我作为流行病学家研究分娩和分娩。众所周知，大胎儿造成母体产伤的风险更高。但大宝宝也有可能因为难产而剖宫产。剖宫产不会有任何产妇分娩创伤的风险，因此，排除在使用创伤作为结果的分析之外。因此，信息审查是估计无偏相对风险的一个真正问题，尤其是在剖宫产率较高的情况下。有什么方法可以调整这种偏差吗？
剖宫产引起的信息审查
机器算法验证
审查
2022-03-21 14:58:33
2个回答
当我最初写下面的评论时，我假设 Heckman 估计可以用于二分结果，但我引用的第二篇论文说没有直接的类比。希望有人可以指出不同且更适用的资源。我仍然保留我最初的评论，因为我仍然觉得这些论文很有帮助。我不确定使用 OLS（与逻辑回归相反）会被视为多么可接受，因此您可以合并 Heckman 校正估计。
詹姆斯赫克曼的工作将适用于您的问题，特别是如果您有一个工具，您可以使用该工具来估计被选择进行剖腹产的概率，而与创伤风险无关。
样本选择偏差作为规范错误 作者：James J. Heckman Econometrica，Vol。47，第 1 期（1979 年），第 153-161 页。
此外，作为对主要面向非技术受众的 Heckman 选择估计器逻辑的介绍，我喜欢这篇论文
魔法还在吗？使用 Heckman 两步校正对犯罪学中的选择偏差 作者：Shawn Bushway、Brian Johnson、Lee Slocum Journal of Quantitative Criminology，Vol。23，第 2 期。（2007 年 6 月 1 日），第 151-178 页。
作为这里的另一种选择，如何使用多项逻辑回归（结果是创伤、[非选择性]剖腹产和无创伤？）
我不完全确定这种方法是否会完全解决偏见问题，但人们会得到一些关于胎儿大小和非选择性剖腹产之间关联的关联度量，并且可以将这些与相同的暴露和创伤之间的关联，并且至少对影响的大小进行了一些定性比较。
[这个问题被一个答案编辑碰到了，一个不活跃的原始提问者，所以我真的只是在这里提出另一个想法（另外我对这种问题很感兴趣）]
其它你可能感兴趣的问题