Quantile Regression of Latent Longitudinal Trajectory Features
分位数回归在纵向数据分析中已显示出很好的应用前景。现有的工作主要集中在模拟横截面的结果,而结果轨迹往往携带更多的实质性信息在实践中。在这项工作中,我们开发了一个轨迹分位数回归框架,旨在稳健和灵活地调查潜在的个人轨迹特征与观察到的主题特征。所提出的模型是建立在建模与通常的参数假设解除或放松。我们得到我们的估计过程中,新奇的转换问题在手的分位数回归与扰动响应和适应的偏差校正技术处理协变量测量误差。我们建立了期望的渐近性质,包括一致相合性和弱收敛性。大量的仿真研究证实了所提出的方法的有效性以及其鲁棒性。DURABLE试验的应用揭示了合理的科学发现,并说明了我们建议的实用价值。
2018-06-18 stat.ME
Quantile regression on inactivity time
不活动时间或死亡率数据的寿命损失,涉及从关注事件发生到当前时间点的时间,最近已成为事件发生时间数据中固有累积信息的新汇总指标。与传统方法相比,这种汇总测量提供了几个好处,包括更直接的解释,但对严重删失的敏感性较低。然而,在文献中,没有系统的建模方法来推断分位数不活动时间。在本文中,我们提出了一个回归方法的分位数的闲置时间分布下的右删失。建立了回归参数的一致性和渐进正态性。为了避免在截尾下估计不活动时间分布的概率密度函数,我们提出了一种计算效率高的方法来估计回归系数估计的方差-协方差阵。仿真结果验证了所提出的估计量和检验统计量的有限样本性质。所提出的方法说明了一个真实的数据集,从乳腺癌的临床试验。
2020-04-13 stat.ME
Semiparametric logistic regression for inference on relative vaccine efficacy in case-only studies with informative missingness
本文提出半参数逻辑回归方法,在仅病例研究中处理病毒株类型信息性缺失,利用目标最大似然估计和机器学习推断亚组特异性相对疫苗效力,并应用于ENSEMBLE COVID-19试验。
2025-03-11 stat.ME
Rejoinder to "Multivariate Bayesian Logistic Regression for Analysis of Clinical Trial Safety Issues"
对W.“临床试验安全性问题分析的多变量贝叶斯逻辑斯谛回归”的反驳。DuMouchel [arXiv:1210.0385].
2012-10-02 stat.ME
A Non-Parametric Sensitivity Analysis for Bounding Bias in Hybrid Control Trials
UC Berkeley(加州大学伯克利分校);Novo Nordisk A/S(诺和诺德公司);Department of Mathematical Sciences, Aalborg University(奥尔堡大学数学科学系)
本文提出了一种非参数敏感性分析方法,用于评估混合对照试验中因未测量混杂因素导致的偏差边界,通过敏感性参数量化潜在偏差,并通过模拟验证其在控制偏差和提升统计效力方面的有效性。
2025-11-20 stat.ME
Discussion of "Multivariate Bayesian Logistic Regression for Analysis of Clinical Trial Safety Issues" by W. DuMouchel
W.“用于临床试验安全性问题分析的多变量贝叶斯逻辑斯谛回归”讨论。DuMouchel [arXiv:1210.0385].
2012-10-02 stat.ME
Discussion of "Multivariate Bayesian Logistic Regression for Analysis of Clinical Trial Safety Issues" by W. DuMouchel
W.“用于临床试验安全性问题分析的多变量贝叶斯逻辑斯谛回归”讨论。DuMouchel [arXiv:1210.0385].
2012-10-02 stat.ME
An Empirical Comparison of Parametric and Permutation Tests for Regression Analysis of Randomized Experiments
基于线性模型的假设检验被监管临床试验的组织广泛接受。这些测试是使用关于数据生成过程的强假设导出的,因此所得到的推断可以基于参数分布。因为这些方法很好理解,而且很强大,所以它们有时会应用于偏离假设的数据,例如序数整数分数。排列检验是一种非参数替代方法,需要最少的假设,这通常由进行的随机化来保证。我们比较协方差分析(ANCOVA),一个特殊的情况下,线性回归,包括分层,几个排列测试的基础上,控制预处理协变量的线性模型。在使用违反某些参数回归假设的模型进行随机化实验的模拟中,置换检验保持了与ANCOVA相当的功效。我们说明了使用这些排列检验与ANCOVA使用的数据从临床试验比较两种治疗胃食管反流病的有效性。考虑到临床试验的可观成本和科学重要性,额外的非参数方法(如线性模型置换检验)可作为主要研究终点统计推断的稳健性检查。
2017-10-10 stat.AP
Testing for Treatment Effect in Covariate-Adaptive Randomized Clinical Trials with Generalized Linear Models and Omitted Covariates
尽管在临床试验中广泛使用,但在协变量自适应随机化下,统计推断的有效性仍受到关注。在文献中,协变量自适应随机化下的推断性质主要针对连续响应进行了研究;特别是,众所周知,处理效应的常用双样本t检验通常是保守的,在这个意义上,实际检验大小小于标称水平。这种无效检验的现象也在没有调整协变量的广义线性模型中发现,有时由于膨胀的第一类错误而更令人担忧。本研究的目的是检查广义线性模型和协变量自适应随机化下处理效应的未校正检验。对于一大类协变量自适应随机化方法,我们得到了在原假设下检验统计量的渐近分布,并导出了检验是保守的、有效的或反保守的条件.详细讨论了几种常用的广义线性模型,如逻辑斯谛回归和泊松回归。还提出了一种调整方法,以实现一个有效的大小的渐近结果的基础上。数值研究证实了理论研究结果,并证明了所提出的调整方法的有效性。
2021-05-02 math.ST stat.ME stat.TH
Learn-As-you-GO (LAGO) Trials: Optimizing Treatments and Preventing Trial Failure Through Ongoing Learning
本文研究试验进行中调整干预组合导致标准推断失效的问题,将 LAGO 理论扩展至连续结局,给出有效估计、检验及最优干预组合置信集。
2023-07-13 math.ST stat.ME stat.TH
Random Norming Aids Analysis of Non-linear Regression Models with Sequential Informative Dose Selection
两阶段自适应优化设计是提高临床试验效率的一个有吸引力的选择。在这些设计中,基于中期数据,选择局部最佳剂量用于进一步探索,这引起来自两个阶段的数据之间的依赖性。在一个试验性研究中,当第一阶段样本容量固定,第二阶段样本量较大时,在具有独立正态误差的非线性回归模型下使用极大似然估计时,由于相关性,费舍尔信息不能使估计量渐近地充分标准化。在这种情况下,我们提出了三种替代的随机信息措施,并表明它们提供更好的归一化的MLE渐近。在模拟研究中研究了随机信息测度的性能,结果表明,当样本量较小时,观测信息的性能最好。
2019-05-23 stat.AP stat.ME
Improving the Hosmer-Lemeshow Goodness-of-Fit Test in Large Models with Replicated Trials
本文通过模拟研究揭示 Hosmer-Lemeshow 检验在样本量固定且含二元重复观测时,其功效随模型复杂度增加而下降,并验证 Surjanovic 等人提出的广义 HL 检验可缓解该问题,为两种检验的选择提供指导。
2023-10-27 stat.AP stat.ME
Estimands and cumulative incidence function regression in clinical trials: some new results on interpretability and robustness
本文基于大样本理论推导了竞争风险下累积发病函数回归模型的治疗效果估计量极限值,揭示了其敏感性,检验了假设检验的拒绝率以建立稳健性,并强调次要分析的重要性。
2024-01-10 stat.ME
Improving the Efficiency of Subgroup Analysis in Randomized Controlled Trials with TMLE
Division of Biostatistics, School of Public Health, University of California, Berkeley(加州大学伯克利分校公共卫生学院生物统计系);Center for Targeted Machine Learning and Causal Inference, School of Public Health, University of California, Berkeley(加州大学伯克利分校公共卫生学院靶向机器学习与因果推断中心);Novo Nordisk A/S(诺和诺德公司)
本文提出TMLE-PR和A-TMLE方法,通过利用非亚组参与者信息提升亚组治疗效应估计的精度,避免外部数据偏倚,用于心血管试验中亚组风险降低估计。
2026-11-17 stat.ME stat.ML
Addressing Confounding by Indication Through (Un)Measured Centre Characteristics in Learn-As-you-GO(LAGO) Trials
Boston University(波士顿大学);University of Washington(华盛顿大学);Yale University(耶鲁大学);Duke University(杜克大学)
本文提出通过引入固定中心效应来控制指示偏倚,统一了连续和二元结果类型的LAGO理论,并提供了统计检验和优化方法。
2026-07-29 math.ST stat.ME stat.TH
Semiparametric Weighted Spline Regression (SWSR) in Confirmatory Clinical Trials with Time-Varying Placebo Effects
针对确证性临床试验中时变安慰剂效应导致现有方法无法兼顾控制I类错误率和检验效能的问题,提出半参数加权样条回归(SWSR)方法,利用B样条非参数估计治疗效果,实现了I类错误控制、高检验效能和对未知时变效应的稳健性。
2025-06-01 stat.ME
On Data Enriched Logistic Regression
生物医学研究人员通常在明确定义的人群中研究某些暴露对疾病风险的影响。为了实现这一目标,黄金标准是设计一个试验,从该人群中选择适当的样本。由于此类试验的成本较高,通常收集的样本量有限,不足以准确估计某些暴露的影响。在本文中,我们讨论了如何利用外部"大数据"(具有更大样本量的数据)的信息,以提高估计精度的风险,引入小偏差。我们提出了一系列加权估计,以平衡包括大数据时的偏差增加和方差减少。我们将我们提出的估计量连接到已建立的惩罚回归估计量。我们使用二阶和高阶渐近展开推导出最优权重。使用广泛的模拟研究,我们表明,改善的均方误差(MSE)的回归系数可以是实质性的,即使有限的样本量和我们的加权方法优于现有的方法,如惩罚回归和詹姆斯斯坦的方法。我们还提供了理论上的保证,建议的估计将永远不会导致渐近MSE大于极大似然估计仅使用小数据一般。我们将我们提出的方法应用于亚洲队列联盟中国队列数据,以估计年龄,BMI,吸烟,饮酒和死亡率之间的关系。
2019-11-14 stat.AP
Comparing cluster-level dynamic treatment regimens using sequential, multiple assignment, randomized trials: Regression estimation and sample size considerations
可以使用患者级动态治疗方案来指导群集级的序贯、干预或治疗决策,以改善个体或患者级的结果。在集群级DTR中,干预或治疗可能会随着时间的推移而调整和重新调整,这是基于可能受到先前干预影响的集群变化,包括基于组成它的个体或患者的综合指标。随机化随机序贯多分配随机试验(SMART)可用于回答阻止科学家开发高质量集群级DTR的多个开放性问题。在群集随机化SMART中,顺序随机化发生在群集水平,结局在个体水平。这篇文章对集群随机SMART的设计和分析做出了两个贡献:首先,提出了一种加权最小二乘回归方法,用于比较嵌入SMART的集群级DTR之间的患者水平结果的均值。回归方法便于使用基线协变量,这在聚类水平试验的分析中通常是至关重要的。其次,当主要目的是连续患者水平结局均值的DTR间比较时,推导出两种常见群集随机SMART设计的样本量计算器。这些方法的动机是有效程序试验的自适应实施,据我们所知,这是精神病学中第一个集群随机SMART。
2016-07-14 stat.ME
A complex meta-regression model to identify effective features of interventions from multi-arm, multi-follow-up trials
本文提出一种受CNMA启发的元回归模型,通过在干预、研究和随访时间三个层面引入协变量与灵活交互项,并放宽对照组假设,从多臂多随访试验中识别复杂干预措施的关键特征。
2024-01-03 stat.ME
Regression-based estimation of heterogeneous treatment effects when extending inferences from a randomized trial to a target population
从随机试验到目标人群的扩展-推广或运输-推论的方法涉及调节一组大的协变量,足以使随机化和非随机化组互换。然而,决策者往往有兴趣在仅根据少数离散协变量定义的目标人群亚组中检查处理效应。在这里,我们提出了估计亚组特定的潜在结果的手段和平均处理效应的一般性和可移植性分析的方法,使用结果模型为基础的(g公式),加权和增强加权估计。我们考虑在目标人群及其非随机化亚组中估计亚组特异性平均处理效应,并提供适用于嵌套和非嵌套试验设计的方法。作为一个例子,我们应用的方法,从冠状动脉手术研究的数据,比较手术加药物治疗与药物治疗单独治疗慢性冠状动脉疾病的心肌梗死史定义的亚组的影响。
2021-09-30 stat.ME
Testing for Efficacy in Single-Subject Trials with Intervention Analysis
单一受试者或n/1研究设计已广泛用于评价治疗干预措施。许多统计方法如中裂趋势线、回归趋势线、Shewart-chart趋势线、二项检验、随机化检验和TryonC统计量已被用于分析单个受试者数据,但由于时间序列观察结果的序列依赖性,它们无法控制第一类错误。中断的时间序列分析保持第一类错误,但假设干预效应是相对于基线的线性趋势变化。在本文中,我们考虑了一个改进的干预分析模型(Box和Tiao,1975)的动态特征的干预效果在一个短系列的单受试者的数据。导出了最大似然估计,并提出了一种假设检验方法。该方法说明了一个真正的临床试验的失语症患者的约束诱导语言治疗。
2015-06-17 stat.AP
On Second order correctness of Bootstrap in Logistic Regression
Indian Institute of Technology Kanpur(坎普尔印度理工学院);Harvard Medical School(哈佛医学院)
本文提出了一种基于扰动重采样的自助方法,用于逻辑回归中MLE分布的近似,通过学生化和平滑技术实现二阶正确性,提升推断准确性。
2020-09-18 math.ST stat.ME stat.TH
Hypothesis tests for multiple responses regression: effect of probiotics on addiction and binge eating disorder
临床试验在医学研究中很常见,其中经常出现多个非高斯响应和时间依赖性观察。对这些研究数据的分析需要考虑这些特征的统计建模技术。本文提出了一种基于Wald统计量对多元协方差广义线性模型(McGLM)的回归和离差参数进行方差分析、多变量方差分析和多重比较检验的一般策略。McGLM为正态和非正态多变量数据分析提供了一个通用的统计建模框架,以及广泛的相关结构。我们设计了不同的模拟场景来验证所提出的测试的属性。结果是有希望的,表明所提出的测试提出的置信水平接近指定的所有模拟研究方案。作为该提案的补充,我们开发了R语言的实现来进行所提出的测试,代码可在补充材料中找到。该提案的动机是对一项临床试验的分析,该试验旨在评估使用益生菌控制接受减肥手术的患者成瘾和暴食症的效果。受试者被分为两组(安慰剂组和治疗组),并在三个不同的时间进行评估。结果表明,成瘾和暴食症随着时间的推移而减少,但在每个时间点组间没有差异。
2022-07-29 stat.AP
Incorporating External Data into the Analysis of Clinical Trials via Bayesian Additive Regression Trees
大多数临床试验涉及新治疗与对照组的比较(例如,护理标准)和处理效应的估计。外部数据,包括历史临床试验数据和真实世界的观察数据,通常可用于对照组。从外部数据中借用信息有望改善相关参数的估计,并增加检测处理效应(如果存在)的把握度。在本文中,我们建议使用贝叶斯加性回归树(BART)将外部数据纳入临床试验的分析,估计条件或人口平均处理效应的特定目标。BART自然地调整患者水平的协变量,并在不同的数据源中捕获潜在的异质处理效应,从而实现灵活的借用。仿真研究表明,BART优于分层线性模型和正态-正态分层模型。我们说明了所提出的方法与针灸试验。
2021-03-15 stat.AP stat.ME
Unbiased Regression-Adjusted Estimation of Average Treatment Effects in Randomized Controlled Trials
Massachusetts Institute of Technology(麻省理工学院)
本文提出留一法回归调整(LOORA)方法,用于估计随机对照试验中的平均处理效应。LOORA在有限样本中消除传统回归调整的偏差,提供精确的方差公式,并在大样本中与Lin(2013)的回归调整估计量方差匹配,同时保持无偏性。
2026-05-07 econ.EM stat.ME
Covariate adjustment and prediction of mean response in randomised trials
除了随机分组外,随机试验的分析通常基于调整基线协变量的回归模型。基于这些模型,通过对试验中基线协变量经验分布的基于模型的预测进行平均,可以获得分配至每种治疗的人群的边际平均结局估计值。我们确定在什么条件下,这样的估计是一致的,特别是表明,典型的广义线性模型,所得到的估计总是一致的。我们发现,最近提出的方差估计低估了真实的方差时,基线协变量是不固定的重复采样,并提供了一个简单的调整,以弥补这一点。我们还描述了一种替代的半参数估计,即使当使用的结果回归模型是错误的,这是一致的。不同的估计比较,通过模拟和应用,最近进行的试验在哮喘。
2017-07-14 stat.ME
Prognostic Adjustment with Efficient Estimators to Unbiasedly Leverage Historical Data in Randomized Trials
本研究将预后协变量调整扩展到非参数高效估计量,利用历史数据提高随机试验小样本下的功效且无偏倚,并通过模拟和真实临床试验数据验证。
2023-11-15 stat.ME
Enhancing Dose Selection in Phase I Cancer Trials: Extending the Bayesian Logistic Regression Model with Non-DLT Adverse Events Integration
本文提出BBLRM模型,通过引入参数δ整合非DLT不良事件,使I期肿瘤试验剂量递增更保守,在不影响MTD识别准确性的前提下降低毒性剂量选择比例,提升模型设计的安全性与临床接受度。
2025-08-15 stat.ME
Patient stratification in multi-arm trials: a two-stage procedure with Bayesian profile regression
精准医学是一个新兴领域,它考虑到个体异质性,为更好的临床实践提供信息。在临床试验中,评价处理效应异质性是一个重要组成部分,最近,已经提出了许多统计方法,用于根据这种异质性将患者分为不同的亚组。然而,大多数为此目的开发的现有方法集中在二分治疗的情况下,并不直接适用于多组试验。在本文中,我们考虑在多组试验设置的患者分层的问题,并提出了一个两阶段的贝叶斯非参数框架内的程序。具体来说,我们首先使用贝叶斯加性回归树(BART)来预测每个患者在不同治疗方案下的潜在结果(治疗反应),然后我们利用贝叶斯轮廓回归根据患者的基线特征和预测的潜在结果将其聚类为亚组。我们进一步嵌入变量选择程序到我们提出的框架,以确定积极“驱动”的聚类结构的患者特征。我们进行模拟研究,以检查我们提出的方法的性能,并通过将其应用于英国的多臂献血试验来证明该方法,其中我们的方法揭示了五个有临床意义的供体亚组。
2023-02-22 stat.AP stat.ME
An Empirical Likelihood Approach to Nonparametric Covariate Adjustment in Randomized Clinical Trials
协变量调整是随机临床试验和观察性研究分析的重要工具。它可以用来提高效率,从而提高功率,并减少可能的偏差。虽然随机临床试验中的大多数统计检验本质上是非参数的,但协变量调整方法通常依赖于特定的回归模型,例如连续结局的线性模型、二分结局的逻辑斯谛回归模型和生存时间的Cox模型。最近的几项工作集中在无模型协变量调整。本文利用经验似然方法,提出了一种协变量调整的非参数方法。新方法的一个主要优点是,它可以自动利用协变量信息的最佳方式,而无需拟合非参数回归。通常的渐近性质,包括Wilks型的结果收敛到一个χ 2分布的经验似然比为基础的测试,和相应的最大经验似然估计的渐近正态性,建立。它还表明,由此产生的测试是渐近最强大的,估计的处理效应达到半参数效率界。新方法应用于全球使用策略打开闭塞的冠状动脉(GUSTO)-I试验。进行了大量的模拟,验证了理论研究结果。
2011-08-02 stat.ME
Regression analysis for covariate-adaptive randomization: A robust and efficient inference perspective
线性回归可以说是最基本的统计模型;然而,其在随机临床试验中使用的有效性,尽管是常见的做法,从来没有水晶般清晰,特别是当分层或协变量自适应随机化。在本文中,我们调查了几个最直观和最常用的回归模型估计和推断的处理效应在随机临床试验。通过允许回归模型被任意误指定,我们证明了所有这些基于回归的估计稳健地估计了处理效应,尽管可能具有不同的效率。我们还提出了一致的非参数方差估计,并比较其性能的基于模型的方差估计,是现成的标准统计软件。基于结果,并考虑到理论效率和实际可行性,我们提出了建议,在各种情况下有效地使用回归。对于均匀分配,使用通常的最小二乘方差估计量对分层协变量和其他基线协变量(如有)进行回归调整即可。对于不平等分配,应使用治疗与协变量相互作用的回归,以及我们提出的方差估计。这些建议适用于简单和分层随机化,以及最小化等。我们希望这项工作有助于澄清和促进回归在随机临床试验中的使用。
2020-09-04 stat.ME
Estimating the Expected Value of Sample Information across Different Sample Sizes using Moment Matching and Non-Linear Regression
背景资料:样本信息的期望值(EVSI)确定了任何未来研究的经济价值,其特定设计旨在减少健康经济模型中的不确定性。这有可能作为试验设计的工具;可以比较不同设计的成本和价值,以找到具有最大净效益的试验。然而,尽管最近的发展,EVSI分析可能会很慢,特别是在优化大量不同的设计时。方法:本文开发了一种方法,以减少计算不同样本量的EVSI所需的计算时间。我们的方法将矩匹配方法扩展到EVSI估计,以优化基础试验的不同样本量,其计算成本与单个EVSI估计相似。该扩展计算替代样本量的后验方差,然后使用贝叶斯非线性回归计算EVSI。结果如下:一个健康经济学模型,以评估慢性疼痛干预措施的成本效益表明,这种EVSI计算方法是快速和准确的现实模型。该示例还强调了如何使用EVSI比较不同的试验设计。结论:当计算不同样本量的EVSI时,所提出的估计方法快速且准确。这将使研究人员能够实现使用EVSI来确定经济上最佳的试验设计以减少健康经济模型中的不确定性的潜力。局限性:我们的方法依赖于一些额外的模拟,这在具有非常大的计算成本的模型中可能是昂贵的。
2018-04-25 stat.ME
While-alive regression analysis of composite survival endpoints
Yale School of Public Health(耶鲁大学公共卫生学院);Dana-Farber Cancer Institute(达纳-法伯癌症研究所)
针对复合生存结局存活期间指标缺乏时变效应回归方法的问题,本文开发了基于样条函数的回归框架,可处理独立和整群数据,推导了渐近性质并经模拟验证,还应用于两项临床试验数据,方法已在WAreg R包实现。
2025-11-12 stat.AP stat.ME
Cumulative Logit Ordinal Regression with Proportional Odds under Nonignorable Missing Response -- Application to Phase III Trial
本文针对临床试验中不可忽略的有序响应缺失问题,提出基于期望最大化的比例优势累积Logit回归拟合算法,并通过模拟研究和III期银屑病试验验证其有效性。
2025-05-07 stat.AP stat.ME
Two-Stage Penalized Regression Screening to Detect Biomarker-Treatment Interactions in Randomized Clinical Trials
University of Cambridge(剑桥大学);Newcastle University(纽卡斯尔大学)
在随机临床试验中,越来越多地测量基因组学等高维生物标志物。因此,人们对开发提高检测生物标志物-治疗相互作用的能力的方法越来越感兴趣。我们适应最近提出的两阶段的相互作用检测程序在随机临床试验的设置。我们还提出了一个新的阶段1多变量筛选策略,使用岭回归来解释生物标志物之间的相关性。对于这个多变量筛选,我们证明了渐进的阶段间的独立性,所需的家庭明智的错误率控制,生物标记治疗的独立性。模拟结果表明,在各种情况下,岭回归筛选程序可以提供比传统的一次一个生物标志物的筛选程序在高度相关的数据显著更大的功率。我们还在两个实际的临床试验数据应用中验证了我们的方法。
2021-04-28 cs.LG q-bio.QM stat.ME
A Mathematical Programming Approach for Integrated Multiple Linear Regression Subset Selection and Validation
多元线性回归的子集选择旨在通过选择少量解释变量来构建误差最小的回归模型。一旦建立了模型,就会进行各种统计测试和诊断,以验证模型并确定是否符合回归假设。大多数传统方法在这一步需要人为决策。例如,用户添加或删除变量,直到获得满意的模型。然而,这种试错策略不能保证一个子集,最大限度地减少了错误,同时满足所有的回归assumptions.In本文中,我们提出了一个完全自动化的多个线性回归子集的选择,集成模型的建立和验证数学规划的基础上的模型建设过程。该模型最大限度地减少了均方误差,同时确保大多数重要的回归假设得到满足。我们还提出了一个有效的约束来近似系数t检验的约束。当没有子集满足所有考虑的回归假设时,我们的模型提供了一个替代子集,满足大多数假设。计算结果表明,我们的模型产生更好的解决方案(即,满足更多的回归假设),同时保持类似的解释能力。
2020-07-26 stat.ML
Trial design considerations in the face of overdispersion and time-varying event rates: a meta-regression approach with an application in asthma
University Medical Center Göttingen(哥廷根大学医学中心);Lung Clinic Immenhausen(伊门豪森肺科诊所);University of Duisburg-Essen(杜伊斯堡-埃森大学)
本研究针对哮喘试验的过离散与时变事件率问题,采用分层负二项模型与元回归分析62项试验数据,明确其异质性与时间趋势,为试验设计提供稳健的样本量计算方法。
2026-10-16 stat.AP stat.ME
Regression-Based Proximal Reconciliation of Conflicting Trials with Unmeasured Effect Modifiers
University of Pennsylvania(宾夕法尼亚大学);UTHealth Houston McGovern Medical School(休斯敦健康科技大学麦戈文医学院)
本研究针对存在未测量效应修饰因子的冲突试验,构建因果推断框架,开发基于回归的检验方法与等价检验框架,引入协调比例,通过实例分析为解释试验结果冲突提供依据。
2026-08-06 stat.AP stat.ME
Exact Bias Correction for Linear Adjustment of Randomized Controlled Trials
Freedman(2008)在一个有影响力的实证实践批判中指出,在随机化模型下,线性回归估计量在分析随机对照试验时存在偏倚。根据Freedman的假设,我们推导出精确的闭合形式的偏差校正的线性回归估计和不治疗的协变量的相互作用。我们证明了偏差校正估计量的极限分布与未校正估计量的极限分布是相同的,这意味着可以在不引入任何偏差风险的情况下获得调整的渐近增益。结合Lin(2013)的结果,我们的结果表明,Freedman反对使用回归调整的理论论点可以通过对实践的微小修改而完全解决。
2021-10-25 econ.EM stat.ME
Inconsistent treatment estimates from mis-specified logistic regression analyses of randomized trials
当临床试验中治疗之间的差异通过平均值差异估计时,众所周知,随机化可确保无偏估计,即使不考虑重要的基线协变量。然而,当通过其他总结评估治疗效果时,例如,如果结局为二元,则通过比值比评估,如果忽略某些协变量,则可能会出现偏倚,无论治疗分配是否使用随机化或试验规模如何。当逻辑斯谛回归中忽略了重要的正态分布协变量时,我们给出了这种渐近偏差的精确闭合形式近似。我们比较这种近似与文献中的,并得出更方便的形式,这些现有的结果。这些表达式可以深入了解偏差的形式,模拟显示其可用于正态分布以外的分布。即使模型中存在额外的二元协变量,关键结果也适用。
2014-07-21 math.ST stat.ME stat.TH
Bayesian Nonparametric Common Atoms Regression for Generating Synthetic Controls in Clinical Trials
本研究提出贝叶斯非参数公共原子回归模型,利用电子健康记录为单臂临床试验构建合成对照臂,模拟实验显示其检测治疗效应效力更优,已应用于胶质母细胞瘤研究补充对照。
2023-05-06 stat.AP stat.ME
Partial Ordering Bayesian Logistic Regression Model for Phase I Combination Trials and Computationally Efficient Approach to Operational Prior Specification
MRC Biostatistics Unit, University of Cambridge(剑桥大学医学研究委员会生物统计学单元)
本文提出一种结合部分序和更灵活的双参数逻辑模型的贝叶斯部分序逻辑模型,用于I期联合试验,并提出一种计算高效的运算先验规范方法。
2024-09-16 stat.ME
Incorporating external data for analyzing randomized clinical trials: A transfer learning approach
本文提出面向随机临床试验的迁移学习框架,通过基于参数的信息迁移增强 lasso 调整的层特异治疗效果估计量,并给出渐近理论与方差推断方法。
2024-09-06 stat.ME
Doubly Robust Quadratic Inference Functions for Causal Inference in Cluster Randomized Trials
University of Michigan(密歇根大学)
提出双重稳健二次推断函数(DR-QIF)估计量,结合倾向得分和结果回归模型,在整群随机试验中处理协变量不平衡,当任一模型正确指定时一致估计平均处理效应,且在错误指定工作相关结构时比双重稳健GEE更有效。
2026-06-26 stat.ME
A monotone data augmentation algorithm for multivariate nonnormal data: with applications to controlled imputations for longitudinal trials
提出了一种有效的单调数据增广(MDA)算法,用于不完全多元非正态数据的缺失数据填补,这些数据可能包含不同类型的变量,并由一系列回归模型建模,包括线性、二项logistic、多项logistic、比例优势、泊松、负二项、偏正态、偏t回归或这些模型的混合。MDA算法应用于纵向试验的敏感性分析,该分析使用受控模式插补,假设在实验组受试者停止治疗后,处理效应降低或消失。我们还描述了一种启发式的方法来实现控制插补,其中完全条件规范方法被用来插补中间的缺失数据,以创建一个单调的缺失模式,和缺失数据后,辍学,然后根据假设的不可插补机制。通过仿真和实际数据分析说明了所提出的方法。
2018-11-20 stat.ME
Principled Drug-Drug Interaction Terms for Bayesian Logistic Regression Models of Drug Safety in Oncology Phase I Combination Trials
在肿瘤学中,评估药物组合的试验变得越来越普遍。虽然联合治疗带来了更大的疗效潜力,但它们也为确保药物安全性带来了独特的挑战。在药物组合的I期剂量递增试验中,基于模型的方法可以有效利用收集的信息,但模型需要考虑试验的复杂性:随着在给定试验中同时测试的药物数量越来越多,相互作用的适当建模变得越来越重要。原则上,我们可以使用来自多组测试不同组合的数据来联合估计药物组合的毒性。然而,在用于确保患者安全性的贝叶斯逻辑斯谛回归模型(BLRM)框架中对药物-药物相互作用进行建模时,这些努力突出了局限性。以前的模型要么不考虑由于拮抗毒性引起的非单调性,要么表现出指数压倒单个药物在剂量反应中的贡献的根本缺陷。当药物组合表现出拮抗毒性时,这特别导致问题,在这种情况下,随着剂量变得非常大,毒性概率变得非常小。受Paracelsus“剂量决定毒药”的直觉启发,我们提出了附加的约束条件,避免了这一缺陷,并提出了一个与这些约束条件兼容的改进的交互模型。我们创建了具有指导意义的数据场景,展示了这种更受约束的药物-药物相互作用模型在防止过度毒性剂量组合的进一步给药和拮抗药物毒性下更合理的剂量发现方面的改进行为。该模型现在可以在开源OncoBayes 2 R包中使用,该包为任意数量的药物和试验组实现了BLRM框架。
2023-02-22 stat.AP stat.ME
Leveraging Historical Data for High-Dimensional Regression Adjustment, a Composite Covariate Approach
从参与临床试验的患者中收集的数据量不断增长。所有患者特征均为潜在协变量,可用于改善临床试验分析和把握度。然而,I期和II期研究中的患者数量有限,限制了分析中可能纳入的协变量数量。在本文中,我们调查的成本/效益比,包括协变量的临床试验分析。在此背景下,我们解决了长期存在的问题“什么是最佳的协变量数量包括在临床试验?为了进一步提高协变量的成本/收益比,可以利用历史数据来预先指定协变量权重,这可以被视为新复合协变量的定义。我们分析了在小型临床试验中估计处理效应时复合协变量的使用。复合协变量限制了自由度的损失和过拟合的风险。
2021-03-26 stat.ME stat.ML
Outcome Regression Methods for Analyzing Hybrid Control Studies: Balancing Bias and Variability
本文针对混合对照研究,提出增强、G计算和加权回归三种结局回归方法,探讨偏倚与方差权衡,模拟与实例表明加权回归在提升效率方面表现更优。
2025-01-29 stat.ME
Model-robust standardization in cluster-randomized trials
Yale School of Public Health(耶鲁大学公共卫生学院);Washington University(华盛顿大学);University of Michigan(密歇根大学)
本文提出了一种模型稳健标准化方法,通过统一框架对回归输出进行标准化,确保整群随机试验中处理效应参数的估计目标对齐推断,并引入了无论模型是否正确设定均一致的估计量。
2025-09-18 stat.ME
Bayesian multivariate logistic regression for superiority and inferiority decision-making under observable treatment heterogeneity
本文提出一种基于Pólya-Gamma展开的贝叶斯多元逻辑回归方法,用于在异质性治疗效应的随机对照试验中进行优越性决策,包含系数转换与决策程序,有效揭示亚组治疗差异。
2024-03-26 stat.ME
Regression Adjustment for Estimating Distributional Treatment Effects in Randomized Controlled Trials
本文提出一种结合分布回归与预处理信息的回归调整方法,在无强分布假设下提升随机实验中分布性处理效应估计效率,仿真与实际应用验证其精度更优,可识别传统方法遗漏的效应。
2025-01-14 econ.EM math.ST stat.ME
An Efficient Method for Computing Expected Value of Sample Information for Survival Data from an Ongoing Trial
近年来,欧洲药品管理局允许在临床试验过程的早期阶段对新药进行许可。当在早期阶段获得试验证据时,可能仅在一小部分患者中观察到关注的事件,如疾病进展或死亡。因此,卫生保健当局必须根据比以前更不成熟的证据决定采用新技术,从而导致临床和成本效益的更大不确定性。如果在做出决定时试验正在进行,则继续试验可能有价值,以便在做出收养决定之前收集更多数据。这可以通过样本信息的期望值(EVSI)来量化。然而,没有关于如何计算正在进行的试验的生存数据的EVSI的指南,也没有关于如何解释EVSI计算中生存模型选择的不确定性的指南。在这篇文章中,我们描述了算法计算EVSI延长试验的后续行动,无论是在一个单一的已知生存模型是假设,我们不确定真正的生存模型。我们比较了嵌套的马尔可夫链蒙特卡罗程序与非参数回归为基础的方法在两个合成的案例研究,并发现这两种方法之间的密切协议。基于回归的方法是快速和简单的实现,并容易扩展到包括任何数量的候选生存模型的模型不确定性的情况下。正在进行的试验的EVSI可以帮助决策者确定是否可以根据当前的证据或是否需要更成熟的证据来证明早期患者使用新技术的合理性。
2021-03-25 stat.ME
Belief likelihood function for generalised logistic regression
School of Engineering, Computing and Mathematics(工程、计算与数学学院);Oxford Brookes University(牛津布鲁克斯大学)
每当单个试验的不确定性被编码的信念措施(一个有限的随机集)的信念似然函数的重复试验的概念。这推广了传统的似然函数,并提供了一个自然的设置从统计数据的信念推断。因式分解的结果被证明的情况下,其中采用合取或析取组合,导致分析表达式的“尖锐”样本的情况下,伯努利试验的下限和上限的可能性,并制定一个广义的逻辑斯谛回归框架。
2018-08-20 cs.AI math.ST stat.ME
Generalizing trial evidence to target populations in non-nested designs: Applications to AIDS clinical trials
在大多数情况下,当试验受试者不是从目标人群中随机抽样时,来自随机试验的比较有效性证据可能无法直接推广到具有实质性利益的目标人群。出于需要从艾滋病临床试验组(ACTG)进行的两项试验中推广证据的动机,我们考虑加权,回归和双重稳健估计,以估计HIV干预措施在美国特定人群中的因果影响。我们专注于一个非嵌套试验设计和讨论策略的点和方差估计的目标人口平均处理效应。特别是在可概括性背景下,我们通过分析和经验证明,估计试验中已知的倾向得分不会增加每个加权、回归和双重稳健估计量的方差。我们应用这些方法将两项ACTG试验的平均处理效应推广到指定的目标人群,并将关键的实际考虑因素付诸实施。最后,我们报告的模拟研究,调查有限样本的操作特性的概化估计和三明治方差估计。
2022-04-11 stat.AP stat.ME