Functional Causal Mediation Analysis With Sparse Longitudinal Data and a Zero-Inflated Count Outcome
Existing causal mediation analysis methodologies concerning a zero-inflated count outcome primarily rely on simulation-based procedures which are computationally demanding. Furthermore, established techniques for incorporating a time-varying mediator fail when dealing with sparse and irregularly observed longitudinal data. In this work, we propose a novel approach for causal mediation analysis with a sparse longitudinal mediator and a zero-inflated count outcome. Our framework leverages principal component analysis through conditional expectation (PACE) to recover the mediator process and introduces a marginalised functional zero-inflated Poisson model to derive closed-form causal effects. This approach addresses the computational challenges of simulation-based methods and the limitations of standard functional mediation analysis in sparse settings. We demonstrate the utility of our method through simulation studies and a real-world application to a MIMIC-IV dataset.
Analyse fonctionnelle de la médiation causale pour données longitudinales éparses et un résultat de comptage avec excès de zéros
Les méthodologies existantes d'analyse de la médiation causale pour les résultats de comptage avec excès de zéros s'appuient principalement sur des procédures basées sur la simulation qui sont exigeantes en termes de calcul. En outre, les techniques établies pour incorporer un médiateur variable dans le temps échouent lorsqu'elles sont appliquées à des données longitudinales éparses et observées de manière irrégulière. Dans ce travail, nous proposons une nouvelle approche pour l'analyse de la médiation causale avec un médiateur longitudinal épars et un résultat de comptage avec excès de zéros. Notre cadre s'appuie sur l'analyse en composantes principales par espérance conditionnelle (PACE) pour récupérer le processus du médiateur et introduit un modèle de Poisson fonctionnel marginalisé avec excès de zéros pour dériver des effets causaux en forme explicite. Cette approche répond aux défis informatiques des méthodes basées sur la simulation et aux limites de l'analyse fonctionnelle standard de la médiation dans les environnements épars. Nous démontrons l'utilité de notre méthode au moyen d'études de simulation et d'une application réelle sur un ensemble de données MIMIC-IV.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais