Estimating Causal Treatment Effects in Placebo-Controlled Randomized Clinical Trials When High Placebo Response is Anticipated
Smith Center for Outcomes Research in Cardiology, Beth Israel Deaconess Medical Center(贝斯以色列女医生医疗中心心脏结局研究史密斯中心);Department of Statistics, SungKyunKwan University(成均馆大学统计系);Biostatistics Department, Boston University(波士顿大学生物统计学系)
针对高安慰剂反应削弱ITT效应的难题,提出两阶段框架估计标准化因果治疗效果,通过单盲导入期测量安慰剂反应并利用预后评分估计CATE,模拟验证有效性。
2026-10-15 stat.ME
A Note on a Simple and Practical Randomized Response Framework for Eliciting Sensitive Dichotomous & Quantitative Information
社会科学家和决策者感兴趣的许多问题具有敏感性,因为它们对受访者具有侵扰性、侮辱性或犯罪性。这导致在使用自我报告的研究中拒绝合作或逃避合作。在一篇开创性的文章中,华纳提出通过在敏感问题答案的个人意义上产生人为的变化来遏制这个问题。这一程序得到了进一步的发展和扩展,并被称为随机反应(RR)技术。在这里,我们提出了一个统一的治疗引起敏感的二进制以及定量信息与RR的基础上的一个模型,其中的随机化设备提供的随机元素。该程序是简单的,我们会认为,它的实施在计算机辅助设置可能具有优越的实用能力。
2019-09-17 stat.AP stat.ME
Robust estimation of causal dose-response relationship using exposure data with dose as an instrumental variable
本文提出一种以剂量为工具变量、无需假设真实暴露-反应模型的稳健估计方法,结合控制变量与ANCOVA调整,在模型误设下仍一致,并应用于Car-T随机剂量试验。
2025-08-06 stat.ME
Randomized Predictive P-values: A Versatile Model Diagnostic Tool with Unified Reference Distribution
检查残差,如皮尔逊和偏差残差,是评估正态回归的标准工具。然而,对于离散响应,这些残差聚集在对应于不同响应值的线上。它们的分布远离正态性;这些残差的图形和定量检查为模型诊断提供了很少的信息。Marshall和Spiegelhalter(2003)定义了用于识别离群值的交叉验证预测p值。连续响应的预测p值均匀分布,但离散响应的预测p值不均匀分布。我们建议使用随机预测p值(RPP)来诊断具有离散响应的模型。RPP可以转化为具有正态分布的“残差”,我们称之为NRPP。NRPP可以用来诊断所有的回归模型与标量响应使用相同的方式诊断正常回归。NRPP与Dunn和Smyth(1996)提出的随机分位数残差(RQR)几乎相同,但统计学家对此知之甚少。本文从RPP的角度对RQR进行了阐述。本文的贡献包括:(1)给出了真实模型下RPP一致性的严格证明,并举例说明了真实模型下RPP的一致性:(2)进行了大量的模拟研究,证明了真实模型下NRPP的正态性;(三)我们的模拟研究还表明,NRPP方法是一种通用的诊断工具,可以用来检测由于缺乏复杂性NRPP的有效性进一步证明了健康利用数据集。
2019-01-17 stat.ME
New randomized response technique for estimating the population total of a quantitative variable
本文提出了一种新的旨在保护被访者隐私的随机应答技术。它被设计用于估计数量特征的总体总数或总体均值。它为受访者提供了高度的保护,因此它可能会被他们有利地感知,并增加他们的合作意愿。受访者并没有透露所调查的特征的真实值,而是只说明该值是否大于(或小于)他/她随机选择的一个数字,而采访者并不知道。对于每个受访者,这个数字,一种个人的阈值,是从均匀分布中产生的伪随机数。此外,所提出的技术的两个修改。第一个修改假设访问者也知道所生成的随机数。第二项修改涉及的问题是,对于某些变量,如收入,答复者报告的数值过高或过低可能会令人尴尬。因此,根据伪随机下限的值,回答者被问到不同的问题,以避免尴尬。建议的方法是详细适用于简单随机抽样没有更换,但它也可以适用于许多目前使用的抽样方案,包括整群抽样,两阶段抽样等模拟结果说明了所提出的程序的行为。
2021-01-22 stat.ME
The Optimality of Blocking Designs in Equally and Unequally Allocated Randomized Experiments with General Response
本文研究双臂随机实验中差值均值估计量的最优设计问题,证明Neyman模型下完全随机化极小极大最优,总体模型下完美平衡分配最优但NP难计算,并证明Fisher区组设计在尾部准则下具有渐近最优的随机性程度。
2025-07-06 math.ST stat.ME stat.TH
Bayesian adaptive randomization in the I-SPY2 sequential multiple assignment randomized trial
Quantum Leap Healthcare Collaborative(量子飞跃医疗合作组织);University of California, San Francisco(加州大学旧金山分校);North Carolina State University(北卡罗来纳州立大学)
针对I-SPY2 SMART试验,提出基于汤普森采样的贝叶斯自适应随机化方法,逐阶段更新随机化概率以最大化pCR率,实证显示可提升方案特异性pCR率并有效推荐最优方案。
2025-10-14 stat.ME
Meta-Analysis of Randomized Experiments with Applications to Heavy-Tailed Response Data
在随机对照试验(RCT)中客观评价处理效应(TE)估计量的一个核心障碍是缺乏用于检验其性能的基础事实(或验证集)。在本文中,我们提出了一种新的交叉验证的方法来解决这一挑战。我们的过程的关键见解是,有噪声的(但无偏的)均值差估计可以用作RCT的一部分上的地面实况“标签”,以测试在其他部分上训练的估计器的性能。我们将这一见解与聚合方案相结合,该方案借用了大量RCT的统计优势,提出了一种端到端的方法,用于判断评估者恢复潜在处理效应的能力,以及产生最佳治疗“推出”政策。我们评估了亚马逊供应链中实施的699项RCT。在这种重尾设置中,我们的方法表明,积极降低权重或截断大值的程序,同时引入偏倚,降低方差足以确保更准确地估计处理效应。
2023-01-09 stat.AP stat.ME stat.ML
Robust Designs for Prospective Randomized Trials Surveying Sensitive Topics
我们考虑设计一个前瞻性随机试验的问题,其中的结果数据将是自我报告的,并将涉及敏感的话题。我们感兴趣的是误报行为,以及受访者倾向于低估或高估二元结果可能会影响实验的力量。我们通过假设研究中的每个人都是一个“报告类”的成员来模拟这个问题:一个说真话的人,一个少报告的人,一个多报告的人,或者一个说假话的人。我们表明,报告类和“反应类”(表征个体对治疗的反应)的联合分布将准确定义我们实验中因果估计的偏倚和方差。然后,我们提出了一种新的程序,用于获得样本量下的最坏情况下的权力对应于一个给定的误报水平。我们的问题是由以前的经验,实施随机对照试验的性暴力预防计划在肯尼亚内罗毕的少女。
2021-08-26 stat.AP stat.ME
Subgroup analysis in randomized controlled trials with binary outcomes: dilution and logic-respecting properties
University Medical Center Göttingen(哥廷根大学医学中心);The University of Manchester(曼彻斯特大学)
研究二元结局随机对照试验中亚组分析的比值比和相对响应的性质,证明比值比不适合作为疗效指标而相对响应合适,并阐明两者在逻辑一致性和稀释性质上的差异。
2026-06-17 stat.ME
Negative Control Outcome Adjustment in Early-Phase Randomized Trials: Estimating Vaccine Effects on Immune Responses in HIV Exposed Uninfected Infants
针对早期随机试验中协变量调整的局限,提出阴性对照结局(NCO)调整方法,通过引入与主要结局高度相关的辅助随机化后结局来提高估计精度,并在HIV暴露未感染婴儿疫苗试验的再分析中验证了其有效性。
2025-04-04 stat.ME
A Randomized Permutation Whole-Model Test Heuristic for Self-Validated Ensemble Models (SVEM)
本研究提出一种用于自验证集成模型SVEM的随机置换全模型检验启发式算法,通过构建置换参考分布和降秩奇异值分解计算马氏距离实现拟合显著性检验,在参数多于观测值时仍能维持标称第一类错误率。
2026-10-26 stat.ME stat.ML
Nonparametric extensions of randomized response for private confidence sets
本研究在本地差分隐私约束下,通过泛化“随机响应”机制,提出了针对总体均值的非参数置信区间和时间一致置信序列,并将其扩展至时变均值,应用于私有在线 A/B 测试。
2024-07-24 cs.CR math.ST 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
Trimmed Match Design for Randomized Paired Geo Experiments
如何衡量广告支出的增量回报率(iROAS)是在线广告行业的一个基本问题。一个标准的现代工具是运行随机地理实验,其中实验单元是不重叠的广告目标地理区域(Vaver & Koehler 2011)。然而,如何设计可靠且具有成本效益的地理实验可能很复杂,例如:1)地理位置的数量通常很小,2)由于地理位置的异质性,跨地理位置的响应度量(例如收入)可能非常重尾,此外3)响应度量可能会随时间发生显着变化。为了解决这些问题,我们提出了一种稳健的非参数设计方法,称为修剪匹配设计(TMD),它扩展了修剪匹配的思想(Chen & Au 2019),并以一种新颖而系统的方式集成了最佳子集配对和样本分裂技术。一些模拟和真实的案例研究。我们还指出了一些开放的问题,为今后的研究。
2021-05-19 stat.AP stat.ME
Power prior models for treatment effect estimation in a small n, sequential, multiple assignment, randomized trial
小样本、序贯、多重分配、随机试验(snSMART)是一项小样本、两阶段设计,受试者最多接受两次序贯治疗,但第二次治疗取决于对第一次治疗的反应。snSMART中关注的处理效应是第一阶段缓解率,但两个阶段的结果可用于从小样本中获得更多信息。一种将两个阶段的结果合并的新方法应用幂先验模型,其中来自snSMART的第一阶段结果被视为主要数据,第二阶段结果被视为补充数据。我们将现有的功率先验模型应用于snSMART数据,我们还开发了新的扩展功率先验模型。所有的方法进行了比较,彼此和贝叶斯联合阶段模型(BJSM)通过模拟研究。通过比较所有提出的功率先验方法之间的偏差和效率的响应率估计,我们建议应用Fisher的精确检验或Bhattacharyya的重叠措施的snSMART估计的处理效应在snSMART,这两个性能大多一样好或更好的BJSM。我们描述的情况下,这些建议的方法是首选。
2020-12-10 stat.AP stat.ME
A time-to-event three-outcome design for randomized phase II cancer trials
针对采用事件发生时间终点的随机II期癌症试验把握度不足、易出现决策灰色区间的问题,提出含或不含期中分析的三结局设计,助力更合理地选择试验参数。
2025-03-19 stat.ME
Causal Meta-Mediation Analysis: Inferring Dose-Response Function From Summary Statistics of Many Randomized Experiments
在互联网行业中,使用离线开发的算法来为有助于企业成功的在线产品提供动力是很常见的。离线开发的算法由离线评估指标指导,这些指标通常与在线业务关键绩效指标(KPI)不同。为了最大限度地提高业务KPI,在所有可用的离线评估指标中选择北极星是很重要的。通过指出在线产品可以通过在线评估指标来衡量,在线评估指标是离线评估指标的在线对应物,我们将问题分解为两部分。由于离线A/B测试文献得出了第一部分:离线评估指标的反事实估计量,其移动方式与在线评估指标相同,因此我们关注第二部分:在线评估指标对业务KPI的因果影响。离线评估指标的北极星应该是其在线对应物导致业务KPI最显着提升的指标。我们建模的在线评价指标作为一个中介,并正式确定其因果关系的业务KPI的剂量反应函数(DRF)。我们的新方法,因果Meta中介分析,利用许多现有的随机实验的汇总统计,以确定,估计和测试的调解人DRF。它易于实施和扩大规模,并且与中介分析和荟萃分析的文献相比具有许多优点。我们证明了它的有效性,通过模拟和实际数据上的实现。
2020-06-17 math.ST stat.AP stat.ME
A Robust, Differentially Private Randomized Experiment for Evaluating Online Educational Programs With Sensitive Student Data
随机对照试验(RCT)一直是评价项目、政策或治疗对感兴趣结果的有效性的金标准。然而,许多随机对照试验假设研究参与者愿意分享他们的(潜在敏感的)数据,特别是他们对治疗的反应。这个假设,虽然一开始微不足道,但在现代社会越来越难以满足,特别是在有更多法规保护个人数据的在线环境中。本文提出了一种新的,简单的试验设计,是差异隐私,最强的数据隐私的概念之一。此外,使用实验心理学中的不合规作品,我们表明,我们的设计是强大的对“敌对”的参与者谁可能不信任调查人员与他们的个人数据,并提供污染的反应,故意偏见的实验结果。在我们的新设计下,我们提出了无偏和渐近正态估计的平均处理效应。我们还提出了一个双重强大的,协变量调整估计,使用预处理协变量(如果可用),以提高效率。最后,我们使用拟议的试验设计来评估威斯康星大学麦迪逊分校2021年春季学期在线统计课程的有效性,当时许多课程因COVID-19而在线。
2021-12-05 stat.AP stat.ME
Adaptive Experiments Toward Learning Treatment Effect Heterogeneity
针对现有揭示治疗效应异质性的随机实验设计研究不足的问题,提出响应自适应实验框架,可高效识别高治疗效应亚组,统一两类自适应设计并补充现有实验设计,经理论与模拟验证有效。
2024-07-10 stat.ME
The Extended Crosswise Model Adjusted for Random Answering
针对扩展交叉模型无法检测随机作答的问题,提出两种间接估计并校正随机作答的新方法,并用其校正四项精英运动员调查中的兴奋剂使用流行率估计值。
2024-12-12 stat.ME
The benefit of dose-exposure-response modeling in the estimation of dose-response relationship and dose optimization: some theoretical and simulation evidence
本研究通过理论和模拟证明,在随机剂量探索试验中,剂量-暴露-反应建模在估计剂量-反应关系和优化剂量时,通常比直接建模更有效,尤其对S形曲线模型,且可用于评估试验设计性能。
2025-08-06 stat.ME
Modeling Time-Varying Effects of Mobile Health Interventions Using Longitudinal Functional Data from HeartSteps Micro-Randomized Trial
本文针对HeartSteps微随机试验提出首个半参数变系数因果偏移效应模型,结合双重时间指标和两阶段稳健估计量,揭示移动健康干预效应在决策点内外的时变规律及其情境调节机制。
2024-10-19 stat.AP stat.ME
Improving the Variance of Differentially Private Randomized Experiments through Clustering
Google Research(谷歌研究院)
提出差分隐私机制Cluster-DP,利用数据聚类结构在保证隐私的同时降低因果效应估计的方差惩罚,并在真实与模拟数据上验证了其优于基线的性能。
2025-05-28 cs.CR cs.LG stat.ME
A General Form of Covariate Adjustment in Randomized Clinical Trials
本文研究协变量自适应随机化下的AIPW估计量,证明其渐近正态性、效率提升与适用性,首次为机器学习结合交叉拟合提供理论依据,并提出联合校准策略,方法在R包RobinCar中实现。
2024-03-25 stat.ME
ROSE: Randomized Optimal Selection Design for Dose Optimization
针对FDA Optimus项目中最优生物剂量(OBD)选择需求,本文提出ROSE随机最优选择设计,通过最小化样本量并确保预设准确度下的OBD正确选择概率,还可通过两阶段设计进一步减少样本量,模拟验证其有效性。
2025-08-21 stat.ME
Exact statistical analysis for response-adaptive clinical trials: A general and computationally tractable approach
本文提出一种适用于二分类结局两臂应答适应性试验的通用精确检验框架,可处理延迟结局、早期停止和区组分配,并在千例规模试验中高效计算。
2025-03-17 stat.ME
Proxy-Adjusted Causal Discovery from Targeted Interventions
School of Statistics, University of Minnesota(明尼苏达大学统计学院);Division of Biostatistics and Health Data Science School of Public Health, University of Minnesota(明尼苏达大学公共卫生学院生物统计学与健康数据科学系)
本文提出代理调整平衡掩蔽(PABM)非参数框架,从目标干预和代理数据中恢复有向无环图,通过比较条件分布识别因果父节点,并建立识别与有限样本恢复条件,模拟与真实数据验证有效。
2026-09-22 stat.ME
A Bayesian likely responder approach for the analysis of randomized controlled trials
NYU School of Medicine(纽约大学医学院)
本文提出一种贝叶斯两阶段方法,用于随机对照试验中亚群体识别与治疗效应推断,通过整合模型不确定性提升置信区间校准性,并在新冠治疗试验中验证了亚群体治疗效应的显著差异。
2026-03-11 stat.ME
Re-randomization-probability weighting for population-adjusted comparisons of maintenance outcomes across trial designs
Health Services Research Centre, Akershus University Hospital(阿克什胡斯大学医院健康服务研究中心);Maths in Health B.V.(Maths in Health 有限公司)
本文针对随机撤药试验中应答者基线特征缺失导致的人群调整间接比较受限问题,提出再随机化概率加权方法,经合成试验及模拟验证可降低持久应答偏差,实现跨试验设计的人群调整比较。
2026-10-09 stat.ME
Leveraging machine learning to estimate individualized treatment effects in cluster-randomized trials
Yale School of Public Health(耶鲁大学公共卫生学院);University of Pennsylvania(宾夕法尼亚大学);Monash University(蒙纳士大学);Yale School of Medicine(耶鲁大学医学院)
本文提出利用混合效应机器学习方法估计集群随机试验中连续结果的条件平均治疗效应,通过整合个体和集群层面的基线协变量,解决传统方法无法捕捉个体异质性的问题。
2026-04-15 stat.ME
Distal Causal Excursion Effects: Modeling Long-Term Effects of Time-Varying Treatments in Micro-Randomized Trials
针对微随机试验现有方法仅能评估短期近端结局的局限,提出远端因果偏移效应估计量及两种稳健估计器,验证其性能并应用于HeartSteps试验,发现早期干预提示长期效应更强,为数字干预的长期因果效应评估提供工具。
2025-09-03 stat.ME
Efficient Randomized Experiments Using Foundation Models
ETH Zurich(苏黎世联邦理工学院);Harvard T.H. Chan School of Public Health(哈佛大学陈曾熙公共卫生学院);University of Oxford(牛津大学)
本文提出一种结合多个基础模型预测与实验数据的新方法,在保持有效统计推断的同时,显著提升随机实验的估计精度,可将所需样本量减少至多20%。
2025-10-26 cs.LG stat.ME stat.ML
Gold after Randomized Sand: Model-X Split Knockoffs for Controlled Transformation Selection
针对现有Split Knockoff方法仅适用于固定设计线性模型的局限,提出Model-X Split Knockoffs方法,通过辅助随机化设计实现随机设计下变换选择的稳健FDR控制,且统计功效更优,经模拟和真实场景验证有效。
2025-09-04 stat.ME
Efficient Response-Adaptive Randomization for Multi-arm Trials with Prioritized Composite Endpoints
Newcastle University(纽卡斯尔大学)
该研究将高效响应自适应随机化设计扩展至多臂试验的优先复合终点,通过结合序贯Hájek投影与鞅技术,在模拟中较单一终点设计更高效分配至优效治疗,且保持I类错误与效能。
2026-08-13 math.ST stat.ME stat.TH
The Role of Pairwise Matching in Experimental Design for an Incidence Outcome
我们考虑了在非参数一般反应模型下具有发病率(二元)结果的双臂随机试验设计的评价问题。我们的两个主要结果是Greevy等(2004)的先验配对设计是(1)在所有区组设计中以均方误差衡量的最优设计,其中包括完全随机化。和(2),这种配对设计是极大极小的,即它在对抗性反应模型下提供最低的均方误差。理论结果得到了模拟和临床试验数据的支持。
2022-09-01 stat.ME
Causal inference with dyadic data in randomized experiments
Peking University(北京大学);Tencent Inc(腾讯公司)
针对网络干扰下的二元结果随机实验,提出基于设计的因果推断框架,估计全局平均处理效应,推导收敛率并建立中心极限定理,通过微信实验验证方法有效性。
2026-07-01 stat.AP stat.ME
Comparing HIV Vaccine Immunogenicity across Trials with Different Populations and Study Designs
针对不同人群、设计的HIV疫苗试验免疫原性难以客观比较的问题,提出可识别因果估计量与估计器的标准化比较框架,经模拟验证具稳健性,并应用于三项近期HIV疫苗试验数据。
2024-10-08 stat.ME
Finite-sample adjustments for comparing clustered adaptive interventions using data from a clustered SMART
本文针对整群SMART中群组样本量小导致统计推断不准确的问题,提出三种有限样本调整方法(自由度调整、t分布参考和偏差校正方差估计),并通过模拟实验和ASIC研究验证其改进因果效应推断的性能。
2024-04-30 stat.ME
A Review of Methods and Practices for Missing Data in Sequential Multiple Assignment Randomized Trials (SMARTs): An Ancillary Study of a Scoping Review
Duke University(杜克大学);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
本文综述了SMARTs中缺失数据的统计方法,并总结了已发表SMARTs中缺失数据的报告和处理方式,指出现有方法与实际应用之间存在显著差距。
2026-04-26 stat.ME
The Triply-Randomized Negative Binomial Beta for Robust Regression and Conjugate Models of Bounded Support Data
University of Chicago(芝加哥大学);Data Science Institute, University of Chicago(芝加哥大学数据科学研究所)
提出三重随机负二项贝塔分布(TNBbeta),通过随机化标准贝塔分布的参数,解决其对异常值敏感、无法处理零观测及缺乏共轭先验的问题,并利用Pólya-gamma增广实现高效吉布斯采样。
2026-06-11 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
A practical Response Adaptive Block Randomization (RABR) design with analytic type I error protection
反应适应性随机化(RAR)从方法学、伦理学和实用主义的角度来看是有吸引力的,因为受试者更有可能根据积累的数据被随机分配到表现更好的治疗组。然而,RAR在多个活性组的确证性药物临床试验中的应用受到限制,主要是由于其复杂性,以及缺乏对不同治疗组的随机化比例的控制。为了解决上述问题,我们提出了一种响应自适应区组随机化(RABR)设计,允许对照组和高性能组任意预先指定的随机化比率,以满足临床试验目标。我们显示了传统的未加权测试的有效性RABR与控制第一类错误率的基础上加权组合测试的样本量自适应设计调用没有大样本近似。与流行的双自适应有偏硬币设计(DBCD)相比,拟议的RABR在稳健地达到目标最终样本量以满足监管要求和增加统计功效方面的优势通过统计模拟和实际的临床试验设计示例得到了证明。
2022-08-02 stat.ME
Fully Latent Principal Stratification With Measurement Models
针对行为科学随机效果研究的多变量/纵向实施数据难以纳入因果模型的问题,提出结合主分层与潜变量测量模型的完全潜主分层(FLPS)框架,经模拟验证可行并用于数学辅导提示使用分析。
2024-05-15 stat.ME
AI-Assisted Variance Reduction in Randomized Experiments
Adobe Research(Adobe研究院);Carnegie Mellon University(卡内基梅隆大学);University of California, Berkeley(加州大学伯克利分校);OpenAI;Airbnb(爱彼迎)
提出将AI预测作为协变量纳入标准回归调整,以降低随机实验方差,具有“无害”特性,并通过模拟和三个实证应用验证了效率提升。
2026-06-07 econ.EM stat.ME
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
Familywise error control in multi-armed response-adaptive trials
反应适应性设计允许在试验过程中根据累积反应数据改变随机化概率,以便更大比例的患者可以分配到表现更好的治疗。在实践中使用响应自适应设计的一个主要问题,特别是从监管的角度来看,是控制第一类错误率。特别是,我们表明,天真的z-检验可以有一个膨胀的第一类错误率,即使在应用Bonferroni校正。仿真研究经常被用来演示错误控制,但并不提供保证。在本文中,我们提出了自适应测试程序的正态分布的结果,确保强大的家庭误差控制,迭代应用条件不变原则。我们的方法可用于完全序贯和区组随机试验,并在文献中发现的一大类自适应随机化规则。我们发现,有一个很高的价格支付的权力,以保证家庭的错误控制的随机化方案与极端的分配概率。然而,对于文献中提出的贝叶斯自适应随机化方案,与z检验相比,我们的自适应检验保持或增加了试验的功效。我们使用原发性高胆固醇血症的三臂试验来说明我们的方法。
2018-03-14 stat.ME
CUI-MET: Clinical Utility Index Dose Optimization Approach for Multiple-Dose, Multiple-Outcome Randomized Trial Designs
CUI-MET通过加权多个二分类终点构建临床效用指数,在多剂量随机试验中选出最优剂量,并提供R Shiny工具和Bootstrap稳健性评估,为早期肿瘤试验剂量优化提供灵活易用的方法。
2025-05-06 stat.AP stat.ME