MARC

 008260126s2025        us                              c    eng  d
■001000017357664
■00520260202103543
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798280716261
■035    ▼a(MiAaPQ)AAI32041071
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a574
■1001  ▼aXu,  Daniel.▼0(orcid)0000-0002-4750-7138
■24510▼aCausal  Inference  in  Complex  Observational  Settings  With  Applications  to  Electronic  Health  Record  Data
■260    ▼a[Sl]▼bHarvard  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a208  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-12,  Section:  B.
■500    ▼aAdvisor:  Mukherjee,  Rajarshi.
■5021  ▼aThesis  (Ph.D.)--Harvard  University,  2025.
■520    ▼aElectronic  health  record  (EHR)  data  serve  as  a  valuable  source  of  real-world  evidence  for  assessing  treatment  effects,  offering  rich,  longitudinal  patient  data  that  can  enhance  clinical  research,  inform  healthcare  decisions,  and  ultimately  improve  patient  outcomes.  However,  leveraging  these  complex  data  sources  for  reliable  statistical  inference  remains  challenging.  For  example,  one  common  difficulty  is  the  limited  availability  of  readily  validated  clinical  outcomes  in  EHR  data,  which  often  requires  labor-intensive  manual  annotation  through  chart  review.  A  related  challenge  arises  when  studies  span  multiple  institutions,  where  differences  in  patient  populations  can  introduce  heterogeneity  and  potential  biases.  These  complications  further  exacerbate  the  fundamental  challenge  of  using  observational  data  to  draw  valid  causal  conclusions.  In  this  dissertation,  we  propose  novel  statistical  methods  for  causal  inference  that  address  certain  complexities  relevant  to  clinical  studies  leveraging  EHR  data.  In  particular,  we  focus  on  two  settings  of  interest:  (1)  semi-supervised  learning,  where  outcome  labels  are  scarce,  and  (2)  transfer  learning,  where  data  must  be  integrated  across  diverse  populations.  We  hope  that  the  contributions  of  this  dissertation  offer  meaningful  steps  toward  unlocking  the  full  potential  of  EHR  data  for  clinical  and  translational  research.In  Chapter  1,  we  address  the  problem  of  estimating  treatment  effects  in  a  semi-supervised  setting  where  labeled  outcomes  are  sparse  but  unlabeled  data  are  abundant.  We  develop  a  semi-supervised  calibration  method  that  leverages  a  subsample  of  labeled  outcomes  to  calibrate  inferred  outcomes,  ensuring  that  the  downstream  treatment  effect  estimator  remains  consistent  despite  potential  errors  in  outcome  imputation.  Unlike  most  traditional  semi-supervised  methods,  we  allow  the  labeling  mechanism  to  depend  on  the  observed  data,  rather  than  assuming  it  is  completely  random.  This  problem  is  analogous  to  estimating  mean  outcomes  in  longitudinal  studies  with  monotone  missingness,  and  we  show  that  our  proposed  estimator  is  asymptotically  equivalent  to  the  augmented  inverse  probability  weighting  (AIPW)  estimator  when  a  consistent  estimate  of  the  labeling  propensity  score  is  available.  The  estimator  is  multiply  robust  and  locally  semiparametric  efficient.  We  also  demonstrate  improved  finite-sample  efficiency  in  semi-supervised  settings,  owing  to  an  effective  normalization  of  an  implicit  augmentation  term.  The  finite-sample  performance  is  evaluated  through  simulations,  and  we  illustrate  the  method  in  a  case  study  comparing  the  effectiveness  of  two  anti-TNF  therapies  on  remission  outcomes  in  patients  with  rheumatoid  arthritis.In  Chapter  2,  we  consider  the  problem  of  causal  mediation  analysis  in  a  semi-supervised  setting.  Causal  mediation  analysis  is  a  fundamental  tool  for  understanding  how  treatments  or  exposures  affect  outcomes  through  intermediate  variables.  However,  existing  methods  lack  theoretical  and  practical  guarantees  in  the  presence  of  substantial  missingness  in  the  outcome  variable.  To  address  this,  we  propose  a  robust  and  efficient  method  for  the  semi-supervised  estimation  of  natural  direct  and  indirect  effects,  accommodating  settings  both  with  and  without  surrogate  outcomes.  Our  approach  extends  the  double  machine  learning  framework  by  constructing  multiply  robust  one-step  estimators,  which  enable  the  use  of  flexible  machine  learning  algorithms  for  estimating  nuisance  functions.  We  show  that  the  proposed  estimators  are  asymptotically  normal  and  locally  minimax  optimal  under  semi-supervised  models  that  do  not  assume  the  distribution  of  the  non-missing  variables  to  be  known.  Through  extensive  simulations,  we  demonstrate  that  the  estimators  remain  unbiased,  yield  valid  inference,  and  achieve  substantial  efficiency  gains  by  leveraging  predictive  surrogates,  even  under  complex  data-generating  mechanisms.  We  illustrate  the  method  using  EHR  data  to  examine  whether  racial  disparities  in  Alzheimer's  disease-related  outcomes  are  mediated  through  cardiovascular  comorbidities.In  Chapter  3,  we  explore  the  problem  of  estimating  low-dimensional  functionals  in  a  target  population  using  data  from  both  source  and  target  domains,  where  the  two  distributions  are  only  weakly  aligned.  This  setting  arises  frequently  in  practice  when  performing  transfer  learning,  yet  remains  underexplored  in  the  context  of  functional  estimation.  We  focus  on  three  canonical  functionals  relevant  to  statistics  and  causal  inference:  the  quadratic  regression  functional,  the  expected  conditional  covariance,  and  the  mean  response  in  missing  data  models.  Rather  than  making  strong  parametric  assumptions  on  the  source  and  target  distributions,  we  model  weak  alignment  by  assuming  that  the  differences  in  conditional  mean  functions  across  domains  are  bounded  in  L2  norm.  For  each  functional,  we  propose  two  estimation  strategies:  (1)  an  influence  function-based  estimator  that  employs  existing  minimax-optimal  transfer  learning  methods  for  nuisance  estimation,  and  (2)  a  functional-level  confidence  thresholding  estimator  that  selects  between  source-  and  target-based  estimators.  We  derive  non-asymptotic  upper  bounds  on  the  estimation  risk  in  mean  absolute  error  and  show  that  both  strategies  achieve  faster  rates  than  target-only  estimators,  provided  that  posterior  drift  between  domains  is  sufficiently  small.  When  functionals  involve  two  nuisances,  we  demonstrate  that  some  of  the  proposed  estimators  are  able  to  outperform  the  minimax-optimal  target-only  estimator  as  long  as  the  degree  of  posterior  drift  in  either  of  the  two  nuisance  functions  is  sufficiently  small,  which  we  refer  to  as  distributional  shift  double  robustness.  Furthermore,  we  demonstrate  that  under  additional  assumptions  --  for  example,  by  directly  bounding  the  separation  between  the  functional  evaluated  at  source  and  target  distributions  --  the  functional-level  confidence  thresholding  estimator  can  attain  minimax-optimal  rates  up  to  log  factors.
■590    ▼aSchool  code:  0084.
■650  4▼aBiostatistics
■650  4▼aBioinformatics
■650  4▼aInformation  technology
■653    ▼aCausal  inference
■653    ▼aElectronic  health  records
■653    ▼aSemi-supervised  learning
■653    ▼aTransfer  learning
■690    ▼a0308
■690    ▼a0489
■690    ▼a0769
■690    ▼a0715
■71020▼aHarvard  University▼bBiostatistics.
■7730  ▼tDissertations  Abstracts  International▼g86-12B.
■790    ▼a0084
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17357664▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서