布拉格,梅兰妮;王瑞;艾莉莎·斯蒂芬斯;埃里克·切特根·切特根;维克多·迪尔格托拉 在缺乏结果的分组随机试验中,在评估治疗效果时考虑相互作用和复杂的受试者间依赖。 (英语) Zbl 1390.62300号 生物计量学 72,第4号,1066-1077(2016). 摘要:在分组随机试验(CRT)中,半参数方法通常用于评估干预对相关结果的影响。当结果随机缺失(MAR)时,结合基线协变量的逆概率加权(IPW)方法可用于处理信息缺失。此外,增广广义估计方程(AUG)纠正了基线协变量的不平衡,但需要对MAR结果进行扩展。然而,在治疗和基线协变量之间存在交互作用的情况下,如果交互作用模型没有正确指定,两种方法都不能单独对边际治疗效果产生一致的估计。我们提出了一种AUG-IPW估计器,该估计器通过完整病例概率的倒数进行加权,并允许在每个干预组中使用不同的结果模型。该估计器具有双重鲁棒性(DR);它可以正确估计缺失的数据过程或结果模型是否被正确指定。我们认为当一个个体的结果可能依赖于其他个体的协变量时,就会出现协变量干扰问题。当干扰协变量未建模时,只要结果和缺失不同时存在协变量干扰,DR属性就可以防止偏差。开发了一个R包来实现所提出的方法。一项广泛的模拟研究以及在南非艾滋病风险降低干预CRT中的应用说明了该方法。 引用于2文件 MSC公司: 62页第10页 统计学在生物学和医学中的应用;元分析 62H30型 分类和区分;聚类分析(统计方面) 关键词:增加;分组随机试验;广义估计方程;相互作用;干扰;逆概率加权;随机缺失(MAR);结果模型;倾向得分;半参数方法 软件:R(右);极客;PROC GENMOD公司 PDF格式BibTeX公司 XML格式引用 \textit{M.Prague}等人,《生物统计学》72,第4期,1066--1077(2016;Zbl 1390.62300) 全文: 内政部 arXiv公司 哈尔