Automatic Quality Control for Agricultural Field Trials -- Detection of Nonstationarity in Grid-indexed Data
本文提出了一种自动检测农业田间试验网格数据中非平稳性的方法，以提高试验质量和分析可靠性。
2025-12-15 stat.AP stat.ME
The Micro-Randomized Trial for Developing Digital Interventions: Experimental Design Considerations
即时适应性干预（JITAI）是一种随时间变化的适应性干预，它使用频繁的机会来适应干预，例如每周、每天甚至每天多次。这种高强度的适应是由数字技术的能力，以不断收集有关个人的当前环境的信息，并提供适应这些信息的治疗促进。微型随机试验（MRT）已经出现，用于为JITAI的构建提供信息。MRT在快速时变的数字干预环境中运行并利用该环境。MRT可用于解决关于JITAI的特定组件是否以及在什么情况下有效的研究问题，最终目标是开发有效和高效的组件。本文的目的是澄清为什么，何时以及如何使用MRT;强调设计和实施MRT时必须考虑的因素;并讨论这种新兴的优化试验设计为行为科学，教育和其他领域的未来研究提供的可能性。我们简要回顾了JITAIs的关键要素，然后描述了MRT的三个案例研究，每个案例研究都强调了可以使用MRT解决的研究问题和可能出现的实验设计考虑。我们还讨论了各种考虑因素，进入规划和设计的捷运，使用的案例研究作为例子。
2020-04-23 cs.HC stat.ME
Treatments for pregestational chronic conditions during pregnancy: emulating a target trial with a treatment decision design
为解决估计孕早期暴露因果效应的方法学挑战，提出采用治疗决策设计模拟目标试验，以临床标志事件为时间零点，并通过抗抑郁药和抗高血压药两项试验方案说明其对识别孕早期药物治疗因果效应的重要性。
2023-05-22 stat.AP stat.ME
The stratified micro-randomized trial design: sample size considerations for testing nested causal effects of time-varying treatments
移动设备和可穿戴传感器领域的技术进步有助于克服护理提供方面的障碍，使随时随地提供行为治疗成为可能。这些治疗的提供越来越多地由可能受到先前治疗影响的风险或参与的预测触发。此外，治疗通常被设计为在一段时间内对个体产生影响，在此期间可以提供后续治疗。在这里，我们讨论了我们的工作设计的移动健康戒烟实验研究，其中出现了两个挑战。首先，治疗的随机化应该发生在压力的时候，其次，在一段时间内，可能包括随后的治疗，利息的结果累积。为了应对这些挑战，我们开发了“分层微随机试验”，在该试验中，每个个体在治疗中随机分配，时间由从结果到先前治疗的预测确定，随机分配概率取决于这些结果。我们定义了条件性和边缘性近端处理效应。根据科学目标，这些影响可以在一段时间内定义，在此期间可以提供后续治疗。我们开发了一个主要的分析方法和相关的样本量公式来检验这些影响。
2017-11-09 stat.AP
Practical Considerations for Data Collection and Management in Mobile Health Micro-randomized Trials
人们越来越有兴趣利用移动技术的普及，通过向个人的智能手机提供瞬时的、情境化的干预措施来改善健康。及时适应性干预（JITAI）根据个人不断变化的状态和/或背景进行调整，以便在正确的时间，正确的地点提供正确的治疗。微随机试验（MRT）允许收集数据，通过在整个研究过程中的许多决策点将参与者顺序随机分配到不同的治疗方案，帮助构建优化的JITAI。通常，这些数据是使用移动电话被动收集的。为了评估治疗对近期结果的因果影响，在设计数据收集系统时必须小心，以确保其具有适当的高质量。在这里，我们为收集和管理MRT数据提出了几条建议。我们提供了关于选择收集哪些特征以及何时收集的建议，在“代理”之间进行选择以实现随机化，识别缺失数据的来源，以及克服其他新挑战。这些建议是根据我们对HeartSteps的经验提出的，HeartSteps是一种MRT，旨在测试旨在增加久坐成年人身体活动的干预措施的效果。我们还提供了一个清单，可以用来设计一个数据收集系统，使科学家可以更专注于他们感兴趣的问题，而不是清理数据。
2018-12-27 stat.AP stat.OT
Point estimation for adaptive trial designs I: a methodological review
最近FDA关于适应性临床试验设计的指南将偏倚定义为“治疗效果估计值偏离其真实值的系统趋势”，并指出需要获得和报告减少或消除这种偏倚的处理效应估计值。在许多适应性设计中，传统的处理效应试验终点估计值容易出现偏倚，因为它们没有考虑潜在的和已实现的试验适应性。虽然许多自适应设计的方法学发展往往集中在控制第一类错误率和权力的考虑，相比之下，有偏估计的问题得到了相对较少的关注。本文是两部分系列文章中的第一部分，研究自适应试验的点估计中的潜在偏倚问题。第一部分提供了一个全面的审查方法，以消除或减少潜在的偏差，在点估计的处理效应的自适应设计，而第二部分说明了如何在实践中实施这些，并提出了一套指导原则，试验统计学家。本文中回顾的方法可以大致分为无偏估计和偏差减少估计，我们还提供了一个分类的自适应设计的类型的估计。我们比较了所提出的方法，突出可用的软件和代码，并讨论了文献中潜在的方法差距。
2022-11-28 stat.AP stat.ME
Estimating hypothetical estimands with causal inference and missing data estimators in a diabetes trial
本文在2型糖尿病试验中应用假设性策略处理补救治疗与治疗中断，比较混合模型、多重填补、逆概率加权、G公式和G估计等方法，发现估计结果相似，并总结了方法选择的关键考虑因素。
2023-09-22 stat.AP stat.ME
Uncovering Treatment Effect Heterogeneity in Pragmatic Gerontology Trials
Yale School of Public Health（耶鲁大学公共卫生学院）；Yale School of Medicine（耶鲁大学医学院）；Perelman School of Medicine, University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院）
本研究利用BART方法揭示了实用老年学试验中治疗效应的异质性，发现尽管整体效应为零，某些子群体仍存在生活质量差异。
2026-01-07 stat.AP stat.ME
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
ROMI: A Randomized Two-Stage Basket Trial Design to Optimize Doses for Multiple Indications
本文提出ROMI随机两阶段篮式试验设计，通过潜在类别贝叶斯分层模型借用适应症间信息并考虑OBD异质性，以较小样本量为多个适应症分别优化剂量，模拟显示其操作特性优于忽略适应症或独立优化的设计。
2024-10-01 stat.ME
The ideal trial: defining causal estimands that balance relevance and feasibility in target trial emulations and actual randomized trials
本文回顾理想试验概念，强调在指定目标试验时需平衡现实相关性与估计可行性，指出紧密对齐观察数据的做法可能遗留偏差，并主张通过对比理想试验来识别和管理所有偏差来源。
2025-09-08 stat.ME
Estimands and estimation in trials with time trends
Universitat Politècnica de Catalunya - BarcelonaTech（加泰罗尼亚理工大学）；Novartis Pharma AG（诺华制药）；Ghent University（根特大学）；Vrije Universiteit Brussel（布鲁塞尔自由大学）；Medical University of Vienna（维也纳医科大学）
本文针对平台试验中的时间趋势，探讨了条件与边际估计目标的定义，并评估了基于模型、G计算和增强逆概率加权三种估计器的偏差与方差，以指导估计目标、目标人群和试验数据的选择。
2026-10-01 stat.ME
SIMBA -- A Bayesian Decision Framework for the Identification of Optimal Biomarker Subgroups for Cancer Basket Clinical Trials
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；BayeSoft Inc.（拜恩软件有限公司）；LaNova Medicines Ltd.（朗维医药有限公司）；The University of Chicago（芝加哥大学）
针对癌症篮子试验中不同适应症的最优生物标志物亚组识别问题，提出名为SIMBA的贝叶斯决策框架，通过层次模型跨适应症借信息，模拟显示其性能优于无信息借用的方法，可更准确识别获益患者亚群。
2025-05-19 stat.AP stat.ME
Doubly robust augmented weighting estimators for the analysis of externally controlled single-arm trials and unanchored indirect treatment comparisons
Precision AQ；University of British Columbia（不列颠哥伦比亚大学）；Novo Nordisk Pharma（诺和诺德制药）；UCL（伦敦大学学院）
本文提出了一种双重鲁棒的增强加权估计器，用于外部控制单臂试验和无锚间接治疗比较，通过结合熵平衡MAIC权重和条件结果模型预测，提高模型鲁棒性和估计精度。
2026-02-11 stat.ME
Optimal Biological Dose Combination Finding: A Design Roadmap and Robust Cross-Indication Bayesian Borrowing
Population Health Sciences Institute, Newcastle University（纽卡斯尔大学人口健康科学研究所）；Quantitative Science and Evidence Generation, Astellas Pharma Global Development Inc.（安斯泰来全球开发公司定量科学与证据生成部）
针对联合肿瘤学试验中的最优生物学剂量组合发现，提出设计分类路线图及稳健的跨适应症贝叶斯借用方法，并通过模拟和案例验证其有效性。
2026-09-22 stat.AP 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
The Use of Covariate Adjustment in Randomized Controlled Trials: An Overview
本文综述随机对照试验中协变量调整的应用，区分条件与边际治疗效应/估计量，指出现有边际效应估计实践的问题，提倡用标准化方法兼顾效率与模型误设稳健性，并给出实际应用考量。
2023-06-09 stat.ME
Causal rule ensemble method for estimating heterogeneous treatment effect with consideration of main effects
本研究提出基于RuleFit和S-learner的因果规则集成框架，通过引入主效应和处理效应规则项实现可解释的异质性处理效应估计，数值模拟和实际数据验证了其性能与解释性。
2023-07-27 stat.ME
Selection on treatment in the target population of generalizabillity and transportability analyses
研究者越来越多地使用新的方法将因果推断从试验扩展（推广或转移）到目标人群。在许多可推广性和可移植性分析中，按照非嵌套试验设计，对来自目标人群的试验和观察数据进行单独采样。在该设计的实际实施中，目标人群中的非随机化个体通常通过使用特定治疗来识别，而使用其他候选治疗用于相同适应症的个体或未使用任何治疗的个体被排除在外。在本文中，我们认为，在目标人群中的治疗条件的变化的估计量的推广和可移植性分析，并可能引入严重的偏见，在目标人群或目标人群的子集使用特定的治疗的因果估计。此外，我们认为，天真的应用边际化或加权为基础的标准化方法不会产生任何合理的因果估计。我们使用因果图和反事实的参数来描述识别问题引起的条件反射治疗的目标人群，并说明了使用模拟数据的问题。最后，我们考虑我们的研究结果的应用工作的影响。
2022-09-19 stat.ME
Applying the estimands framework to non-inferiority trials: guidance on choice of hypothetical estimands for non-adherence and comparison of estimation methods
本文利用估计目标框架更新非劣效性试验指南，提出对试验特异性伴发事件采用假设策略，并通过模拟比较IPW与工具变量方法，为选择合适估计量提供依据。
2023-12-01 stat.ME
Analyzing Population-Level Trials as N-of-1 Trials: an Application to Gait
本研究提出将人群水平试验重新作为N-of-1试验分析的方法，以步态为场景验证发现个体干预效应存在高度异质性，为利用人群数据探究个体因果效应提供了新思路。
2024-02-26 stat.AP
Statistical and Practical Considerations in Planning and Conduct of Dose Optimization Trials
本文综述了剂量优化试验的设计策略（如I/II期和II/III期设计）及其实践考量，介绍了相关免费软件工具，并通过真实案例说明了其实施方法，以支持FDA Project Optimus的范式转变。
2023-09-11 stat.AP stat.ME
Power analysis for cluster randomized trials with continuous co-primary endpoints
出于科学或逻辑的考虑，评价医疗保健干预措施的实用性试验通常采用整群随机化。以往的综述表明，协同主要终点在实用性试验中很常见，但在样本量或把握度计算中很少被认识到。虽然基于$K$（$K\geq 2$）二进制协同主要终点的把握度分析方法可用于CRT，但据我们所知，连续协同主要终点的方法尚不可用。假设一个多变量线性混合模型解释了每个聚类中观察结果之间的多种类型的组内相关系数（终点特异性ICC、受试者内ICC和受试者间终点间ICC），我们推导出$K$处理效应估计量的闭合形式联合分布，以便于在相同聚类大小下使用不同类型的零假设确定样本量和把握度。我们表征的权力之间的关系，每个测试和不同类型的相关参数。我们进一步放松了等簇大小假设，并通过簇大小的均值和变异系数近似$K$处理效应估计量的联合分布。我们的模拟研究与有限数量的集群表明，我们的方法的预测能力与经验的权力，当多元线性混合模型中的参数估计通过期望最大化算法。一个真正的CRT的应用程序来说明所提出的方法。
2022-05-02 stat.ME
A tutorial on conducting sample size and power calculations for detecting treatment effect heterogeneity in cluster randomized trials with linear mixed models
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Ottawa Hospital Research Institute（渥太华医院研究所）；University of Ottawa（渥太华大学）；University of Washington（华盛顿大学）；University of Pennsylvania（宾夕法尼亚大学）；Yale School of Medicine（耶鲁医学院）；Yale School of Public Health（耶鲁公共卫生学院）；Harvard Pilgrim Health Care Institute（哈佛皮尔格里姆健康护理研究所）；Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）
本文探讨了在集群随机试验中使用线性混合模型检测治疗效应异质性的样本量和功效计算方法，提供了计算工具和关键考虑因素。
2026-04-30 stat.AP stat.ME
Response-adaptive randomization in clinical trials: from myths to practical considerations
响应自适应随机化（RAR）是更广泛的一类数据依赖性抽样算法的一部分，临床试验通常用作激励应用程序。在这种情况下，患者分配到治疗是由随机化概率决定的，随机化概率根据累积的反应数据而变化，以实现实验目标。自20世纪30年代以来，RAR已经从生物统计学文献中获得了大量的理论关注，并且一直是许多争论的主题。在过去的十年中，它受到了应用和方法论社区的重新考虑，这是由众所周知的实际例子及其在机器学习中的广泛使用所驱动的。关于这一主题的论文对它的有用性提出了不同的观点，这些观点不容易调和。这项工作的目的是通过提供一个统一的，广泛的和新的审查方法和实际问题时，考虑在临床试验中使用RAR的辩论，以解决这一差距。
2022-06-07 stat.AP stat.ME
Estimation of treatment effects following a sequential trial of multiple treatments
当一项临床试验需要进行一系列中期分析时，研究可能会因此终止或修改，最终的频率论分析需要考虑所使用的设计。如果不这样做，可能会导致显著性水平被夸大，效应估计值和置信区间有偏倚，覆盖概率不足。已经设计了多种有效的频率分析方法，用于比较单一试验处理与单一对照处理的序贯设计。目前尚不清楚如何对应用于更复杂环境中的序贯或自适应设计进行最终分析，例如，确定应推荐几种候选治疗方案中的哪种或哪组治疗方案。本文的动机是考虑一项试验，其中对脓毒症的四种治疗方法进行比较，中期分析允许放弃治疗或终止试验，以宣布一个赢家或得出结论，剩余的治疗方法之间几乎没有差异。所采用的方法基于Rao-Blackwellisation方法，该方法通过在最终充分统计量的情况下采用其条件预期，提高了首次中期分析中可用的无偏估计值的准确性。确定这种期望的分析方法是困难的，并且具体到设计的细节，而是进行“反向模拟”，以根据最终检验统计量构建第一次中期分析的重复实现。该方法还提供了治疗间差异的近似置信区间。
2019-06-26 stat.ME
Statistical Considerations for Evaluating Treatment Effect under Various Non-proportional Hazard Scenarios
本研究系统性比较了Log-rank检验与MaxCombo、dRMST等方法在比例与非比例风险场景下分析生存结局的性能，通过真实肿瘤试验数据和模拟交叉风险场景评估其效能、I类错误率等，提出各场景下的推荐方案。
2024-06-16 stat.AP stat.ME
Estimands in Real-World Evidence Studies
本文探讨了真实世界证据（RWE）研究中估计目标的构建，分析了其与传统临床试验的异同，并提供了选择合适估计目标的路线图。
2023-07-01 stat.AP
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
Optimal Cohort Staircase Designs
Indian Institute of Technology Kanpur（坎普尔印度理工学院）
针对阶梯聚类随机试验，提出最优设计框架，联合优化序列分配与聚类规模，在重复测量约束下平衡精度与成本，并通过解析解和数值比较验证其有效性。
2026-09-15 stat.AP stat.ME
Comparing Methods of Expert Elicitation for Treatment Effect or Borrowing Parameters in Standard and Rare Disease Clinical Trials: A Systematic Mapping Study
本研究通过系统性映射综述，比较了标准与罕见病临床试验中处理效应或借用参数的专家启发与聚合方法，识别出6种启发和10种聚合方法，并指出缺乏正式框架的方法论空白。
2025-08-08 stat.AP
Emulating Stepped-Wedge Cluster Randomized Trials to Evaluate Health Policies and Interventions
Yale School of Medicine（耶鲁医学院）；Yale School of Public Health（耶鲁公共卫生学院）
本文提出通过目标试验模拟框架模拟阶梯集群随机试验，以解决观察性研究中阶梯采用方法分析的挑战，强调政策异质性和时间变效应，并促进随机试验与准实验设计的跨学科交流。
2026-04-14 econ.EM stat.ME
On Anticipation Effect in Stepped Wedge Cluster Randomized Trials
针对阶梯楔形整群随机试验（SW-CRTs）中可能存在的预期效应问题，提出分析框架研究其影响，推导估计量期望证明忽略该效应会导致有偏估计，提供更新样本量公式并通过模拟和实证比较调整与未调整的估计量，为研究提供实际指导。
2025-11-14 stat.ME
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
Considerations for the Integration of Randomized Controlled Trials and Real-World Data
University of California, Berkeley（加州大学伯克利分校）；Targeted ML Solutions, Inc.（Targeted ML Solutions 公司）；Adaptic Health；National Institute of Allergy and Infectious Diseases（美国国家过敏和传染病研究所）；Northeastern University（东北大学）；Brown University（布朗大学）；Novo Nordisk A/S（诺和诺德）
本文探讨了随机对照试验与真实世界数据整合的目标及设计分析考量，通过示例估计量展示如何在保持监管标准下提高治疗推荐的可靠性。
2026-09-22 stat.AP stat.ME
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
Digital Twins as Synthetic Controls in Single-Arm Trials
Unlearn.AI, Inc.（Unlearn人工智能公司）
本文探讨了数字孪生在单臂试验中的应用，利用机器学习模型生成个性化疾病进展预测，以构建更稳健的治疗效果估计，并讨论了数据选择和FDA指南中的实际考量。
2026-05-12 cs.LG stat.AP stat.ML
Dealing with multiple intercurrent events using hypothetical and treatment policy strategies simultaneously
本文研究临床试验中同时用治疗政策策略和假想策略处理两个并发事件的 estimand，通过潜在结果与因果图定义不同因果假设，并用模拟和糖尿病试验示例说明其对估计的影响。
2025-02-05 stat.ME
Approximate Bayesian Bootstrap Procedures to Estimate Multilevel Treatment Effects in Observational Studies with Application to Type 2 Diabetes Treatment Regimens
随机临床试验被认为是估计因果关系的金标准。然而，在旨在检查干预措施的不良影响的研究中，由于伦理和经济方面的考虑，此类试验往往不切实际。在观察性研究中，广义倾向得分的匹配被提出作为估计多种干预措施的处理效应的可能解决方案。然而，这些匹配程序的点估计和区间估计的推导可能会变得复杂，具有非连续或删失的结果。我们提出了一种新的近似贝叶斯Bootstrap算法，导致统计上有效的点和区间估计的处理效应与分类结果。该程序依赖于估计的广义倾向得分，并对每个单元的未观察到的潜在结局进行多重插补。此外，我们描述了一个相应的解释敏感性分析，以检查unconfoundedness假设。我们应用这种方法在一个大型观察性数据库中检查2型糖尿病常见的真实抗糖尿病治疗方案的心血管安全性。
2020-01-17 stat.ME
Design-based Causal Inference for Incomplete Block Designs
本文在不完全区组设计（IBD）和平衡不完全区组设计框架下建立了基于有限总体设计的因果推断理论，推导估计量性质、中心极限定理和保守方差估计，并通过模拟与数据示例证明IBD的实用性。
2025-08-22 stat.ME
The Optimal Dynamic Treatment Rule SuperLearner: Considerations, Performance, and Application
最佳动态治疗规则（ODTR）框架提供了一种了解哪种患者对特定治疗反应最好的方法-换句话说，处理效应异质性。最近，已经有一个扩散的方法来估计ODTR。一种这样的方法是SuperLearner算法的扩展-一种集成方法，用于将广泛用于预测问题的候选算法最佳地组合到ODTR。遵循“因果路线图”，我们因果地和统计地定义ODTR，并介绍使用ODTR SuperLearner进行估计。此外，我们强调实际的选择时，实现的算法，包括候选算法的选择，元学习者结合候选人，和风险函数选择最佳的算法组合。使用模拟，我们说明了如何估计ODTR使用这种SuperLearner方法可以发现处理效应异质性更有效地比传统的方法的基础上拟合的参数回归的治疗，协变量和治疗协变量的相互作用的结果。我们研究了在不同的样本量下实施ODTR SuperLearner的选择所带来的影响。我们的研究结果显示了以下优点：（1）在候选算法库中包含灵活的机器学习算法和简单的参数估计器的组合;（2）使用集成元学习器来组合候选，而不是只选择表现最好的候选;（3）使用规则下的平均结果作为风险函数。最后，我们将ODTR SuperLearner应用于“干预”研究，这是一项正在进行的随机对照试验，旨在确定哪些涉及司法的精神疾病成年人从认知行为疗法（CBT）中获益最多，以减少犯罪再犯。
2021-10-26 stat.AP
Augmenting control arms with Real-World Data for cancer trials: Hybrid control arm methods and considerations
随机对照试验（RCT）是评价药物安全性和有效性的金标准。然而，随机对照试验存在一些缺点，导致使用单臂研究来做出某些内部药物开发和监管决策，特别是在肿瘤学方面。具有真实世界数据（RWD）的混合对照试验（其中对照组由试验和真实世界患者组成）有可能帮助解决RCT和单臂研究在特定情况下的一些缺点，例如当疾病的患病率较低时，或者当对照组中使用的标准治疗无效或具有高毒性时，实验性治疗显示出早期前景。本文讨论了为什么考虑使用RWD进行混合对照试验可能是有益的，这种设计需要什么，何时可能合适，以及如何进行分析。我们提出了一种新的两步借用方法的混合控制臂的建设。我们使用模拟来展示动态和静态借款方法的操作特性，并强调研究团队在设计混合研究时需要解决的权衡和分析决策。
2021-08-16 stat.ME
Handling incomplete outcomes and covariates in cluster-randomized trials: doubly-robust estimation, efficiency considerations, and sensitivity analysis
针对整群随机试验中各类缺失数据问题，提出一种双重稳健估计量以处理结局、协变量和整群规模缺失，并给出提升精度的策略与新的敏感性分析框架。
2025-11-05 stat.ME
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
Simultaneous confidence intervals for an extended Koch-Röhmel design in three-arm non-inferiority trials
针对三臂金标准非劣效试验的测定灵敏度问题，本文扩展Koch-Röhmel设计，为适应性检验补充适配的同时置信区间，通过模拟比较不同构建方法并应用于真实临床试验。
2022-10-17 stat.ME
Power considerations for generalized estimating equations analyses of four-level cluster randomized trials
在这篇文章中，我们开发的方法，样本量和功率计算在四个水平的干预研究时，干预分配进行任何水平，特别是集中在集群随机试验（CRT）。涉及四个级别的CRT在医疗保健研究中越来越流行，其中效果是通过例如嵌套在集群（级别4）中的部门（级别3）中的参与者（级别2）内的评估（级别1）来测量的。在这种多层次的CRT中，我们考虑了三种类型的不同评价之间的组内相关性来解释这种聚类：同一参与者的组内相关性，来自同一部门的不同参与者的组内相关性，以及来自同一聚类中不同部门的不同参与者的组内相关性。假设任意的链接和方差函数，与建议的相关结构作为真正的相关结构，封闭形式的样本量公式进行随机化在任何水平（包括一个单独的随机试验在一个四水平集群结构）的基础上，使用基于模型的方差和使用三明治方差与一个独立的工作相关矩阵的广义估计方程的方法。我们表明，经验功率对应以及所提出的方法预测的少至8个集群，当数据进行分析时，使用矩阵调整的估计方程的相关参数与偏差校正的三明治方差估计，平衡和不平衡的设计。
2022-03-04 stat.ME
Designing and evaluating advanced adaptive randomised clinical trials: a practical guide
本文为高级自适应随机临床试验的设计与评估提供实用指南，涵盖贝叶斯框架下的自适应停止、臂剔除和响应自适应随机化，并附模拟代码，助力试验人员、方法学家和生物统计学家。
2025-01-15 stat.ME
A Flexible Micro-Randomized Trial Design and Sample Size Considerations
本文提出FlexiMRT设计，允许在微随机试验过程中向干预组件动态添加类别，并开发了基于广义估计方程思路的检验统计量、样本量计算器及R shiny应用，以支持移动健康JITAI研究。
2023-07-06 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
Optimal predictive probability designs for randomized biomarker-guided oncology trials
近年来，开发生物标志物靶向抗癌疗法的努力进展迅速。2015年至2021年期间，6种作用于程序性死亡配体1或程序性死亡1途径的抗体被批准用于75种癌症适应症。为了加快对有希望的疗法的监管审查，几种靶向癌症疗法已经在单臂II期试验的基础上获得了加速批准。然而，在没有随机化的情况下，在提交加速批准申请之前，可能没有在标准治疗化疗下对新兴生物标志物亚群的患者结局进行研究。单组研究中使用的历史对照率通常为群体平均值，对目标亚组缺乏特异性。例如，最近在转移性尿路上皮癌患者中进行的atezolizumab III期试验发现，在感兴趣的生物标志物亚组中，标准治疗化疗的应答率为21.6%，远高于先前II期试验中用于宣布成功的10%的历史对照率。需要设计方法的创新，以有效实施针对生物标志物亚群的药物的随机试验。本文提出了三种早期生物标志物指导的肿瘤学临床试验的随机设计。每种设计均利用最佳效率预测概率方法监测多个生物标志物亚群的无效性。由atezolizumab试验中报告的结果激发的模拟研究用于评价各种设计的操作特征。我们的研究结果表明，在决定进行III期确证性试验之前，可以通过随机化和无效性停止进行有效的统计设计，以有效地获得更多与比较疗效有关的证据。
2022-10-06 stat.AP stat.ME
Handling Covariates in the Design of Clinical Trials
统计学界对于在临床试验设计阶段是否需要考虑协变量存在分歧。许多人主张使用分层和协变量自适应随机化来促进某些已知协变量的平衡。然而，平衡并不总是提高效率或确保更多的患者被分配到更好的治疗。我们描述了这些程序，包括基于模型的程序，将协变量纳入临床试验的设计，并给出了平衡，效率和伦理考虑可能发生冲突的例子。我们提倡一种新的程序，协变量调整的反应自适应（CARA）随机化程序，试图优化效率和伦理考虑，同时保持随机化。我们回顾了所有这些程序，提出了一些新的模拟研究，并得出结论，我们的哲学。
2011-02-18 stat.ME
Optimizing Efficiency and Convergence in MMRM: Practical Considerations for Longitudinal Data Analysis
Purdue University（普渡大学）；Eli Lilly & Company（礼来公司）
本文针对临床试验纵向数据分析中MMRM模型的收敛与效率问题，通过模拟及糖尿病数据应用，给出不同样本量下MMRM的实践指导，优化了模型的收敛率与覆盖率。
2026-07-30 stat.ME
Confidence intervals for adaptive trial designs II: Case study and practical guidance
本文是自适应试验置信区间系列第二部分，基于两阶段成组序贯试验的扩展案例与模拟研究，分析了不同置信区间的特性差异，并为研究者选择和报告自适应设计后的置信区间提供了实用指南。
2024-11-13 stat.AP stat.ME
Sample size considerations for comparing dynamic treatment regimens in a sequential multiple-assignment randomized trial with a continuous longitudinal outcome
临床医生和研究人员对如何最好地个性化干预越来越感兴趣。动态治疗方案（DTR）是一系列预先指定的决策规则，可用于指导根据个人不断变化的需求定制的治疗或干预序列的交付。序贯多分配随机试验（SMART）是一种研究工具，可以构建有效的DTR。我们推导出易于使用的公式，用于计算三种常见的两阶段SMART设计的总样本量，其中主要目的是比较两种嵌入式DTR的平均研究结束结局，这两种DTR推荐不同的第一阶段治疗。这些公式是在回归模型的背景下得出的，该模型利用了整个研究中收集的纵向结果的信息。我们表明，SMART的样本量公式可以写成标准两组随机试验的样本量公式、纵向分析统计效率提高的收缩因子和SMART设计的膨胀因子的乘积。SMART设计膨胀系数通常是对第一阶段治疗的预期反应概率的函数。我们回顾了DTR效应分析的建模和估计，使用SMART的纵向结果，以及标准误的估计。我们还提出了各种常见的工作相关结构的协方差阵的估计。方法的动机使用的ENGAGE研究，SMART旨在开发一个DTR，以增加动机参加酒精和可卡因依赖患者的治疗。
2020-01-05 stat.ME
