Direkt zum Inhalt | Direkt zur Navigation

Eingang zum Volltext

Lizenz

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:25-opus-84750
URL: http://www.freidok.uni-freiburg.de/volltexte/8475/


Gall, Christine

Statistical models for estimating the effects of intermediate variables in the presence of time-dependent confounders

Statistische Modelle für Effekte von zeitabhängigen Einflussgrößen bei Existenz von zeitabhängigen Konfoundern

Dokument1.pdf (1.848 KB) (md5sum: 58f6c4d30f273c37c9c9621d69e2a424)

Kurzfassung in Englisch

Estimating the effect of a time-varying exposure when time-dependent confounders are involved is not feasible with standard statistical models. Models for causal inference cope with time-dependent confounders, but are still controversially discussed with respect to their unverifiable assumptions and the interpretation of their effect measures. In this thesis, two such models proposed by Robins are addressed which are defined within the counterfactual framework. This framework facilitates the definition of the treatment effect, but requires untestable identifying assumptions. These assumptions only implicitely pose restrictions on the observable data which means that the confounding structure between observables cannot be illustrated straightforwardly.
Insight into the properties of these two counterfactual models is given by bringing them together with common approaches defined within the observable framework. For illustration and to explore the applicability of the models, two data examples are considered.
The Structural Nested Failure Time Model (SNFTM) applies for survival settings. Its modelling assumptions with respect to the observable data structure are shown by proposing a multistate model which is conform with the SNFTM and where the causal SNFTM parameter directly enters. Multistate models do not use counterfactual or latent variables, but directly model the observable variables such that they arise successively as in a prospective trial. This model is also used as simulation model for data-generation to compare the behaviour of a typically used Cox model and the SNFTM.
Marginal Structural Models are flexible with respect to the type of outcome. To give access to this approach to people unfamiliar with the counterfactual framework, we show that it can be seen as an extension of a common approach developed for the handling of missing outcomes which is based on related unverifiable assumptions. Reducing the complexity, we regard the different components step by step before finally incorporating the structural model.


Kurzfassung in Deutsch

Wenn zeitabhängige Konfounder (Störgrößen) existieren, ist das Schätzen des Effekts einer zeitlich variierenden Einflussgröße mit typischen statistischen Modellen nicht möglich. Mit Modellen zur kausalen Inferenz können zeitabhängige Konfounder richtig adjustiert werden. Diese Modelle werden bisweilen kontrovers diskutiert; einerseits wegen ihrer Annahmen, die sich anhand von Daten nicht überprüfen lassen, und andererseits bezüglich der Interpretation ihrer Effektmaße.
In dieser Arbeit werden zwei solcher Modelle untersucht, die von Robins unter Verwendung des kontrafaktischen Ansatzes vorgeschlagen wurden. Der kontrafaktische Ansatz erleichtert die Definition des Behandlungseffekts, verwendet aber nicht überprüfbare Annahmen, die die Struktur der beobachtbaren Daten nicht direkt beschreiben, sondern sie nur implizit einschränken. Um die Eigenschaften der kontrafaktischen Modelle zu veranschaulichen, werden sie mit bekannten Ansätzen verglichen, die nur beobachtbare Variablen verwenden. Zur Untersuchung der Anwendbarkeit der Modelle, werden sie außerdem auf zwei reale Datenbeispiele angewendet.
Das Structural Nested Failure Time Modell (SNFTM) wird zur Analyse von Überlebenszeiten verwendet. Um die Modellannahmen bezüglich der beobachtbaren Datenstruktur explizit darzustellen, wird ein Multistadienmodell vorgeschlagen, das so konstruiert ist, dass es den Annahmen des SNFTM entspricht und dass der kausale SNFTM-Parameter direkt eingeht. Multistadienmodelle verwenden keine kontrafaktischen Variablen, sondern modellieren direkt die beobachtbaren Variablen, so wie sie sich sukzessive in einer prospektiven Studie ergeben würden. Dieses Modell wird auch als Simulationsmodell zur Datenerzeugung verwendet, um das Verhalten eines typischerweise verwendeten Cox-Modells und des SNFTM zu vergleichen.
Marginal Structural Modelle können für unterschiedliche Endpunkte verwendet werden. Zur Veranschaulichung dieser Modelle wird gezeigt, dass sie interpretiert werden können als wiederholte Anwendung eines gebräuchlichen Ansatzes für den Umgang mit fehlenden Werten, der keine kontrafaktischen Variablen verwendet, aber auf ähnlichen nicht verifizierbaren Annahmen basiert.


SWD-Schlagwörter: Ereignisdatenanalyse , Medizinische Statistik
Freie Schlagwörter (deutsch): Kontrafaktische Modelle , Zeitabhängige Kovariablen
Freie Schlagwörter (englisch): causal inference , counterfactual models , multistate model , survival analysis , time-dependent confounding
MSC Klassifikation 62N02 62P1
Institut: Inst. für Medizin. Biometrie und Medizin. Informatik (IMBI)
Fakultät: Fakultät für Mathematik und Physik
DDC-Sachgruppe: Informatik
Dokumentart: Dissertation
Erstgutachter: Schumacher, Martin (Prof. Dr.)
Sprache: Englisch
Tag der mündlichen Prüfung: 06.02.2012
Erstellungsjahr: 2011
Publikationsdatum: 23.02.2012
Indexliste