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