Buchumschlag

Chasing Shadows: How Implausible Assumptions Skew Our Understanding of Causal Estimands

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vansteelandt, Stijn, Van Lancker, Kelly
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Automated, efficient and model-free inference for randomized clinical trials via data-driven covariate adjustment
von: Van Lancker, Kelly, et al.
Veröffentlicht: (2024)

Robust Covariate Adjustment in Multi-Center Randomized Trials
von: Alene, Muluneh, et al.
Veröffentlicht: (2025)

Robust evaluation of treatment effects in longitudinal studies with truncation by death or other intercurrent events
von: Baklicharov, Georgi, et al.
Veröffentlicht: (2025)

Assumption-Lean Quantile Regression
von: Baklicharov, Georgi, et al.
Veröffentlicht: (2024)

Instrumental Variable methods to target Hypothetical Estimands with longitudinal repeated measures data: Application to the STEP 1 trial
von: Bowden, Jack, et al.
Veröffentlicht: (2024)

Leveraging External Controls in Clinical Trials: Estimands, Estimation, Assumptions
von: Liu, Bo, et al.
Veröffentlicht: (2025)

Causal machine learning methods and use of cross-fitting in settings with high-dimensional confounding
von: Ellul, Susan, et al.
Veröffentlicht: (2024)

On Doubly Robust Inference for Double Machine Learning in Semiparametric Regression
von: Dukes, Oliver, et al.
Veröffentlicht: (2021)

On Weighted Orthogonal Learners for Heterogeneous Treatment Effects
von: Morzywolek, Pawel, et al.
Veröffentlicht: (2023)

Causal machine learning for high-dimensional mediation analysis using interventional effects mapped to a target trial
von: Chen, Tong, et al.
Veröffentlicht: (2025)

Robust Inference for Mediated Effects in Partially Linear Models
von: Hines, Oliver, et al.
Veröffentlicht: (2020)

A Unified Framework for Causal Estimand Selection
von: Barnard, Martha, et al.
Veröffentlicht: (2024)

Variable importance measures for heterogeneous treatment effects
von: Hines, Oliver J., et al.
Veröffentlicht: (2022)

Optimally weighted average derivative effects
von: Hines, Oliver, et al.
Veröffentlicht: (2023)

Lost in Aggregation: The Causal Interpretation of the IV Estimand
von: Tsao, Danielle, et al.
Veröffentlicht: (2026)

The Estimand Framework and Causal Inference: Complementary not Competing Paradigms
von: Drury, Thomas, et al.
Veröffentlicht: (2024)

Untangling Sample and Population Level Estimands in Bayesian Causal Computation
von: Oganisian, Arman
Veröffentlicht: (2025)

Parameterising the effect of a continuous treatment using average derivative effects
von: Hines, Oliver J., et al.
Veröffentlicht: (2021)

On estimands in target trial emulation
von: Gervasoni, Edoardo Efrem, et al.
Veröffentlicht: (2026)

Causal Analysis of Air Pollution Mixtures: Estimands, Positivity, and Extrapolation
von: Antonelli, Joseph, et al.
Veröffentlicht: (2024)

Mendelian Randomization Methods for Causal Inference: Estimands, Identification and Inference
von: Yao, Minhao, et al.
Veröffentlicht: (2025)

Longitudinal Outcomes Truncated by Death: Causal Estimands and Bayesian Estimators
von: Ortholand, Juliette, et al.
Veröffentlicht: (2026)

Two Stage Least Squares with Time-Varying Instruments: An Application to an Evaluation of Treatment Intensification for Type-2 Diabetes
von: Tompsett, Daniel, et al.
Veröffentlicht: (2024)

Integration of aggregated data in causally interpretable meta-analysis by inverse weighting
von: Vo, Tat-Thang, et al.
Veröffentlicht: (2025)

Targeted learning of heterogeneous treatment effect curves for right censored or left truncated time-to-event data
von: Pryce, Matthew, et al.
Veröffentlicht: (2026)

Estimands for Randomized Discontinuation Designs in Oncology
von: Mukherjee, Ayon, et al.
Veröffentlicht: (2025)

Estimating Treatment Effects with Missings Not At Random in the Estimand Framework using Causal Inference
von: de Villa, A. Ruiz, et al.
Veröffentlicht: (2025)

Assumption Smuggling in Intermediate Outcome Tests of Causal Mechanisms
von: Blackwell, Matthew, et al.
Veröffentlicht: (2024)

Quantifying the Internal Validity of Weighted Estimands
von: Poirier, Alexandre, et al.
Veröffentlicht: (2024)

Conditional Generative Models are Sufficient to Sample from Any Causal Effect Estimand
von: Rahman, Md Musfiqur, et al.
Veröffentlicht: (2024)

Contrasting Identifying Assumptions of Average Causal Effects: Robustness and Semiparametric Efficiency
von: Gorbach, Tetiana, et al.
Veröffentlicht: (2021)

Estimand-based Inference in Presence of Long-Term Survivors
von: Tai, Yi-Cheng, et al.
Veröffentlicht: (2024)

Stress-Testing Assumptions: A Guide to Bayesian Sensitivity Analyses in Causal Inference
von: Oganisian, Arman
Veröffentlicht: (2026)

From Estimands to Robust Inference of Treatment Effects in Platform Trials
von: Qian, Yuhan, et al.
Veröffentlicht: (2024)

Nonparametric estimation of the Patient Weighted While-Alive Estimand
von: Ragni, Alessandra, et al.
Veröffentlicht: (2024)

Generalizing Difference-in-Differences to Non-Canonical Settings: Identifying an Array of Estimands
von: Shahn, Zach, et al.
Veröffentlicht: (2024)

Estimands and doubly robust estimation for cluster-randomized trials with survival outcomes
von: Fang, Xi, et al.
Veröffentlicht: (2025)

A Skewness-Based Criterion for Addressing Heteroscedastic Noise in Causal Discovery
von: Lin, Yingyu, et al.
Veröffentlicht: (2024)

When Should We (Not) Interpret Linear IV Estimands as LATE?
von: Słoczyński, Tymon
Veröffentlicht: (2020)

Propensity weighting plus adjustment in proportional hazards model is not doubly robust
von: Gabriel, Erin E, et al.
Veröffentlicht: (2023)