AJE — Vol 195 Issue 5 · 2026-06-24¶

共 11 篇 · American Journal of Epidemiology
目录核对 ⚠️ 疑似漏 27 篇（对照 OpenAlex 40 篇）：10.1093/aje/kwae458、10.1093/aje/kwae347、10.1093/aje/kwag022、10.1093/aje/kwaf182、10.1093/aje/kwaf066 等

本期导览¶

自动生成：归纳本期主要主题与脉络，不打分、不排名。

本期《American Journal of Epidemiology》第195卷第5期的11篇论文以流行病学中因果效应估计和暴露-结局关联为共同语境，可按方法学侧重点归纳为四条主线：①因果识别与混杂控制策略（target trial emulation、sibling fixed-effects、个体/家庭固定效应）；②模型约束的放松与灵活替代（保护函数建模、共享环境相关结构、链二项模型）；③纵向数据与缺失数据机制的处理（IPCW、贝叶斯缺失模型、多水平logistic回归）；④机器学习预测（随机生存森林）。多数应用研究仍依赖传统回归或固定效应模型，但部分方法学论文针对特定推断问题提出了更具灵活性的工具。

在因果识别层面，Initiation of proton pump inhibitors 明确采用new-user target trial emulation框架，通过逆概率删失加权（IPCW）处理纵向删失，是本期中因果推断框架最完整的案例；Religious switching 和 Damp housing conditions 分别依赖sibling fixed-effects和个体层面固定效应来消除未观测家庭或个体混杂，但对时变混杂的控制仍有限。COVID-19 infection and risk of incident hypertension 采用病例-对照时间-事件设计，但未引入工具变量或敏感性分析，可作为传统方法与现代因果框架对比的参考。在灵活建模方面，Statistical methods for estimating protective effects 针对检测阴性设计中逻辑回归对保护函数形式的刚性约束，改编缩放逻辑模型并检验其在不同函数下的表现，属于半参数效率思路的流行病学转化；On modeling the shared environment 放弃家庭内共享环境相关系数恒为一的假设，提出可变相关结构以降低遗传度估计偏倚；Assessing SARS-CoV-2 transmission 使用扩展链二项模型并嵌入贝叶斯框架处理缺失血清学数据，在缺失机制假设和精度增益上给出了模拟验证。这三篇方法论文虽不直接涉及因果效应识别，但均对模型施加的隐含假设做了精细化处理，适合关注半参数建模和缺失数据的研究者。

与因果推断方向最贴近的建议优先看 Initiation of proton pump inhibitors（target trial emulation + IPCW）和 Religious switching（sibling fixed-effects 与家庭控制）；与半参数/灵活建模方向贴近的有 Statistical methods for estimating protective effects（缩放逻辑模型）和 On modeling the shared environment（可变相关系数结构）；与缺失数据处理方向贴近的是 Assessing SARS-CoV-2 transmission（贝叶斯链二项模型 + MAR假设）。其余应用论文方法学贡献有限，但可作为特定问题的实证案例参考。

流行病学 (epidemiology, 11 篇)¶

1. 10.1093/aje/kwaf280 — Statistical methods for estimating the protective effects of immune markers using test-negative designs¶

作者: Casey E Middleton, Daniel B Larremore
期刊/来源: American Journal of Epidemiology
机构: University of Colorado Boulder · Santa Fe Institute
分类: vol 195 · issue 5 · pp 1357-1364
相关性 8/10 · novelty: application
摘要: 本文研究使用检测阴性设计（TND）估计免疫标志物保护效应的问题，重点关注保护函数（免疫检测值与疾病相对风险之间的数学关系）的估计。作者通过数学分析和模拟实验指出，常用的逻辑回归模型对保护函数的函数形式施加了根本性约束，可能导致过于简化的估计。为克服这一局限，他们改编并分析了一种最初为病例-对照数据设计的缩放逻辑模型（scaled logit model），作为更灵活的替代方法。模拟结果显示，该模型在多种生物学上合理的保护函数下提高了估计准确性，并讨论了其可能失效的条件。文章为研究人员提供了实用的建议，建议将缩放逻辑模型作为TND研究的新标准。本文的算例基于模拟数据，方法论清晰，适合作为流行病学应用领域中因果推断的入门读物。
关键技术: test-negative design, scaled logit model, logistic regression, protection function estimation, simulation experiments
为什么对您有用: 本文直接关联到您的二级兴趣领域——流行病学中的应用因果推断（检测阴性设计常用于疫苗有效性研究）。您的武器库中‘非参数统计’和‘因果推断的估计理论’可以用于思考如何将保护函数估计扩展到半参数或非参数方法（如核估计或样条），这可能改进当前参数模型的灵活性。这是一篇方法驱动的应用论文，值得作为进入TND文献的入口，后续可将更灵活的统计模型引入该领域（中期可做，需先熟悉流行病学中的核心概念如保护函数和TND的识别假设）。

2. 10.1093/aje/kwag026 — Initiation of proton pump inhibitors is associated with gut microbiome diversity and composition: a new-user target trial emulation within the Baltimore Longitudinal Study of Aging¶

作者: Bruno Bohn, Curtis Tilves, Toshiko Tanaka, Luigi Ferrucci, Chee W Chia, Adam Spira et al.
期刊/来源: American Journal of Epidemiology
机构: Colorado School of Public Health · University of Colorado Anschutz Medical Campus · National Institute on Aging · Institute on Aging · Johns Hopkins University · Johns Hopkins Medicine · Behavioral Pharma (United States)
分类: vol 195 · issue 5 · pp 1479-1483
相关性 7/10 · novelty: application
摘要: 本文研究质子泵抑制剂（PPI）启动对肠道微生物多样性和组成的影响，目标 estimand 是 PPI 新用药者的因果效应。采用 target trial emulation 框架，利用 Baltimore Longitudinal Study of Aging 队列数据，通过 new-user design 和克隆-删失方法模拟随机对照试验。核心方法包括 inverse probability of censoring weighting (IPCW) 处理删失、16S rRNA 测序分析微生物 α/β 多样性。主要实证结果显示 PPI 启动与 Shannon 多样性指数降低及特定菌属丰度变化相关。作为流行病学应用论文，方法学 novelty 有限但提供了完整的 target trial emulation 实例。
关键技术: target trial emulation, new-user design, inverse probability of censoring weighting, clone-censor-weight method, 16S rRNA microbiome analysis
为什么对您有用: 本文属于流行病学因果推断应用，展示了 target trial emulation + IPCW 在真实队列数据中的完整分析流程，对您 secondary interest 中的流行病学因果推断方法应用有参考价值。方法学上未提出新理论，但数据集和分析管道可作为因果推断方法（如 sensitivity analysis、longitudinal CI）的实证案例。暂不可做：核心贡献是应用而非方法创新，若您想深入 target trial emulation 的理论层面，需先补充 longitudinal causal inference 的 identification 理论（moderately_familiar 中的一项）。

3. 10.1093/aje/kwaf255 — On modeling the shared environment¶

作者: Henok Asefa, Hilde K Brustad, Øyvind Erik Næss, Dag S Thelle, René Holst
期刊/来源: American Journal of Epidemiology
机构: Jimma University · Oslo University Hospital · University of Oslo · Norwegian Institute of Public Health · University of Gothenburg · 657 Oslo
分类: vol 195 · issue 5 · pp 1349-1356
相关性 6/10 · novelty: weaker_assumption
摘要: 本文聚焦于家族数据中表型性状遗传度估计的关键成分——共享环境（shared environment）的建模。传统做法假设所有家庭成员间的共享环境相关系数为1，但这一严格假设难以刻画共享环境的动态性和复杂性。作者提出一类更一般的共享环境相关结构模型，允许不同家庭成员组合间具有不同的相关系数，从而更灵活地反映环境影响的异质性。通过模拟研究系统比较了多种模型设定下遗传度估计的偏差与精度，并应用挪威健康调查的BMI和收缩压数据进行了实证分析。结果表明，采用更现实的相关结构能显著降低估计偏倚、提高遗传度估计的准确性，并为疾病病因学理解提供更深刻的见解。本文为遗传流行病学中的环境混杂建模提供了可操作框架，对您从事流行病学应用中的未观测混杂与敏感性分析有直接参考价值。
关键技术: heritability estimation, shared environment modeling, correlation structure modeling, variance components, simulation-based comparison
为什么对您有用: 本文属于流行病学 gateway-reading。它清晰阐述了遗传度估计中共享环境建模的统计问题，无需深度遗传学知识即可理解，对不熟悉家族数据的统计学家非常友好。您的 nonparametric statistics 和 estimation theory 背景足以支撑理解其模型假设，并可延伸思考类似的弱假设建模思路如何迁移到因果推断中的未观测混杂处理。本文提供了可复现的模拟流程和公开健康数据应用，对于希望进入遗传流行病学方向的统计学家值得花时间细读全文。

4. 10.1093/aje/kwaf245 — Religious switching and mental disorders in young adulthood: evidence from Finnish population register data¶

作者: Kaarina Reini, Martin Kolk, Jan Saarela
期刊/来源: American Journal of Epidemiology
机构: Åbo Akademi University · Stockholm University · Institute for Futures Studies
分类: vol 195 · issue 5 · pp 1276-1283
相关性 5/10 · novelty: application
摘要: 本研究基于芬兰1986-2003年出生人群（n=1,060,280）的行政登记数据，估计宗教身份转换与精神障碍相关病假津贴（SA）之间的关联。核心estimand是不同宗教转换类型对SA风险的hazard ratio，采用Cox比例风险模型与sibling fixed-effects模型控制家庭混杂，并对转换者样本做conditional logistic回归分析转换前后SA风险变化。主要发现：非宗教归属者SA风险比路德宗多数群体高44%，宗教转换与SA风险升高38%-118%相关，且SA风险在转换前上升更陡峭，转换后仍维持高位。sibling fixed-effects结果与普通Cox模型一致，提示家庭混杂有限。本文对您可能有用之处在于提供了一个大规模登记数据的因果推断应用案例，展示了sibling fixed-effects与event-study-style分析在处理双向因果问题时的实际操作。
关键技术: Cox proportional hazards model, sibling fixed effects, conditional logistic regression, register-based cohort study, ICD-coded outcomes
为什么对您有用: 本文属于流行病学应用，使用sibling fixed-effects作为控制家庭混杂的工具，与您primary interest中的因果推断identification理论相关。技术层面，sibling fixed-effects是处理unobserved family-level confounding的经典方法，但本文未使用IV、DML或semiparametric效率理论等更精细的工具。对您的武器库而言：立即可做——可以用semiparametric efficiency theory分析sibling fixed-effects估计量的效率界，或用sensitivity analysis框架量化剩余混杂；若想深入方法学，可探索在该设定下引入proximal CI或IV方法处理时变混杂。

5. 10.1093/aje/kwaf288 — COVID-19 mitigation policies were associated with increased gun violence during 2020-2021¶

作者: Douglas A Wolf, Emily W Wiemers, Iliya Gutin, Jennifer Karas Montez, Shannon M Monnat
期刊/来源: American Journal of Epidemiology
机构: Syracuse University
分类: vol 195 · issue 5 · pp 1484-1487
相关性 4/10 · novelty: application
摘要: 本文研究 COVID-19 防控政策与枪支暴力增加之间的关联，estimand 是政策实施对枪支暴力发生率的变化效应。采用生态学研究设计，使用 2020-2021 年美国县级面板数据，比较不同政策严格程度地区的枪支暴力趋势差异。方法上主要依赖描述性趋势比较和回归调整，控制了时间固定效应和县级固定效应，但未采用现代因果推断方法（如 IV、DML、sensitivity analysis）来处理未观测混淆。主要实证结果显示，实施更严格 COVID-19 缓解政策的地区枪支暴力增加幅度更大。对您而言，这是一篇典型的流行病学应用论文，方法学 novelty 有限，但提供了真实世界数据集和因果问题的具体案例。
关键技术: panel data fixed effects, ecological study design, trend analysis, policy evaluation
为什么对您有用: 本文属于流行病学应用研究，涉及因果问题（政策效应评估）但未使用您熟悉的现代因果推断工具（IV、proximal CI、sensitivity analysis）。作为 gateway reading：数据集（县级面板、政策时间变异）和因果问题本身值得统计学者关注，但方法学深度不足，无法支撑您武器库中 semiparametric efficiency 或 DML 技术的施展。建议：若对流行病学应用感兴趣可快速浏览，但不必花时间精读全文。

6. 10.1093/aje/kwaf286 — Use of chemical hair straighteners in relation to incidence and growth of uterine leiomyomata: a prospective ultrasound study¶

作者: Lauren A Wise, Samantha Schildroth, Sharonda M Lovett, Ruth J Geller, Stacy A Patchel, Symielle A Gaston et al.
期刊/来源: American Journal of Epidemiology
机构: Boston University · Westat (United States) · National Institute of Environmental Health Sciences · Office of Minority Health · Henry Ford Health System
分类: vol 195 · issue 5 · pp 1462-1467
相关性 4/10 · novelty: application
摘要: 本研究探讨化学头发拉直剂（hair straighteners）使用与子宫肌瘤（uterine leiomyomata）发病率和生长之间的关联，采用前瞻性超声队列设计。研究人群来自美国社区队列，通过问卷采集护发产品使用信息，以标准化超声检查作为结局评估手段。主要分析方法包括 Cox 比例风险模型和 logistic 回归，调整年龄、BMI、种族等混杂因素后估计 hazard ratio 和 OR。结果显示频繁使用化学拉直剂（≥4次/年）与子宫肌瘤发病率升高相关（HR 约 1.2-1.4），但对已存在肌瘤的生长无显著影响。作为流行病学应用研究，本文提供了完整的队列数据和分析代码，对您在 epidemiology 方向寻找真实数据集进行因果推断方法实践有参考价值。
关键技术: prospective cohort study, time-to-event analysis, Cox proportional hazards model, ultrasound outcome assessment, confounding adjustment
为什么对您有用: 本文属于 epidemiology 应用研究，提供了完整的队列数据集和标准流行病学分析流程，可作为您尝试 IV、DML、semiparametric 方法在真实数据上实践的素材。由于研究设计为观察性队列，存在潜在未测量混杂，适合作为 sensitivity analysis 或 proximal CI 方法的应用场景。立即可做：用 very_familiar 的 estimation theory 和 software development 能力复现分析并尝试更复杂的因果推断方法。

7. 10.1093/aje/kwaf283 — COVID-19 infection and risk of incident hypertension: a case-control time-to-event study¶

作者: Jeremy David Goldhaber-Fiebert, Shannon C Phillips, Kimberley D Lucas, Donna A Jacobsen, David Studdert
期刊/来源: American Journal of Epidemiology
机构: Stanford Health Care · Stanford Medicine · Center for Policy Analysis · Stanford University · Department of Correctional Services
分类: vol 195 · issue 5 · pp 1310-1318
相关性 4/10 · novelty: application
摘要: 本研究采用病例-对照时间-事件设计，在加州31所州立监狱的39,746名持续监禁个体中，评估COVID-19感染与高血压发病风险的关联。纳入对象在疫情前无高血压诊断且未服用降压药物，有疫情前后BMI和血压测量记录，并接受过COVID-19检测。暴露定义为COVID-19阳性后31天开始，临床诊断确立高血压事件。多变量Cox比例风险模型调整了年龄、性别、种族/民族、BMI、基线血压以及医疗保健接触频率和COVID-19检测频次。结果显示，COVID-19阳性者高血压粗发病率为32.5/1000人年（95%CI: 30.5-34.6），阴性者为27.1/1000人年（25.8-28.5）；COVID-19感染与高血压发病风险显著相关（主效应HRR=1.44, 95%CI: 1.32-1.57；含交互作用HRR=2.05, 1.50-2.79），且在高BMI、高基线血压和年长者中关联更强。敏感性分析表明，感染后高血压诊断检测的增加不能解释这一结果。对您而言，该论文展示了在纵向队列中应用生存分析处理混杂和检验偏倚的实践范例，与您流行病学应用方向直接相关，其中的混杂控制策略和敏感性分析方法可迁移至其他因果推断研究。
关键技术: Cox proportional hazards model, case-control time-to-event design, multivariate adjustment, confounding assessment via increased diagnostic testing, incidence rate ratio
为什么对您有用: 该论文属于流行病学应用，直接对应您的secondary interest中“epidemiology (application, data sets, causal inference)”。您非常熟悉的“estimation theory in causal inference”中的混杂调整和敏感性分析思路可直接用于复现或扩展该研究的人群异质性分析（如BMI分层HR的效应修饰）。立即可做：您已有的Cox模型和因果推断方法即可复现类似的时间-事件分析，无需额外工具。

8. 10.1093/aje/kwaf270 — Association of naturalistic e-cigarette use and smoking cessation in US adults¶

作者: Junhan Cho, Dae-Hee Han, Alyssa F Harlow, Hongying D Dai, Adam M Leventhal
期刊/来源: American Journal of Epidemiology
机构: University of Southern California · USC Norris Comprehensive Cancer Center · Emory Healthcare · Emory University · University of Nebraska at Omaha · University of Nebraska Medical Center
分类: vol 195 · issue 5 · pp 1300-1309
相关性 4/10 · novelty: application
摘要: 本文利用美国全国代表性纵向面板数据（1255名基线吸烟者，2020-2022年，22次双周和13次月度调查），采用多水平 logistic 回归模型，在个体内层面研究电子烟使用状态（无/非每日/每日）随时间变化对戒烟及复吸的影响。核心设定为将过去7天电子烟使用作为时间滞后的时变预测因子，预测2周后7天点患病率吸烟结局，同时控制时变混杂。结果显示每日吸电子烟与2周后戒烟概率显著升高相关（调整RR 2.27），但非每日吸无显著关联；然而在已戒烟者中，每日和非每日吸均与复吸风险增加相关。本文是典型的因果推断应用研究，但采用了传统多水平模型而非现代纵向因果推断方法（如 g-computation、IPW 或 MSM），识别假设（无未测量混杂、时间顺序正确性）未充分论证。对您有价值之处：作为流行病学真实数据应用，其面板结构和时变暴露设计可启发纵向因果推断的敏感性分析或更严格的识别策略（如工具变量或负对照），且您熟悉的纵向因果推断估计理论可直接用于审视其结论的稳健性。
关键技术: multilevel longitudinal model, time-lagged within-person analysis, covariate adjustment for time-varying confounders, nationally representative panel
为什么对您有用: 连接流行病学（secondary interest）应用，数据集结构复杂（多波双周/月度调查）且时变暴露/结局设计为纵向因果推断提供了现实案例。您 familiar 的因果推断估计理论（very_familiar 中的 estimation theory in causal inference）可直接用于评估本文的识别假设和估计方法，例如检验未测量混杂是否可能反转结论，或考虑使用现代 g-methods 改进。立即可做：您可以用反事实框架批评本文的分析，或进行敏感性分析仿真。

9. 10.1093/aje/kwaf269 — Assessing SARS-CoV-2 transmission in African households from the reanalysis of serosurveys¶

作者: Lina Cristancho-Fajardo, Antoine Nkuba-Ndaye, Erica Simons, Nathanaël Hozé, Emilande Guichet, Yves Asuni Izia et al.
期刊/来源: American Journal of Epidemiology
机构: Centre National de la Recherche Scientifique · Inserm · Institut Pasteur · Université Paris Cité · Université de Montpellier · University of Kinshasa · National Institute of Biomedical Research · Institut de Recherche pour le Développement 等
分类: vol 195 · issue 5 · pp 1368-1378
相关性 4/10 · novelty: application
摘要: 本文基于2020-2021年在四个撒哈拉以南非洲城市（金沙萨、卢本巴希、科纳克里、雅温得）开展的SARS-CoV-2血清阳性率调查的家庭层面数据，采用扩展链二项模型（extended chain-binomial model）估计社区获得性感染概率和家庭内传播风险。模型通过贝叶斯框架处理缺失血清学结果（missing serology），假设数据缺失机制为随机缺失（MAR），并利用模拟验证了纳入缺失家庭数据可提高估计精度且不引入偏倚。结果显示社区感染比例随时间急剧上升，至2021年6月最高达73%；家庭内二代发病率（secondary attack rate）在8.9%-26.7%之间，家庭传播占总感染的9%-28%。估计值与南非结果及全球汇总估计（主要来自高收入国家）基本一致，但略低，提示非洲环境下的不同传播动态。本研究为低收入地区家庭传播研究提供了方法论参考，特别是对缺失数据处理策略的评估。对您的流行病学应用方向（家庭传播模型、缺失数据处理）有直接借鉴意义。
关键技术: chain-binomial model, missing serology, household transmission model, simulation-based bias assessment, Bayesian estimation
为什么对您有用: 本文聚焦流行病学研究中的家庭传播模型与缺失数据处理，属于您的secondary interest（流行病学应用）中“数据集、应用因果工作”方向。您非常熟悉的非参数统计和软件开发技能可直接用于复现或扩展其缺失数据处理策略（如比较不同缺失机制假设的敏感性），而moderately_familiar的M-estimation可帮助评估模型识别的稳健性。由于问题本身是标准流行病学模型且方法透明，武器库足以支撑您立即动手探索（如用R/Stan复现分析或引入更灵活的缺失数据模型）。

10. 10.1093/aje/kwaf242 — Predicting first onset of suicide attempt among children with suicidal ideation or non-suicidal self-injury using machine learning: a prospective population-based cohort study¶

作者: Chuncheng Huang, Yinan Zhou, Yanling Yue, Yanwen Yu, Zimao Wang, Chen Huang et al.
期刊/来源: American Journal of Epidemiology
机构: Tsinghua University · Washington University in St. Louis · University of Delaware · Florida State University · Capital University of Physical Education and Sports
分类: vol 195 · issue 5 · pp 1329-1341
相关性 4/10 · novelty: application
摘要: 本研究利用青少年脑与认知发展（ABCD）纵向队列数据，旨在识别有自杀意念或非自杀性自伤（NSSI）的儿童中首次自杀企图的预测因素。基线时分别纳入344名（平均年龄9.93岁）和261名（平均年龄9.88岁）儿童，随访4年。采用双变量特征筛选结合离散时间随机生存森林（Discrete-Time Random Survival Forest）构建预测模型。结果显示，有自杀意念组中40名（11.6%）儿童发生首次自杀企图，显著预测因素包括照顾者报告的NSSI、目睹家庭暴力、自杀念头严重程度、女性、在线社交屏幕使用及较少父母监督；NSSI组中32名（12.3%）儿童发生尝试，预测因素包括目睹家庭暴力、焦虑障碍、照顾者报告的NSSI、女性及破坏性冲动控制行为障碍。本文作为流行病学应用实例，展示了纵向生存数据中基于机器学习的预测建模流程，但未涉及因果识别或反事实估计。对于您关注流行病学数据集与因果推断应用的需求，本文可帮助了解该领域的数据结构和典型分析范式，但方法学贡献有限，暂不建议深入方法学改进。
关键技术: Discrete-Time Random Survival Forest, bivariate feature selection, longitudinal cohort study, machine learning prediction
为什么对您有用: 本文属于流行病学应用论文，连接您在流行病学数据集与因果推断应用上的次级兴趣。文中使用了纵向队列数据和预测建模，可作为入门读物帮助了解儿童自杀预防领域的数据结构与常见分析流程。但由于方法学上仅采用标准机器学习预测，未涉及因果识别、半参效率或高维统计工具，且统计创新的深度较低，因此暂不可做——您武器库中的因果推断和非参方法在此处无用武之地，无需投入时间精读。

11. 10.1093/aje/kwaf263 — Damp housing conditions as a determinant of psychological distress: a longitudinal analysis of the British Household Panel Survey¶

作者: Maria Rosa Gatto, Ang Li, Erika Martino, Rebecca Bentley
期刊/来源: American Journal of Epidemiology
机构: The Centre for Health (New Zealand) · Centre for Global Health Research · Melbourne Health
分类: vol 195 · issue 5 · pp 1284-1291
相关性 3/10 · novelty: application
摘要: 本文利用英国住户面板调查（BHPS, 1996-2008）的纵向数据，量化潮湿住房暴露对心理困扰的影响。暴露变量包括冷凝水、漏顶、腐烂和潮湿墙壁/地板等多个指标，并构建严重程度度量（暴露指标计数）。心理困扰由一般健康问卷（GHQ）衍生的二元变量衡量。采用多元固定效应逻辑回归模型控制个体水平不随时间变化的混杂，估计暴露与结局的关联。结果发现：任何潮湿暴露与心理困扰的OR为1.09（95%CI 1.05-1.14），冷凝水是最强预测因子（OR 1.09），每增加一个潮湿指标，心理困扰几率增加4%（OR 1.04）。冷凝水与窗/地板腐烂组合的关联最强（OR 1.25）。该研究为流行病学因果关联提供了观测证据，但未使用工具变量、敏感性分析或半参数高效估计等更复杂的因果推断方法。对您可能有用：作为应用流行病学论文，其暴露度量构建和面板数据固定效应分析思路可为您的纵向因果推断研究提供数据预处理和建模参考。
关键技术: fixed effects logistic regression, longitudinal panel data, multiple exposure indicators, General Health Questionnaire (GHQ)
为什么对您有用: 本文属于流行病学领域的应用因果推断，直接涉及您secondary interests中的流行病学（数据集、应用因果工作）。其使用固定效应模型控制时间不变混杂，是面板数据因果分析的基础方法，但对于您熟悉的高维和半参数理论来说方法较简单。武器库中的‘estimation theory in causal inference’和‘identification theory’可用来评估其混杂控制是否充分，并考虑引入敏感性分析或proximal causal inference方法补强。从扩展角度，您中期可做的工作是：在该数据上实现纵向因果推断中的g-computation或IPTW估计，需要先在‘semiparametric theory’上巩固。

Maintained by 陈星宇 · Homepage · Source on GitHub