跳转至

SMMR · 2026-10-16

  • 共 8 篇 · Statistical Methods in Medical Research

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。

这一期以临床试验设计与分析为主线,核心关切集中在因果比较的稳健性与自适应随机化(RAR)的操作特性上。论文大致可聚为三条主线:一是复合结局与缺失数据下的因果推断,涉及随访测量与生存结局的联合比较、三水平集群随机试验中的协变量依赖缺失处理;二是响应自适应设计的统计性质与实施细节,覆盖贝叶斯RAR的burn-in长度、缺失响应下的插补策略、罕见病分层试验的映射分配、主方案单臂试验的分配程序;三是非比例风险下的假设检验,以ROC曲线度量构造生存曲线比较方法。另有一篇历史注记,回顾RAR早期争议。

最突出的是响应自适应设计这条线,五篇论文从不同角度切入同一问题:有限样本下RAR的操作特性如何受设计参数影响。A burn-in(g) question用精确而非渐近的方法评估初始等随机化阶段长度对I类错误率、功效和参与者收益的影响,指出无burn-in时常用检验的I类错误率严重膨胀;Implementing response-adaptive designs when responses are missing则聚焦MNAR缺失下在线插补策略如何改变探索-利用权衡,并区分了偏差来源是乐观抽样还是缺失机制;Implementing response-adaptive randomisation in stratified rare-disease trials提出离散化分配概率的Mapping策略,以在小样本下兼顾预设概率与频率学错误率;Randomization and allocation procedures for master protocol trials将RAR思想扩展到单臂主方案试验,用预测成功概率驱动分配;A historical note则提供了这场争论的早期未发表回应,便于理解后续方法发展的动机。

另一条值得注意的主线是因果比较中的复合结局与缺失机制。Treatment comparisons using a measurement during follow-up将时间-事件结局与纵向测量结合为胜率比,处理删失下的复合结局比较;Cluster-level analysis in three-level cluster randomised trials则系统比较了未调整、协变量调整的集群水平估计量与线性混合模型在多水平协变量依赖缺失下的表现,发现未调整估计量有偏、混合模型无偏但小样本不稳定,并量化了不同层级缺失对方差膨胀的影响。这两篇分别从结局定义和缺失机制两个维度推进了因果估计的稳健性。

若按主题优先阅读:因果推断方向可先看Treatment comparisons与Cluster-level analysis;假设检验方向关注ROC-based methods;RAR方向则从A burn-in(g) question和Implementing response-adaptive designs when responses are missing入手,辅以A historical note了解背景。

因果推断 (causal_inference, 3 篇)

1. 10.1177/09622802261498390 — Treatment comparisons using a measurement during follow-up and a right-censored time-to-event outcome

  • 作者: Michal Kicinski
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: European Organisation for Research and Treatment of Cancer
  • 相关性 6/10 · novelty: application
  • 摘要: 本文针对临床试验中治疗组间随访测量比较常受死亡或进展等事件干扰的问题,提出基于净治疗获益或胜率比的比较方法。胜局定义为实验组患者比对照组患者有更长的至事件时间(至预设限制时间ε),或两者至事件时间均大于ε时实验组随访测量结果更优。作者提出了该胜率比的估计量,模拟研究显示其近似无偏,并应用于白血病试验数据。该方法将时间-事件结局与纵向测量结合,属于复合结局的因果比较框架。对您而言,其胜率比估计与删失处理机制可联系到您在因果推断中关于纵向数据和复合结局的研究兴趣。
  • 关键技术: win ratio, net treatment benefit, right-censoring, restriction time, simulation study
  • 为什么对您有用: 本文属于因果推断中复合结局与删失数据的应用方法,直接关联您的primary interest中的纵向因果推断和临床试验比较。您可用very_familiar的估计理论(如M-估计)分析其估计量的渐近性质,或检查其识别假设是否可放宽。中期可做:结合您的moderately_familiar的semiparametric theory推导其效率界。

2. 10.1177/09622802261498389 — Cluster-level analysis in three-level cluster randomised trials with multi-level covariate-dependent missingness

  • 作者: Satish Pradhan, Priyanka Majumder
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: Indian Institute of Science Education and Research Thiruvananthapuram
  • 相关性 6/10 · novelty: application
  • 摘要: 本文针对三水平集群随机试验(CRT)中多水平协变量依赖缺失(CDM)下的处理效应估计问题,目标是在个体-家庭-社区嵌套结构下估计平均处理效应。作者建立了显式纳入子集群内和子集群间协变量相关性的分析框架,并比较了未调整与协变量调整的集群水平估计量以及线性混合模型的表现。通过蒙特卡洛模拟和基于2021年马达加斯加人口与健康调查的plasmode模拟,发现未调整的集群水平分析在多水平CDM下有偏,而正确设定的线性混合模型在MAR假设下无偏但小样本下计算不稳定。协变量调整的集群水平估计量在处理臂间协变量效应和缺失机制同质时无偏,且子集群水平缺失比个体水平缺失导致更大的方差膨胀。对于每臂少于30个集群且处理效应同质的情况,建议使用协变量调整的集群水平分析作为混合模型的实用替代,并提供了方法选择流程图。对您而言,本文的缺失机制建模和集群水平估计量的有限样本性质分析,与您因果推断中纵向和集群随机试验的兴趣直接相关,其模拟设计思路也可借鉴。
  • 关键技术: cluster-level analysis, covariate-dependent missingness, linear mixed models, plasmode simulation, Monte Carlo simulation, missing at random
  • 为什么对您有用: 本文属于因果推断中集群随机试验的缺失数据处理,直接关联您的primary interest中的causal inference(纵向、估计)子方向。您可以用very_familiar的估计理论(如M-estimation)来审视其集群水平估计量的偏差-方差权衡,或用moderately_familiar的semiparametric理论来推导更高效的估计量。中期可做:需在semiparametric theory上加强以处理更复杂的缺失机制。

3. 10.1177/09622802251366843 — Implementing response-adaptive designs when responses are missing: Impute or ignore?

  • 作者: Mia S Tackney, Sofía S Villar
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: University of Cambridge · MRC Biostatistics Unit
  • 相关性 6/10 · novelty: new_method
  • 摘要: 本文研究响应自适应设计(RAD)在临床试验中响应缺失时的实施问题,特别针对数字健康干预中常见的非随机缺失(MNAR)情形。作者提出一种新颖的在线插补策略,允许根据更新后的成功概率估计对先前的插补值进行重新插补。此外,还考虑了确定性算法的截断以防止极端治疗分配不平衡,以及改变半随机算法的随机成分。通过基于数字戒烟干预试验的模拟研究,展示了缺失响应处理策略如何影响探索-利用权衡和试验结束时成功概率估计的偏差。研究发现,当各臂缺失率差异很大时,探索-利用权衡尤其受影响,并识别出一些特别有问题的RAD与缺失策略组合。最后,作者指出试验结束时成功概率估计的偏差不仅可能源于乐观抽样,还可能源于MNAR缺失机制。
  • 关键技术: response-adaptive designs, online imputation, missing not at random, exploration-exploitation tradeoff, simulation study
  • 为什么对您有用: 本文属于因果推断中纵向/自适应试验设计下的缺失数据处理问题,与您的primary interest中的causal inference(特别是纵向设定)直接相关。您可以用very_familiar的估计理论(如IPW或AIPW)来形式化其插补策略的偏差-方差权衡,或进一步推导其估计量的渐近性质。中期可做:需先熟悉自适应试验的序贯决策框架(属于moderately_familiar的identification theory)。

数理统计 / 假设检验 (hypothesis_testing, 1 篇)

1. 10.1177/09622802261497856 — ROC-based methods for comparing two survival curves under non-proportional hazards with right, left, and doubly censored data

  • 作者: Mohammod Mahmudur Rahman, Leonidas E Bantis
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: University of Kansas Medical Center
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文针对非比例风险(non-PH)下两组生存曲线比较的问题,提出基于ROC曲线长度和重叠系数(overlap coefficient)的非参数与半参数检验方法,并给出联合推断框架。传统log-rank检验在PH假设下最优,但PH违反时功效受损;Fleming-Harrington加权检验需预先指定权重,MaxCombo虽无需先验但功效仍有提升空间,尤其当生存曲线交叉时。作者利用ROC曲线长度和重叠系数作为两分布差异的度量,构造检验统计量,可处理右删失、左删失和双删失数据。通过大量模拟研究,在早期效应和交叉效应等非PH配置下,所提方法相比现有非参数方法有更优的功效。文中还给出真实数据示例,并开发了R包ROCsurvcomp(CRAN可获取)。对您而言,该文将假设检验与ROC/重叠系数这类非参数度量结合,且处理复杂删失,与您对假设检验和非参数理论的兴趣直接相关。
  • 关键技术: ROC curve length, overlap coefficient, nonparametric and semiparametric inference, right/left/double censoring, joint inference
  • 为什么对您有用: 该文属于假设检验与非参数方法在生存分析中的应用,直接关联您的主要兴趣(hypothesis testing 和 nonparametric theory)。您可以用 very_familiar 的非参数统计和 minimax 视角审视其检验统计量的功效性质,或考虑其与 higher-order U-statistics 的联系(ROC 长度和重叠系数估计量常涉及 U 统计量结构)。中期可做:若想深入其半参数效率,需在 semiparametric theory 上稍加巩固(moderately_familiar)。总体而言,这是一篇方法学论文,值得展开读以了解 ROC 类度量在生存比较中的最新进展。

其他 (other, 4 篇)

1. 10.1177/09622802251411538 · arXiv — A burn-in(g) question: How long should an initial equal randomization stage be before Bayesian response-adaptive randomization?

  • 作者: Edwin YN Tang, Stef Baas, Daniel Kaddaj, Lukas Pin, David S Robertson, Sofía S Villar
  • 期刊/来源: Statistical Methods in Medical Research
  • 相关性 5/10 · novelty: application
  • 摘要: 本文研究两臂二元贝叶斯响应自适应随机化(BRAR)设计中初始等随机化阶段(burn-in)的最优长度问题,目标是评估 burn-in 长度对试验统计操作特征(I 类错误率、功效、参与者收益)的影响。作者提出一种精确评估方法,而非依赖渐近近似,以计算不同 burn-in 长度下的操作特征。结果显示,无 burn-in 时常用校准和渐近检验的 I 类错误率显著膨胀,即使 burn-in 超过一半试验规模也只能部分缓解,因此需要精确检验;基于总成功数条件的精确检验在较大 burn-in 长度下具有最高平均和最小功效;burn-in 长度对功效和参与者收益有显著影响,且最优值并非极值;检验统计量影响错误率和功效;估计偏差随 burn-in 长度和效应大小变化。最后通过重新设计 ARREST 试验进行说明。对您而言,本文属于临床试验设计中的应用统计工作,与您的主要兴趣(因果推断、假设检验)关联较弱,但其中精确检验与操作特征评估的思路可能对您处理有限样本推断问题有参考价值。
  • 关键技术: Bayesian response-adaptive randomization, exact evaluation, type I error rate, power analysis, clinical trial design
  • 为什么对您有用: 本文属于临床试验设计中的应用统计,与您的主要兴趣(因果推断、假设检验)关联较弱,但其中精确检验与操作特征评估的思路可能对您处理有限样本推断问题有参考价值。作为 gateway reading,本文对统计学家而言入门友好,但方法学新颖性有限,不值得深入阅读。

2. 10.1177/09622802251380625 · arXiv — Implementing response-adaptive randomisation in stratified rare-disease trials: Design challenges and practical solutions

  • 作者: Rajenki Das, Nina Deliu, Mark R Toshner, Sofía S Villar
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: University of Cambridge · MRC Biostatistics Unit · Sapienza University of Rome · Royal Papworth Hospital
  • 相关性 5/10 · novelty: application
  • 摘要: 本文针对罕见病分层试验中响应自适应随机化(RAR)的实际实施问题,提出一种将随机化概率离散化为分配比向量的 Mapping 策略,以在小样本下保证分配既符合预设概率又具有可接受性,并改善频率学错误率。在 Mapping 框架下,作者进一步分析中期分析中缺失数据对试验操作特性的影响,并讨论跨层合并数据、盲法水平及安全性报告等实际问题。方法上通过模拟研究评估不同场景下的操作特性,属于应用导向的方法学工作。对您而言,本文虽不直接涉及您的主要理论兴趣,但其对试验设计实际挑战的处理可作为流行病学或临床试验应用方向的入门阅读。
  • 关键技术: response-adaptive randomisation, stratified trials, allocation ratio discretisation, simulation study, missing data handling
  • 为什么对您有用: 本文属于流行病学/临床试验应用方向,可作为您 secondary interest 中流行病学应用工作的入门读物;其核心方法(RAR 与分层设计)不依赖您武器库中的高级统计工具,但模拟评估框架易于理解,值得花时间读全文以了解实际试验设计中的统计考量。

3. 10.1177/09622802261425426 — Randomization and allocation procedures for master protocol trials of single-arm studies

  • 作者: Peter Jacko, Günter Heimann, Tom Parke
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: Lancaster University · Novartis (Switzerland)
  • 相关性 4/10 · novelty: application
  • 摘要: 本文研究主方案试验(master protocol trials)中,当每个子试验为单臂研究(single-arm)时的随机化与分配程序,动机主要来自罕见病。子试验分析通过将单臂观测数据与历史数据或专家判断比较,并遵循预设决策规则,不使用主方案中其他研究的数据。作者针对伞式、平台式和永久式等子试验进入模式,提出基于当前试验成功预测概率的分配程序。模拟研究表明,所提分配程序可带来实质性效率提升,使试验内参与者更早达成成功声明,从而惠及试验外人群。
  • 关键技术: predictive probability of success, adaptive allocation, master protocol trials, single-arm studies, simulation study
  • 为什么对您有用: 本文属于临床试验设计应用,与您的主要兴趣(因果推断、高维统计等)无直接交集,但可作为流行病学或应用因果方向的入门阅读,了解主方案试验中的分配机制。您的武器库(如模拟、预测概率)足以理解本文,但方法学新颖性有限,不值得深入阅读。

4. 10.1177/09622802251403371 — A historical note: Rediscovering an unpublished response to Korn and Freidlin (2011)

  • 作者: Hongjian Zhu, William F Rosenberger, Feifang Hu, Sofia Villar
  • 期刊/来源: Statistical Methods in Medical Research
  • 机构: George Mason University · University of Virginia · University of Cambridge
  • 相关性 3/10 · novelty: survey
  • 摘要: 本文是一篇历史性注记,重新发表了 Zhu、Rosenberger 和 Hu 对 Korn 与 Freidlin (2011) 关于响应自适应随机化(RAR)在临床试验中争议的未发表回应。文章回顾了 RAR 的原始争论,梳理了后续方法学发展,并提供了更完整的历史视角。结尾部分由特刊联合编辑撰写,探讨了当代临床试验设计中 RAR 实施的细微之处与复杂性。该文属于观点/历史综述,无新方法论贡献,但为理解 RAR 的争议脉络提供了有价值的文献。
  • 关键技术: response-adaptive randomization, clinical trial design, historical review
  • 为什么对您有用: 本文属于 gateway reading 范畴,与您的因果推断(临床试验中的随机化)和流行病学(临床试验设计)兴趣有间接关联。作为历史注记,它适合作为了解 RAR 争议的入门读物,但方法学深度有限。您的武器库足以理解文中讨论的统计概念,但无需投入时间精读全文,除非您对临床试验设计的历史背景特别感兴趣。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论