bağlantıyı gösterir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Sürekli, zamana bağlı maruz kalmalar için marjinal boylamsal nedensel doz-yanıt fonksiyonlarını tahmin etmeye yönelik bir Bayesci çerçeve önerir.
- Zamana bağlı karıştırıcıları genelleştirilmiş eğilim skorları kullanarak hesaba katar.
- Zamansal korelasyonu yakalamak için genelleştirilmiş tahmin denklemleri yapısı içinde bir Dirichlet süreci kullanır ve sürekli maruz kalmanın fonksiyonel formu hakkında minimum varsayımda bulunur.
- Metro yolcu trafiği ve COVID-19 verilerine uygulanmış ve doz-yanıt örüntülerini belirlemiştir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract Existing causal methods for time-varying exposure and time-varying confounding focus on estimating the average causal effect of a time-varying binary treatment on an end-of-study outcome, offering limited tools for characterizing marginal causal dose-response relationships under continuous exposures. We propose a scalable, nonparametric Bayesian framework for estimating marginal longitudinal causal dose-response functions with repeated outcome measurements. Our approach targets the average potential outcome at any fixed dose level and accommodates time-varying confounding through the generalized propensity score. The proposed approach embeds a Dirichlet process specification within a generalized estimating equations structure, capturing temporal correlation while making minimal assumptions about the functional form of the continuous exposure. We apply the proposed methods to monthly metro ridership and COVID-19 case data from major international cities, identifying causal relationships and the dose-response patterns between higher ridership and increased case counts.
Yazarların özeti; kaynağından alınmıştır. The International Journal of Biostatistics, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: İstatistik ve Olasılık
Statistics and ProbabilityMathematics