Outcome-Adjusted Balance Measure for Generalized Propensity Score Model Selection
在这篇文章中,我们提出了结果调整的平衡措施,执行模型选择的广义倾向得分(GPS),这是一个重要组成部分,在两个以上的治疗水平的观察性研究的成对平均处理效应(ATE)的估计。平衡测量的主要目标是识别GPS模型规格,使得所得ATE估计器是一致且有效的。根据最近的经验和理论证据,我们建立了最佳的GPS模型应该只包括与结果相关的协变量。给定一组候选GPS模型,结果调整的平衡测量通过匹配每个候选模型来插补所有基线协变量,并选择使插补的协变量值与原始协变量值之间的绝对均值差的加权和最小化的模型。权重被定义为利用协变量-结果关系,使得没有最佳变量选择的GPS模型受到惩罚。在适当的假设下,我们表明,结果调整的平衡措施始终选择最佳的GPS模型,使由此产生的GPS匹配估计是渐近正常的和有效的。我们比较其有限样本的性能与现有的措施在模拟研究。我们说明了所提出的方法在辅导数据分析中的应用。
2021-07-26 stat.ME
Causal Variance Decompositions for Measuring Health Inequalities
Dalla Lana School of Public Health, University of Toronto(多伦多大学达拉斯·兰纳公共卫生学院);Department of Biostatistics, Princess Margaret Cancer Centre, University Health Network(安大略健康网络公主玛格丽特癌症中心生物统计系);Department of Radiation Oncology, Princess Margaret Hospital, University Health Network(安大略健康网络公主玛格丽特医院放射肿瘤学系)
本文提出一种新的因果方差分解框架,用于分析医疗护理结果中的不平等现象,通过八个组件解释变异来源,包括社会人口学因素对医院效应的调节作用,以及医院可及性与选择性的相关性。
2026-04-24 stat.ME
Increasing efficiency and reducing bias when assessing HPV vaccination efficacy by using non-targeted HPV strains
疫苗有效性研究通常记录疫苗靶向病毒株的发生率(主要结局)和非靶向病毒株的发生率(次要结局)。然而,疫苗对靶向毒株效力的标准估计忽略了非靶向毒株的数据。假设非靶向毒株不受疫苗接种的影响,我们将次要结局视为阴性对照结局,并说明如何使用这些数据(i)增加随机试验中针对靶向毒株的疫苗有效性估计值的精确度,以及(ii)减少观察性研究中相同估计值的混杂偏倚。对于目标(i),我们用一个无偏于零的次要结局函数来增加主要结局估计方程。对于目标(ii),我们联合估计了对主要和次要结局的处理效应。如果未测量混杂因素引起的偏倚对于两种类型的结局相似,对于影响感染的一般风险的因素似乎是合理的,那么我们可以使用针对次要结局的估计疗效来消除针对主要结局的估计疗效的偏倚。我们证明了这些方法在HPV疫苗研究中的实用性,这些疫苗只针对少数高致癌性菌株。在这个例子中,使用非靶向菌株适度增加了随机试验的精确度,但大大减少了观察性研究的偏倚。
2022-12-29 stat.AP
Estimating Heterogeneous Treatment Effects on Survival Outcomes Using Counterfactual Censoring Unbiased Transformations
本研究开发了针对生存结局(含竞争风险)的删失无偏变换(CUTs),通过转换事件时间结局,使现有HTE学习器可直接用于估计异质性累积发生率、总效应和直接效应,并提供了预言机不等式和模拟验证。
2024-09-27 stat.ME stat.ML
Inference for Cumulative Incidences and Treatment Effects in Randomized Controlled Trials with Time-to-Event Outcomes under ICH E9 (R1)
University of Michigan(密歇根大学);Chinese Academy of Medical Sciences & Peking Union Medical College(中国医学科学院 北京协和医学院);Peking University(北京大学)
针对随机对照试验中时间至事件结局的并发事件,定义了五种策略下的因果估计量数学形式,提出了非参数估计与推断方法,并在LEADER试验中验证。
2025-03-30 stat.ME
Doubly robust estimation of marginal cumulative incidence curves for competing risk analysis
针对竞争风险分析中治疗组协变量不平衡问题,提出一种仅需倾向评分或结果回归模型之一正确设定的双稳健边际累积发生率估计量,并通过模拟和乳腺癌队列验证比较。
2024-12-02 stat.ME
A Bayesian prevalence-incidence mixture model for screening outcomes with misclassification
Amsterdam University Medical Center(阿姆斯特丹大学医学中心)
BayesPIM通过整合协变量和贝叶斯方法,有效估计时间依赖性和协变量依赖性的疾病发病率,同时处理潜在患病率和不完美测试灵敏度问题。
2026-01-09 stat.CO stat.ME
Optimal estimation of generalized causal effects in cluster-randomized trials with multiple outcomes
Mississippi State University(密西西比州立大学)
本文提出了一种在具有多个结果的集群随机试验中估计广义因果效应的方法,通过统一的潜在结果框架和非参数估计技术,实现了高效且稳健的因果效应估计。
2026-11-05 math.ST stat.ME stat.TH
Causal analysis of ordinal treatments and binary outcomes under truncation by death
在多组随机试验中,关注的结局通常是“因死亡而截断”,这意味着仅在中间结局的条件下观察到或明确定义。在这种情况下,除了成对对比外,所有治疗组的联合推断也很重要。在单调性假设下,我们提出的方法,成对和联合因果分析的顺序治疗和二进制结果存在截断死亡。我们通过例子说明我们的假设在不同的科学背景下的适当性。
2016-11-21 stat.ME
Prioritizing Variables for Observational Study Design using the Joint Variable Importance Plot
提出联合变量重要性图,结合结果关联与标准化均值差及偏差曲线指导观察性研究的变量优先级排序,并为匹配和加权方法提供调参推荐值。
2024-02-15 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。
2026-11-09 stat.AP stat.ME
Targeted Active Learning for Preference-Based Treatment Effects on Multivariate Outcomes
Theremia;Paris Brain Institute (ICM)(巴黎脑科学研究所(ICM));Sorbonne Université(索邦大学);Inserm(法国国家健康与医学研究院);CNRS(法国国家科学研究中心);AP-HP(巴黎公共援助医院);Inria(法国国家信息与自动化研究所);Université de Montpellier(蒙彼利埃大学);Université Paris Cité(巴黎西岱大学);Centre for Research in Epidemiology and Statistics (CRESS)(流行病学与统计学研究中心(CRESS))
针对多结果偏好治疗效果,提出目标主动学习框架,通过减少治疗效果与最优策略不确定性选择查询,在帕金森病数据上降低误差与遗憾。
2026-10-14 cs.LG stat.ME stat.ML
Causal identification of infectious disease intervention effects in a clustered population
在相互关联的人群中,传染病结局的处理效应的因果鉴定具有挑战性,因为感染结局可能传染给他人,对一个人进行的治疗可能影响其他人的结局。结果的传染性或可传递性使治疗干预的标准概念复杂化,其中向一个人提供的干预可能影响其他人的结果。已经提出了几个统计框架来衡量这种情况下的因果处理效应,包括结构性传播模型,基于中介的伙伴关系模型和随机试验设计。然而,现有的传染病干预效果的被估量是有限的概念上的有用性:一些是结构模型中的参数,其因果解释是不清楚的,其他的是因果关系的影响,只定义在一个有限的两个人的设置,还有一些是非参数被估量,自然出现在随机试验的背景下,但可能无法衡量任何生物学意义的影响。在本文中,我们描述了一个统一的形式主义定义的非参数结构因果被估量和识别策略,用于学习传染病干预的影响,在集群的相互作用的个人时,观察感染时间。被估量概括了现有的数量,并为随机和观察性研究中的因果识别提供了一个框架,包括仅观察到二元感染结果的情况。半参数类的成对Cox型传输风险模型,用于促进统计推断在有限的样本。一项全面的模拟研究比较了各种随机和观察性疫苗试验设计下现有和拟议的被估量。
2021-05-07 stat.AP stat.ME
Quantitative bias analysis for outcome phenotype error correction in comparative effect estimation: an empirical and synthetic evaluation
本研究评估了定量偏倚分析(QBA)在观察性药物流行病学比较效应估计中校正结局表型误差的效果,发现在低发生率且未校正OR较大的场景中校正效果最佳,但输入误差易导致结果无效,强调了精确估计表型误差的重要性。
2023-05-24 stat.AP stat.ME
Win-Ratio Regression for Prioritized Composite Outcomes in Observational Studies: Doubly Robust and Efficient Estimation with Future-Score Correction
University of Florida(佛罗里达大学);University of California San Diego(加州大学圣地亚哥分校);Stanford University School of Medicine(斯坦福大学医学院);University of Rochester Medical Center(罗切斯特大学医学中心)
针对观察性研究中优先复合结局的删失估计问题,提出带未来评分校正的胜比回归框架,结合处理加权与基线增强实现双重稳健高效估计,模拟与OneFlorida数据应用验证了其有效性。
2026-09-25 stat.ME
Spatial Analysis of the Association between School Proximity and Crime in Philadelphia
本研究利用费城十五年的高分辨率数据,通过回归建模和倾向得分匹配,发现公立学校附近犯罪率显著升高,尤其在上课期间的高中附近暴力犯罪影响最大。
2023-12-25 stat.AP
The Statistical Analysis of Pairwise Experiments with Qualitative Responses
假设一个实验是在成对的物体上进行的,结果反应是一个连续变量,用来测量成对物体之间的相互作用。此外,假设响应变量很难用数字测量,但很容易被编码为有序的类别,如低,中,高水平的相互作用。在本文中,我们估计未知的相互作用值的编码数据和实验的设计结构中包含的信息。该估计方法具有几个最佳属性,例如用最少数量的参数解释响应中的最大方差以及响应背后的任何概率分布。该方法的其他特性包括:相互作用具有简单的相关性解释,误差大小可从实验中估计,并且仅需要每对的单次运行来进行实验。我们还探讨了该技术的可能应用。三个应用程序,一个蛋白质相互作用,第二个药物组合,第三个计算机成像。前两个应用程序使用现实生活中的数据来说明,而对于第三个应用程序,数据是通过图像的二进制编码生成的。
2015-05-08 stat.ME
Blurring cluster randomized trials and observational studies using Two-Stage TMLE to address sub-sampling, missingness, and minimal independent units
针对整群随机试验中的子抽样、缺失数据和有限整群数问题,扩展两阶段TMLE处理三种缺失来源,并评估子单元作为条件独立单元的假设,以提高精度和功效,在SEARCH试验中实现偏倚降低和效率提升。
2023-05-14 stat.AP stat.ME
tteICE: An R Package for Estimating Treatment Effects on Time-to-Event Outcomes with Intercurrent Events in Two-Arm Trials
Kobe University(神户大学);Shanghai University of International Business and Economics(上海对外经贸大学);Chinese Academy of Medical Sciences & Peking Union Medical College(中国医学科学院 北京协和医学院)
本文介绍R包tteICE,用于在存在并发事件(如治疗中断或竞争事件)的双臂试验中,通过五种策略估计生存时间结局的治疗效果,支持非参数和半参数估计,并提供绘图和Shiny界面。
2026-09-22 stat.AP stat.ME
Variable Selection for Infectious Disease Transmission via Penalized Pairwise Accelerated Failure Time Models
Biostatistics Division, College of Public Health, The Ohio State University(俄亥俄州立大学公共卫生学院生物统计系)
针对传染病传播中时间至事件数据的依赖性,提出惩罚成对加速失效时间模型,用自适应LASSO实现变量选择,模拟和实际数据验证其精度与可解释性。
2026-10-02 stat.CO stat.ME
Don't Drop the Singletons: Efficient Inference for Pairwise Experiments with Independent Attrition
本文针对独立流失场景,提出结合特定置换检验与最优加权估计量的高效推断方法,可利用所有观测单位,功效优于配对t检验和两样本t检验,且易通过标准软件实现。
2026-08-20 econ.EM stat.AP stat.ME
A Bayesian Method for Adverse Effects Estimation in Observational Studies with Truncation by Death
针对观察性研究中死亡截断导致不良事件效应估计受限的问题,提出结合死亡与不良事件的复合有序结局贝叶斯插补方法,可在全样本中同时评估干预对两类结局的效应,并应用于老年糖尿病患者心衰发生率分析。
2024-10-06 stat.AP stat.ME
ROC Analysis for Paired Comparison Data
成对比较模型用于分析涉及一组对象之间的成对比较的数据。当两两比较的结果没有关系时,两两比较模型可以推广为一类二元反应模型。受试者工作特征(ROC)曲线及其相应的曲线下面积通常用作性能指标来评估二元响应模型的区分能力。尽管它们各自广泛的使用范围和它们与二进制响应模型的密切联系,但据我们所知,ROC分析从未扩展到配对比较模型,因为在配对比较模型中使用不同对象作为参考的问题阻止了传统ROC方法生成明确和可解释的曲线。我们专注于解决这个问题,提出了两种新的方法来构建ROC曲线的配对比较数据,提供可解释的统计数据,并保持所需的渐近性质。然后将该方法应用于头对头的专业体育比赛数据进行分析。
2022-11-28 stat.AP stat.ME
Inverse Suitability: Identifying Condition Difficulty and Rider Skill from Behavioural Outcomes via Continuous-Item Response Theory
Goable
提出逆适用性模型,基于连续项目反应理论,从行为结果中分离条件难度和骑手技能,通过合成数据验证,技能恢复相关性达0.96,难度定位误差小于3单位,Brier技能评分提升0.33。
2026-07-03 physics.ao-ph stat.AP stat.ME