Tutorial for Surrogate Endpoint Validation Using Joint modeling and Mediation Analysis
本研究针对临床研究中替代终点验证的需求，提出结合元分析与中介分析的联合建模方法，解决两种传统方法的局限性，开发两种新模型并实现于R包，通过肿瘤学真实数据集验证了方法有效性。
2025-02-12 stat.AP stat.CO stat.ME
A joint model for multiple dynamic processes and clinical endpoints: application to Alzheimer's disease
作为其他神经退行性疾病，阿尔茨海默病是老年人中最常见的痴呆，其特征在于脑结构和临床功能（如认知功能和功能残疾）的多个进行性损伤。直到最近，这些组成部分大多是独立研究的，因为在统计界没有多变量纵向数据和至事件发生时间的联合模型。然而，这些成分在痴呆症的退化过程中基本上是相互关联的，应该一起分析。因此，我们提出了一个联合模型，同时描述多个相关组件的动态。每个组成部分，定义为一个潜在的过程，是衡量一个或几个连续的标记（不一定是高斯）。而不是考虑相关的诊断时间在标准的联合模型，我们假设诊断对应于通过以上的协变量特定的阈值（估计）的病理过程，这是建模为组合的组件特定的潜在过程。该定义捕获了诊断（例如痴呆诊断）的临床复杂性，但也受益于最大似然估计的计算的简化。我们表明，模型和估计程序也可以处理竞争的临床终点。估计程序，在R包中实现，验证了模拟和方法说明了一个大的法国人口为基础的队列的脑老化，我们专注于动态的三个临床表现和相关的风险痴呆症和痴呆症前死亡。
2019-05-27 stat.ME
Defining and Estimating Subgroup Mediation Effects with Semi-Competing Risks Data
在许多医学研究中，最终失效事件（如死亡）可能受到其他中间临床事件的发生和时间的影响。两个事件时间均通过失访进行删失，但非终末事件可通过主要结局的发生进一步删失，反之亦然。为了研究干预对两个事件的影响，中间事件可以被视为中介，但由于半竞争风险数据结构，直接和间接影响的传统定义不适用。我们根据潜在的中间事件是否发生在潜在的失效事件之前定义了三个主要层，这允许在一个层中正确定义直接和间接影响，而对所有层定义了总影响。我们讨论了识别特定层的影响的条件，并提出了一个半参数估计的基础上的多变量logistic层成员模型和层内比例风险模型的事件时间。通过将未观测到的层隶属度作为一个潜在变量，我们提出了一种期望最大化算法进行计算。我们利用现代经验过程理论研究了估计量的渐近性质，并在数值研究中检验了估计量的性能。
2021-01-15 stat.ME
A multistate approach for mediation analysis in the presence of semi-competing risks with application in cancer survival disparities
本研究提出一种考虑半竞争风险的多状态中介分析方法，定义并估计连续时间下的随机直接/间接因果效应，通过模拟验证忽略删失或竞争风险的偏差，并用于分析结肠癌患者治疗延迟对种族生存差异的中介作用。
2021-02-26 stat.ME
Sample size for a non-inferiority clinical trial with time-to-event data in the presence of competing risks
竞争风险模型的分析和规划方法在近几十年的文献中已有描述，非劣效性临床试验在当前的药学实践中有帮助。Parpia等人研究了存在竞争风险的非劣效性临床试验的分析方法，世卫组织指出，比例子分布风险模型适用于生物学研究。然而，竞争风险模型的分析方法与分析单一结局的非劣效性临床试验的方法不同，因此需要相应的方法来规划此类试验。基于比例子分布风险模型，给出了存在竞争风险的非劣效性临床试验样本量计算公式。主要终点依赖于子分布风险比。基于随机对照试验的120次模拟和一个实例验证了所提出公式的经验性能。结果表明，基于韦布尔分布的非劣效性临床试验竞争风险样本量公式的经验功效可以达到目标功效。
2018-02-28 stat.AP stat.ME
Competing-Risk Cure Models: A Comprehensive Systematic Review of Methodological Literature
University of Texas at El Paso（埃尔帕索德克萨斯大学）
本文对26篇竞争风险治愈模型的方法学文献从五个维度进行系统综述，明确模型分类与差异，指出可重复性不足问题，为模型选择与相关研究提供支持。
2026-09-02 stat.ME
Subsampling-based Tests in Mediation Analysis
本文针对中介分析中复合原假设导致的检验保守和功效不足问题，提出基于子抽样的枢轴检验统计量，并结合Cauchy组合检验提高功效，数值实验表明其水准控制和检验功效优于现有方法。
2024-11-19 stat.ME
Sample size calculation based on the difference in restricted mean time lost for clinical trials with competing risks
本文提出了一种基于Weibull分布的受限平均损失时间差（RMTLdWeibull）的样本量计算方法，用于存在竞争风险的临床试验，模拟表明其能保持预定的检验效能和稳健性，性能优于或相似于基于SHR的方法。
2023-11-21 stat.AP stat.ME
Exact parametric causal mediation analysis for a binary outcome with a binary mediator
一个参数表达式的因果自然的直接和间接的影响，推导出设置一个二元结果与二元中介。建议的效果分解不需要结果是罕见的，并概括了现有的，允许暴露和中介和混杂协变量之间的相互作用。此外，它概述了因果关系和相应的路径特定的逻辑斯谛回归参数之间的关系，在平行的结果下，罕见的结果假设。还给出了通过δ方法获得的标准误的公式。一个模拟研究的实施，比较这些估计的一些竞争。作为一个例子，说明了从小额信贷实验在波斯尼亚和黑塞哥维那来的数据的实证应用。
2020-08-26 stat.ME
A Bayesian Precision Response-adaptive Phase II Clinical Trial Design for Radiotherapies with Competing Risk Survival Outcomes
近几十年来，许多II期临床试验将生存结局作为主要终点。假设在II期试验中使用生存结局评估放射治疗。在这种情况下，通常会出现竞争风险问题，因为疾病进展的时间可以通过正常组织并发症的时间进行删失，反之亦然。此外，许多文献研究表明，接受相同放射治疗剂量的患者可能会产生不同的反应，由于其不同的辐射敏感性状态。因此，“一剂通用”的策略往往会失败，用辐射敏感性状态定义的亚组来评价亚组特异性处理效应更有意义。在本文中，我们提出了一个贝叶斯精密度II期试验设计，评价亚组特异性放疗的处理效应。我们使用特定原因的危害方法来模拟竞争风险生存结果。我们建议根据每个患者的辐射敏感性状态限制候选辐射剂量。仅考虑临床可行的个性化剂量，这将增强试验中患者的获益。此外，我们提出了一个分层贝叶斯自适应随机化方案，使更多的患者将被随机分配到报告更有利的生存结局的剂量。数值研究表明，所提出的设计表现良好，优于传统的设计，忽略了竞争的风险问题。
2022-03-14 stat.AP
Causal inference with recurrent and competing events
本文在复发事件与竞争事件背景下形式化多个因果估计目标，阐明其与因果中介效应（如直接效应和总效应）的对应关系，并利用干预主义中介估计目标定义具有临床相关性的新因果量，同时给出基于因果图的识别条件及其离散时间结果向连续时间对应量的收敛性。
2024-12-30 stat.ME
TITE-Safety: Time-to-event Safety Monitoring for Clinical Trials
针对临床试验安全监测现有二分类方法的局限，提出整合事件发生时间信息、处理删失与竞争风险的TITE-Safety方法，可减少20%以上预期毒性且控制I类错误，配套R包已发布。
2025-10-03 stat.ME
CHIMA: a correlation-aware high-dimensional mediation analysis with its application to the living brain project study
本文提出CHIMA方法，通过高维普通最小二乘投影筛选和近似正交化减少偏倚，在高相关中介变量条件下提升高维中介分析的识别能力，并在活体脑计划RNA-seq数据中识别出介导帕金森病影响脑细胞组成的基因。
2025-08-23 stat.ME
Targeted Maximum Likelihood Based Estimation for Longitudinal Mediation Analysis
本文针对纵向和生存结局的因果中介分析，提出了一种基于目标最大似然估计（TMLE）的纵向自然直接和间接效应估计方法，结合高度自适应套索（HAL）推导出有效影响曲线的新估计量（HAL-EIC）及快速单步算法，具有多重稳健性和局部有效性。
2023-04-11 stat.ME
PIONEER: Bayesian Joint Modelling of Mechanistic Tumour Growth and Time-to-Event Endpoints for Dynamic Prediction of Ongoing Oncology Trials
针对肿瘤学临床试验生存数据不成熟的问题，提出PIONEER贝叶斯联合建模框架，结合肿瘤大小动态与临床事件子模型，通过单次前向模拟得出临床终点，经案例验证可提前预测且量化不确定性，为临床开发决策提供支持。
2026-07-21 math.ST stat.AP stat.ME
Joint modeling of longitudinal HRQoL data accounting for the risk of competing dropouts
本文提出extJMIRT方法，在联合建模框架下将HRQoL数据导出的潜变量与特定原因脱落风险关联，优先处理纵向数据并将基线脱落风险作为协变量，为癌症临床试验中带信息性脱落的纵向有序分类数据提供稳健无偏分析。
2025-03-05 stat.AP
Separable Effects for Causal Inference in the Presence of Competing Events
在事件发生时间背景下，竞争事件的存在使因果效应的定义复杂化。在这里，我们提出了新的可分离效应来研究治疗对感兴趣事件的因果效应。可分离的直接效应是对感兴趣事件的处理效应，而不是通过其对竞争事件的效应介导的。可分离的间接效应是仅通过对竞争项目的影响而对感兴趣项目产生的处理效应。与罗宾斯和理查森的中介分析的扩展图形方法类似，只有在治疗可以分解为两个不同的组成部分，通过不同的因果路径发挥其作用的假设下，才能识别可分离的效果。与竞争事件存在时因果效应的现有定义不同，我们的被估量不需要跨世界对比或假设干预来防止死亡。作为一个例子，我们将我们的方法应用于前列腺癌患者雌激素治疗的随机临床试验。
2020-02-13 stat.ME
Stein-like Estimators for Causal Mediation Analysis in Randomized Trials
因果中介分析的目的是在明确规定的假设下估计自然的直接和间接影响。传统的中介分析基于普通最小二乘法（OLS）依赖于假定的中介和结果的不可测量的原因的情况下。当这种假设不能被证明时，可以使用工具变量（IV）估计量，以产生中介-结果联系的渐近无偏估计量。然而，如果存在有效的工具，偏差消除是以标准IV程序（如两阶段最小二乘法（TSLS））的方差膨胀为代价的。在文献中已经提出了一种半参数类斯坦（SPSL）估计，它在TSLS过程的无偏性和OLS估计的相对小的方差之间进行了自然的权衡。此外，SPSL的优点是它的收缩参数可以直接从数据估计。在本文中，我们演示了如何在随机对照试验中估计治疗的自然直接和自然间接效应的背景下实现这种Stein样估计。在模拟研究中，隐藏混杂的强度和仪器的强度都是独立变化的，研究了竞争方法的性能。这些考虑是由一项心理健康试验引起的，该试验评估了以初级保健为基础的干预措施对减少老年人抑郁症的影响。
2017-07-06 stat.ME
Direct and Indirect Treatment Effects in the Presence of Semi-Competing Risks
针对半竞争风险下治疗对终点事件的效应分解问题，提出两种基于中介分析、分别调整非终点事件流行率和风险率的分解策略，推导其渐近性质并通过模拟与真实数据验证差异。
2024-03-27 stat.ME
Mediation analysis of community context effects on heart failure using the survival R2D2 prior
提出基于贝叶斯R2D2先验的生存回归变量选择方法，通过简化计算加速收敛，并应用于中介分析发现社会经济不平等因素增加心力衰竭风险。
2024-11-12 stat.ME
A Bayesian semi-parametric approach to causal mediation for longitudinal mediators and time-to-event outcomes with application to a cardiovascular disease cohort study
针对队列研究中纵向中介变量和时变混杂因素导致的因果中介分析复杂问题，提出基于贝叶斯加法回归树（BART）模型的方法，可处理连续/二元时变变量及竞争事件，应用于ARIC队列研究评估药物对心血管疾病死亡时间的影响。
2024-11-27 stat.AP stat.ME
Pathway Lasso: Estimate and Select Sparse Mediation Pathways with High Dimensional Mediators
在许多科学研究中，通过大量的介质（如遗传和大脑介质）来描绘因果通路变得越来越重要。结构方程模型（SEM）是一种流行的技术来估计的途径效应，通常表示为产品的系数。然而，它变得不稳定，以适应这样的模型与高维介质，特别是对于一个一般的设置，其中所有的介质是因果依赖的，但它们之间的确切因果关系是未知的。本文提出了一个稀疏调解模型，使用正则化的SEM方法，这里的稀疏性意味着少数调解人之间的治疗和结果的非零调解效果。为了解决模型选择的挑战，我们通过引入一种名为Pathway Lasso的新惩罚进行创新。该罚函数是非凸乘积函数的凸松弛，并且它使得计算上易于处理的优化准则能够同时估计和选择多个途径效应。我们开发了一个快速ADMM型算法来计算模型参数，我们表明，迭代更新可以表示为封闭形式。在模拟数据和真实的fMRI数据集上，该方法比其他竞争方法产生更高的通路选择精度和更低的估计偏差。
2016-03-24 stat.AP stat.ME stat.ML
Individual dynamic prediction of clinical endpoint from large dimensional longitudinal biomarker history: a landmark approach
INSERM（法国国家健康与医学研究院）；University of Bordeaux（波尔多大学）；INRIA Bordeaux Sud-Ouest（法国国家信息与自动化研究所波尔多西南分部）
本研究提出一种结合界标法与机器学习生存分析的方法，利用大规模纵向生物标志物历史进行个体动态临床终点预测，并通过模拟和实际数据验证其优于标准生存模型。
2022-01-21 cs.LG stat.ML
Chauhan Weighted Trajectory Analysis of combined efficacy and safety outcomes for risk-benefit analysis
本研究提出将Chauhan加权轨迹分析（CWTA）应用于风险效益分析（RBA），通过结合疗效与毒性生成单一统计量，在模拟与I期临床试验中证实其能提升统计效能、减少样本量需求，并更客观高效地传达治疗风险与效益。
2024-09-20 stat.ME
Resampling-based confidence intervals and bands for the average treatment effect in observational studies with competing risks
本文针对观察性研究中带竞争风险的时间-to-event 终点，比较三种重抽样方法以构造因果风险差的置信区间和置信带，发现中等样本下 wild bootstrap 通常更优，并用霍奇金病生存数据加以验证。
2023-09-26 stat.ME
Optimal individualized treatment regimes for survival data with competing risks
针对现有精准医学方法无法同时兼顾生存和竞争风险终点的问题，提出一种两阶段非参数个体化治疗方案估计器，利用随机森林构建个体曲线并引入多效用价值函数，在模拟与外周动脉疾病队列中表现良好。
2024-11-13 stat.ME
Proximal Survival Analysis to Handle Dependent Right Censoring
针对流行病和临床研究中因协变量无法完全捕捉预后关联而导致的相依右删失问题，提出将协变量视为潜在预后不完美代理的非参数识别框架及自适应估计量，具有一致、渐近正态和双重稳健性。
2024-01-09 math.ST stat.ME stat.TH
Competing Risk Analysis in Cardiovascular Outcome Trials: A Simulation Comparison of Cox and Fine-Gray Models
Global Statistical Sciences, Eli Lilly and Company（全球统计科学，礼来公司）
本研究比较了Cox模型和Fine-Gray模型在心血管结局试验中的表现，发现低竞争风险下Cox模型更适用，而高竞争风险时需考虑替代方法。
2026-02-17 stat.AP stat.ME
Estimating Treatment Effects Through Intermediate-Event Pathways with Multi-State Data
Vaccine and Infectious Disease Division, Fred Hutchinson Cancer Center（弗雷德·哈钦森癌症中心疫苗与传染病部门）；Department of Economics, University of California San Diego（加州大学圣地亚哥分校经济学系）；Department of Biostatistics, University of Michigan（密歇根大学生物统计学系）；Amazon Inc.（亚马逊公司）
针对多状态数据中存在治疗诱导混杂的中间事件，提出多重稳健半参数有效估计量以估算通路治疗效应，分析利拉鲁肽在 LEADER 试验中对心血管等事件的效应及中介机制。
2026-11-06 econ.EM math.ST stat.ME
Nonparametric estimation of the total treatment effect with multiple outcomes in the presence of terminal events
University of Toronto（多伦多大学）；Harvard T.H Chan School of Public Health（哈佛陈曾熙公共卫生学院）；Stanford University（斯坦福大学）
本文提出非参数估计方法，用于多重结局情况下终端事件存在时的治疗效应估计，通过AUMCF扩展受限均值生存时间，并开发了协变量调整的增强估计器，通过模拟和临床试验数据验证其有效性。
2026-04-02 stat.ME
Longitudinal Random Forests for Sparse and Irregular Response Trajectories
Department of Mathematics and Statistics, Binghamton University（数学与统计学系，宾夕法尼亚大学伯灵顿分校）；Department of Mathematics, Illinois State University（数学系，伊利诺伊州立大学）；Department of Biostatistics, The University of North Carolina at Chapel Hill（生物统计学系，北卡罗来纳大学教堂山分校）
针对纵向研究中稀疏不规则响应轨迹问题，提出纵向随机森林（LRF）框架，利用树集成学习与自适应节点级轨迹估计，有五项方法贡献，模拟显示其性能优越，能解决五个重要临床问题。
2026-07-27 cs.LG stat.ME stat.ML
