跳转至

SMMR — Vol 35 Issue 7 · 2026-10-16

  • 共 12 篇 · Statistical Methods in Medical Research
  • 目录核对 ✅ 12 篇全部抓到(对照 OpenAlex 12 篇)

本期导览

自动生成:归纳本期主要主题与脉络,不打分、不排名。

本期《SMMR》第 35 卷第 7 期共 12 篇论文,整体可归为三条主线:半参数与非参数推断(区间删失比例几率回归、纵向零膨胀计数 hurdle 模型、纵向与复发事件联合建模)、因果与关联推断的效率与稳健性(AUC 验证偏倚、有界风险比 Cox 模型、信息整合框架、混合 2 型整群随机试验设计)、以及贝叶斯与稳健建模(贝叶斯自适应亚组设计、贝叶斯 I/II 期平台设计、CFUST 因子分析、LLA 交互模型、TB 剂量探索设计比较)。其中前两条主线方法学密度较高,与统计推断核心问题直接相关;后两条更偏应用导向或特定领域设计。

在半参数与非参数主线上,区间删失比例几率回归一文给出了密度与回归系数的 MLE,并证明收敛速率接近参数化 n 一致性,这直接回应了区间删失数据下半参数效率的经典问题;纵向零膨胀 hurdle 模型则通过整体边缘化直接对边际均值建模,绕开传统 hurdle 模型无法解释总体协变量效应的缺陷,适合重复测量计数数据的关联推断;纵向与复发事件联合建模采用 PACE 提取稀疏纵向特征,再嵌入自回归 frailty 结构,处理时变相关性,属于功能数据与事件史交叉的方法尝试。三篇共享「在复杂数据结构下逼近参数效率或边际可解释性」的动机,但工具各异(MLE、边缘化似然、两步估计)。

因果与效率主线上,AUC 验证偏倚一文在 MAR 假设下结合经验似然构造无需显式方差估计的置信区间,是缺失数据下稳健推断的典型操作;有界风险比 Cox 模型针对治疗时间效应提出风险比随延迟衰减的约束,并给出生存概率差作为绝对度量,直接修正了传统 Cox 在时间敏感场景下的反直觉结果;信息整合框架则利用外部汇总统计量构造估计方程,在异质分布下提升变系数模型效率,属于数据融合与效率增强的实用路径;混合 2 型整群随机试验比较五种多重性调整方法,通过理论功效方程与大规模模拟厘清各检验的适用条件,为设计阶段提供直接指导。这四篇共同关注「在数据缺失、延迟效应或外部信息存在时,如何保持推断的有效性与效率」,其中前两篇与因果推断的识别假设(MAR、条件效应)紧密相关。

若按主题优先阅读:因果推断方向可先看 AUC 验证偏倚(缺失机制下的稳健区间)与 有界风险比 Cox 模型(时间效应约束);半参数效率方向聚焦 区间删失比例几率回归(近参数收敛速率)与 纵向零膨胀 hurdle 模型(边际均值推断);高维或复杂结构方向可关注 LLA 交互模型(oracle 收敛)与 信息整合框架(外部数据效率增益)。贝叶斯设计类论文(亚组自适应、平台设计)虽方法学独立,但对临床试验设计感兴趣的读者可作补充。

因果推断 (causal_inference, 6 篇)

1. 10.1177/09622802261455678 — Empirical likelihood inference for the area under the receiver operating characteristic (ROC) curve with verification biased data

  • 作者: Shirui Wang, Shuangfei Shi, Gengsheng Qin
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: Georgia State University
  • 分类: vol 35 · issue 7 · pp 1428-1445
  • 相关性 6/10 · novelty: new_method
  • 摘要: 本文研究医学诊断研究中,当疾病状态仅部分验证(verification bias)时,AUC 的置信区间构建问题。在缺失机制为随机缺失(MAR)的假设下,目标估计量为偏倚校正后的 AUC,基于 Alonzo 和 Pepe 的偏倚校正 ROC 估计量。作者提出两种稳健的区间估计方法:一种基于 bootstrap 重抽样,另一种基于经验似然(empirical likelihood)。经验似然方法通过构造关于 AUC 的估计方程,利用偏倚校正的 ROC 估计量作为约束,从而获得无需显式方差估计的置信区间。模拟研究和真实数据分析表明,两种方法在多种临床相关设定下均能提供有效且精确的区间估计。对您而言,该文将验证偏倚下的区间估计问题与经验似然这一半参数工具结合,可作为处理缺失数据下因果/诊断推断中不确定性量化的参考。
  • 关键技术: empirical likelihood, bootstrap, bias-corrected ROC estimator, missing at random, confidence interval construction
  • 为什么对您有用: 本文属于因果推断中缺失数据(verification bias)下的推断问题,与您的 primary interest 中 causal inference 的 identification/estimation 相关,特别是处理未完全观测结局的设定。您可以用 very_familiar 的 nonparametric statistics 和 estimation theory 来审视其经验似然方法的渐近性质,或考虑将其扩展到更复杂的因果参数(如处理效应)的区间估计。中期可做:若想深入,需在 moderately_familiar 的 semiparametric theory 上加强,以推导其经验似然比统计量的渐近分布。

2. 10.1177/09622802261457281 — Joint analysis of longitudinal and recurrent event data: A functional regression approach with autoregressive frailty

  • 作者: Zifang Kong, Sy Han Chiou, Naim M Maalouf, Yu-Lun Liu
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: Southern Methodist University · The University of Texas Southwestern Medical Center
  • 分类: vol 35 · issue 7 · pp 1463-1479
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文针对纵向生物标志物与复发事件数据的联合建模问题,提出FRAILTY方法,旨在处理稀疏不规则观测和事件间时变相关性。方法采用两步估计:先用PACE(基于条件期望的函数主成分分析)从稀疏纵向数据中提取时间特征,再将得分纳入具有自回归结构的动态复发frailty模型,以刻画个体内复发事件的相关性。模拟研究表明,FRAILTY在积分均方误差、一致性指数和功能参数检验功效上优于基于B样条和贝叶斯联合模型的方法。实际应用验证于两个数据集:收缩压干预试验和肾结石治疗结果多中心研究。该方法为纵向和复发事件数据的联合分析提供了新工具,尤其适用于存在时变相关性的场景。
  • 关键技术: functional principal component analysis (PACE), autoregressive frailty model, joint modeling, sparse longitudinal data, recurrent event data
  • 为什么对您有用: 本文属于纵向因果推断与事件史分析的交叉领域,与您的primary interest中的'longitudinal'和'causal inference'直接相关。其两步估计(PACE+frailty)可视为一种半参数方法,您可以用semiparametric theory中的influence function或M-estimation框架分析其估计量的渐近性质。此外,该方法的计算效率(如PACE的数值实现)与您的statistical computing兴趣相关。

3. 10.1177/09622802261458075 — A bounded hazard ratio Cox model for the effect of time to treatment on mortality

  • 作者: Krithika Suresh, Wenyu Zhang, John D Rice
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: University of Michigan
  • 分类: vol 35 · issue 7 · pp 1518-1533
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文针对时间敏感或资源受限医疗场景中,治疗时间(TTT)对死亡率的影响评估问题。传统 Cox 比例风险模型将 TTT 效应作为 log 风险比的非限制项,可能导致生存概率不随延迟单调递减的反直觉结果,且其风险比度量的是条件于存活至治疗的效应,而非基线延迟治疗的效应。作者提出一类有界风险比(BHR)Cox 模型,约束 TTT 的风险比随治疗延迟增加而向零衰减,使得治疗后死亡风险不超过未治疗时的风险。估计可通过直接优化偏对数似然或针对大样本的迭代线性化程序实现。BHR 模型可估计风险比曲线以描述治疗获益随延迟的衰减,并进一步提出生存概率差作为比较不同治疗延迟下生存的绝对度量。模拟评估了模型性能,并应用于国家癌症数据库中结肠癌治疗延迟的数据分析。
  • 关键技术: bounded hazard ratio, Cox proportional hazards model, partial likelihood optimization, iterative linearized estimation, survival probability difference
  • 为什么对您有用: 本文属于因果推断中纵向/时间-事件设定下的应用方法学工作,直接关联 primary interest 中的 causal inference 和 longitudinal 子方向。其提出的有界风险比模型为处理治疗时间效应提供了新的参数化约束,可视为一种结构敏感性分析。从技术武器库看,可用 very_familiar 的 estimation theory in causal inference 和软件实现能力来复现其估计程序,并进一步探讨其半参数效率性质(moderately_familiar 的 semiparametric theory 可攻其效率界)。中期可做:用 semiparametric theory 推导 BHR 估计的影响函数和效率界,需先在 moderately_familiar 的 semiparametric theory 上加强。

4. 10.1177/09622802261445563 — A new information integration framework for complex models with applications to real-world data

  • 作者: Jia Liang, Jason Falve, Shuo Chen, Rozalina McCoy, Chixiang Chen
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: St. Jude Children's Research Hospital · University of Maryland, Baltimore · University of Maryland School of Medicine
  • 分类: vol 35 · issue 7 · pp 1366-1381
  • 相关性 5/10 · novelty: application
  • 摘要: 本文提出一种新的信息整合框架,用于在外部模型类型不同(如广义线性模型)且各站点/研究数据分布异质的情况下,整合来自多个研究的汇总统计量(如点估计)以估计允许协变量效应随另一协变量变化的复杂模型(如变系数模型)。该框架通过构造基于外部模型参数的估计方程或损失函数,实现计算高效的信息整合,并支持变量选择。模拟研究表明,该方法在多种情形下能显著降低方差且估计偏差很小。最后,作者将该方法应用于 UK Biobank 和 ARIC 数据识别血压风险因素,以及 Medicare 索赔数据识别老年骨折合并 ADRD 患者住院时间延长的风险因素。该方法为利用外部汇总数据提升复杂模型估计效率提供了新途径,对您而言,其处理异质性数据分布和外部模型类型差异的思路,与您在因果推断中利用外部信息(如代理变量或阴性对照)的识别策略有潜在联系。
  • 关键技术: information integration, summary statistics, varying-coefficient models, generalized linear models, variable selection, estimating equations
  • 为什么对您有用: 该论文属于因果推断中利用外部汇总数据进行估计效率提升的应用型方法研究,与您对因果推断中利用外部信息(如代理变量或阴性对照)的识别策略有潜在联系。您可以用 very_familiar 的估计理论(如 M-estimation)来审视其估计方程的有效性,或用 moderately_familiar 的 semiparametric theory 分析其效率增益是否达到半参数有效界。中期可做:需先熟悉变系数模型的识别条件,再考虑将其与您的 proximal CI 框架结合。

5. 10.1177/09622802261457277 · arXiv — A comparison of methods for designing hybrid type 2 cluster-randomized trials with continuous effectiveness and implementation endpoints

  • 作者: Melody A Owen, Fan Li, Ruyi Liu, Donna Spiegelman
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: Yale University
  • 分类: vol 35 · issue 7 · pp 1493-1517
  • 相关性 4/10 · novelty: application
  • 摘要: 本文聚焦于混合2型整群随机试验(CRTs),其目标是同时评估实施效果和健康结局两个共同主要终点。作者比较了五种能有效进行功效分析的统计设计方法:p值调整法、合并结局法、单加权1自由度检验、析取2自由度检验和合取检验。理论上,通过比较功效方程,他们证明了p值调整法总是劣于合并结局法和单1自由度检验,并识别了析取2自由度检验弱于单1自由度检验的条件。数值上,他们开发了R包crt2power,在45,000个输入场景下进行大规模模拟,发现当处理效应不等时析取2自由度检验功效最高,而当效应相等时单1自由度检验占优。该研究为混合2型试验的样本量计算提供了实用指导,其方法学贡献在于系统比较了多种多重性调整策略在CRT中的功效表现。对您而言,本文涉及因果推断中的试验设计,特别是纵向和整群随机试验中的功效分析,与您的因果推断兴趣直接相关。
  • 关键技术: cluster-randomized trials, co-primary endpoints, power analysis, p-value adjustment, combined outcomes, disjunctive 2-DF test, conjunctive test, R package crt2power
  • 为什么对您有用: 本文属于因果推断中试验设计的应用研究,直接关联您的primary interest中的causal inference(特别是纵向和整群随机试验)。虽然方法学新颖性有限(主要是比较现有方法),但其大规模数值研究和R包提供了可复用的分析工具。从技术武器库看,您对估计理论和因果推断的熟悉程度足以理解其功效分析框架,但本文不涉及高维或半参数理论,因此属于应用型论文。可考虑作为流行病学或因果推断应用案例,但无需深入方法学。

6. 10.1177/09622802261456081 — Analysis of longitudinal zero-inflated count data using overall marginalized hurdle models

  • 作者: Jiyun Lee, Eun Jin Jang, Keunbaik Lee
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: Sungkyunkwan University
  • 分类: vol 35 · issue 7 · pp 1446-1462
  • 相关性 4/10 · novelty: application
  • 摘要: 本文针对纵向零膨胀计数数据,提出整体边缘化 hurdle 随机效应模型(OMHREMs),以直接推断边际均值并评估协变量的总体效应。传统 hurdle 模型将零与正计数分开建模,但无法直接推断边际均值,限制了总体协变量效应的评估。OMHREMs 在考虑随机效应以刻画异质性的同时,直接对边际均值建模,从而提供协变量对总体均值的效应(如比值比)。通过模拟研究评估模型性能,并应用于系统性红斑狼疮数据,与现有模型进行比较。该方法为纵向零膨胀计数数据的因果或关联推断提供了新的建模工具,尤其适用于流行病学队列研究中的重复测量数据。
  • 关键技术: marginalized hurdle model, random effects, population-average effects, longitudinal data, zero-inflated count data
  • 为什么对您有用: 本文属于纵向数据中因果推断的应用,与您的流行病学应用兴趣直接相关。您可以用 very_familiar 的估计理论(如 M-estimation)来审视其边际均值建模的识别假设,中期可做的是将其与您 moderately_familiar 的 semiparametric theory 结合,探讨其效率界。

非参数 / 半参数 (nonparam_semipara, 1 篇)

1. 10.1177/09622802261461775 — Maximum likelihood estimation in proportional odds regression model based on interval-censored event-time data

  • 作者: Zhong Guan
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: Indiana University South Bend
  • 分类: vol 35 · issue 7 · pp 1534-1547
  • 相关性 6/10 · novelty: application
  • 摘要: 本文针对比例几率(proportional odds)回归模型,在事件时间数据完全或部分区间删失(interval-censored)的设定下,提出密度函数和回归系数的最大似然估计方法,并由此获得生存函数的平滑估计。理论结果表明,所提估计量具有几乎参数化的 n 一致性(almost parametric n-consistency),即收敛速率接近 n^{-1/2}。模拟研究显示,在小样本和中样本下,该方法在回归系数和生存曲线估计上均优于现有的半参数方法。方法应用于 HIV 感染数据,展示了其实用性。对您而言,该文涉及区间删失数据下的半参数效率问题,与您的 semiparametric theory 和 efficiency theory 兴趣相关,但其方法基于非参数似然而非正交估计,可能缺乏现代效率理论的深度。
  • 关键技术: maximum likelihood estimation, interval censoring, proportional odds model, sieve estimation, n-consistency
  • 为什么对您有用: 该文属于半参数与非参数理论方向,具体涉及区间删失数据下的比例几率模型,与您的 primary interest 中的 semiparametric theory 相关。您可以用 very_familiar 的 nonparametric statistics 和 minimax bounds 工具来审视其声称的 n-consistency 是否达到半参数效率界,或探讨其 sieve 估计的收敛速率。中期可做:若想深入比较其与现有半参数效率理论(如 efficient influence function)的差距,需在 moderately_familiar 的 semiparametric theory 上加强。

其他 (other, 5 篇)

1. 10.1177/09622802261457286 — An effective method for modeling highly correlated interaction models with applications in Alzheimer’s disease analysis

  • 作者: Shun Yu, Yujie Gai, Yuehan Yang
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: Central University of Finance and Economics
  • 分类: vol 35 · issue 7 · pp 1480-1492
  • 相关性 5/10 · novelty: application
  • 摘要: 本文针对具有复杂相关结构的线性交互模型,提出了一种结合局部线性逼近(LLA)与Laplacian平滑惩罚以及L1或L1+L2惩罚的新估计方法,旨在同时实现变量选择和系数估计。理论分析表明,所提方法在两步迭代内即可收敛到oracle解,具有快速收敛率。模拟研究显示,在预测精度、估计精度和变量选择方面,该方法优于现有技术。应用于阿尔茨海默病的蛋白质微阵列数据时,该方法揭示了显著的主效应和交互效应,并降低了预测误差。本文的方法为处理高相关交互模型提供了实用工具,但属于应用导向的统计方法开发,理论深度有限。
  • 关键技术: local linear approximation, Laplacian smoothing penalty, oracle solution, variable selection, interaction models
  • 为什么对您有用: 本文属于应用统计方法开发,与您的主要兴趣(如高维统计、非参数/半参数理论)关联较弱,但其中处理高相关交互模型的思想可能对您在高维U统计量或因果推断中的交互效应建模有启发。作为流行病学(阿尔茨海默病)应用,可视为入门读物,但方法学新颖性一般,不值得深入阅读。

2. 10.1177/09622802261449368 — Bayesian adaptive design for clinical trials with potential subgroup effects

  • 作者: Xuekui Zhang, Qianyun Zhao, Cong Chen, Belaid Moa, Shelley Gao
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: University of Victoria · Merck & Co., Inc., Rahway, NJ, USA (United States) · Digital Research Alliance of Canada
  • 分类: vol 35 · issue 7 · pp 1395-1407
  • 相关性 4/10 · novelty: application
  • 摘要: 本文提出一种贝叶斯自适应临床试验设计,用于在存在潜在亚组效应时选择总体、亚组或联合检验策略。分层混合先验同时刻画总体疗效与生物标志物亚组效应的不确定性,期中数据更新后验,并通过决策理论框架在三种策略间自适应选择。若选择联合检验,则基于后验信息优化总体与亚组间的α分配,以在误差率约束下最大化期望功效。优化通过GPU加速的拟蒙特卡洛积分和平滑搜索高效求解。模拟表明该设计在多种亚组患病率和效应量下维持名义错误控制,并优于现有方法。该工作属于贝叶斯自适应试验设计,与您的主要兴趣(因果推断、高维统计等)无直接交集,但可作为临床试验设计领域的入门阅读。
  • 关键技术: Bayesian adaptive design, hierarchical mixture prior, decision-theoretic framework, alpha-splitting, GPU-accelerated quasi-Monte Carlo
  • 为什么对您有用: 本文属于临床试验设计领域,与您的主要兴趣(因果推断、高维统计、U统计量等)无直接交集。作为gateway reading,它展示了贝叶斯自适应设计如何结合决策理论与计算优化,但方法学深度有限,且不涉及您熟悉的统计推断核心问题。武器库足以理解其方法,但无需深入。

3. 10.1177/09622802261449552 — Handling missing data, skewness, and outliers in medical research: A robust factor analysis approach using the canonical fundamental skew-t distribution

  • 作者: Wan-Lun Wang, Luis M Castro, Tsung-I Lin
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: National Cheng Kung University · Pontificia Universidad Católica de Chile · National Chung Hsing University · China Medical University
  • 分类: vol 35 · issue 7 · pp 1408-1427
  • 相关性 3/10 · novelty: application
  • 摘要: 本文针对医学研究中常见的缺失数据、偏态和厚尾问题,提出了一种稳健的因子分析框架。该框架将canonical fundamental skew-t分布引入潜在因子和误差项,构建CFUSTFA模型,以同时处理非正态性、异常值和缺失数据。在缺失机制为随机缺失(MAR)的假设下,作者开发了基于极大似然的交替期望条件最大化(AECM)算法,实现参数估计与缺失值插补的同步进行,并利用信息矩阵方法推导了参数的标准误。通过模拟研究和丙型肝炎病毒实验室数据的实证分析,验证了该方法在捕捉复杂、非对称且不完整的生物医学数据方面的有效性,相比现有因子分析方法提供了更稳健的推断和可解释性。
  • 关键技术: canonical fundamental skew-t distribution, factor analysis, expectation-conditional maximization algorithm, missing at random, information matrix-based standard errors
  • 为什么对您有用: 本文属于统计建模与计算方向,与您的主要兴趣(如统计计算、非参数/半参数理论)有一定关联,但并非核心领域。其处理缺失数据和偏态分布的AECM算法及信息矩阵标准误推导,可作为统计计算工具箱中的参考案例。

4. 10.1177/09622802261430905 — An evaluation of designs for Phase I/IIa dose-finding studies in Tuberculosis

  • 作者: Alessandra Serra, Pavel Mozgunov, Patrick PJ Phillips, Thomas Jaki
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: University of Cambridge · MRC Biostatistics Unit · University of Regensburg
  • 分类: vol 35 · issue 7 · pp 1349-1365
  • 相关性 2/10 · novelty: application
  • 摘要: 本文针对结核病(TB)早期药物开发中的 I/IIa 期剂量探索研究设计问题,比较了三种将安全性与活性终点以不同方式纳入剂量递增过程的设计方案。研究以 BTZ-043 试验(NCT04044001)为背景,该试验在患者中合并了传统上分离的 I 期(健康志愿者)与 IIa 期(患者安全性与早期活性)目标。通过模拟研究,作者发现将活性信息与安全性同时用于剂量递增的设计,能够更精确地估计最优剂量,并在试验结束时选择至少一个合适剂量的平均功效更高,优于仅基于安全性终点进行剂量递增的设计。该工作属于临床试验设计领域,方法上主要依赖模拟比较,未涉及新的统计理论或推断方法。对您而言,本文属于应用型研究,其设计比较思路可能对因果推断中的纵向或序贯决策问题有一定启发,但方法学新颖性有限。
  • 关键技术: dose-finding designs, Phase I/IIa trials, simulation study, safety and activity endpoints, BTZ-043 trial
  • 为什么对您有用: 本文属于临床试验设计应用,与您的因果推断(纵向/序贯)方向有间接关联,但核心方法为模拟比较,缺乏新理论。作为流行病学应用可作入门阅读,但武器库足以支撑理解,无需额外工具。

5. 10.1177/09622802261449367 — A Bayesian phase I/II platform design with survival efficacy endpoint for dose optimization

  • 作者: Xian Shi, Jiangyan Zhao, Jin Xu, Rongji Mu
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: East China Normal University · Shanghai Jiao Tong University
  • 分类: vol 35 · issue 7 · pp 1382-1394
  • 相关性 2/10 · novelty: application
  • 摘要: 本文提出一种贝叶斯 phase I/II 平台设计(BPCT),用于在多个适应症中联合开发具有时间-事件疗效终点的疗法。模型联合建模二元毒性结局和生存疗效结局,利用贝叶斯分层框架实现跨适应症的信息共享。在每个中期分析时,基于所有适应症的观测数据更新剂量-毒性、剂量-疗效估计以及风险-收益效用,从而为各适应症提供剂量递增/递减的个性化决策,并识别最优生物学剂量。模拟研究表明该设计具有理想的运行特征,为剂量优化提供了灵活高效的方案。该方法有望缩短药物开发时间、降低基础设施重叠成本并加速监管审批。
  • 关键技术: Bayesian hierarchical model, phase I/II design, time-to-event endpoint, dose optimization, utility-based decision
  • 为什么对您有用: 本文属于贝叶斯临床试验设计领域,与您的主要兴趣(因果推断、高维统计、半参数理论等)无直接交集,但可作为流行病学或应用统计方向的扩展阅读。其分层信息共享和联合建模思想对您的中期兴趣(流行病学应用)有一定参考价值,但方法学新颖性有限,且不涉及您武器库中的核心工具。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论