Comparing two counterfactual-outcome approaches in causal mediation analysis of a multicategorical exposure: An application for the estimation of the effect of maternal intake of inhaled corticosteroids doses on birthweight
Notice bibliographique
Résumé
Although medical research frequently involves an exposure variable with three or more discrete levels, detailed presentations of mediation techniques for dealing with multicategorical (multilevel) exposures are sparse. In this paper, we study two causal mediation approaches applicable to such a type of exposure for continuous mediator and outcome: the closed-form regression-based approach of Valeri and VanderWeele, and the marginal structural model-based approach of Lange, Vansteelandt, and Bekaert. While the consideration of multicategorical exposures is found explicitly addressed in the literature for the latter approach, this is, to our knowledge, not yet the case for the former. We first illustrate the application of the two aforementioned approaches to assess the dose-response relationship between maternal intake of inhaled corticosteroids and birthweight, where this relationship is potentially mediated by gestational age. More specifically, we provide a precise roadmap for the application of the regression-based approach and of the marginal structural model-based approach on our cohort of pregnancies. Expressions for the natural direct and indirect effects associated with our categorical exposure are provided and, for the regression-based approach, analytic formulas for standard error calculation using the delta method are presented for these effects. Second, a simulation study which mimics our data is presented to add to current knowledge on these causal mediation techniques. Results from this study highlight the relevance to assess robustness of mediation results obtained from multicategorical exposures, most notably for the least prevalent of exposure categories.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,164 | 0,295 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».