Principal Stratification with Time-to-Event Outcomes
事件时间结局的主分层分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要围绕随机化后事件下的主分层因果目标量与估计展开，临床事件时间结局本身不构成宏观时间序列的分类依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
事件时间结局的主分层分析
- 研究问题
- 临床试验存在不依从或终末事件导致的删失时，如何在主分层框架下定义并估计事件时间结局的因果效应？
- 方法与思路
- 作者定义两个因果目标量，采用潜在混合模型推导似然，以贝叶斯参数化 Weibull–Cox 比例风险模型和 Stan 后验采样实现估计。
- 材料陈述的贡献
- 摘要称，提供目标量的解析表达及无法解析时的数值计算方法，并应用于 ADAPTABLE 试验，比较两种阿司匹林剂量的因果效应。
- 阅读关注点
- 核对两个目标量对应的主层、分层识别条件及删失处理；检查混合模型、比例风险限制和先验设定对后验结论的影响。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审或接收未核实；摘要未说明完整识别假设、先验及应用结果，不能推断剂量优劣。
原文摘要
Post-randomization events, also known as intercurrent events, such as treatment noncompliance and censoring due to a terminal event, are common in clinical trials. Principal stratification is a framework for causal inference in the presence of intercurrent events. Despite the extensive existing literature, there lacks generally applicable and accessible methods for principal stratification analysis with time-to-event outcomes. In this paper, we specify two causal estimands for time-to-event outcomes in principal stratification. For estimation, we adopt the general strategy of latent mixture modeling and derive the corresponding likelihood function. For computational convenience, we illustrate the general strategy with a mixture of Bayesian parametric Weibull-Cox proportional model for the outcome. We utilize the Stan programming language to obtain automatic posterior sampling of the model parameters via the Hamiltonian Monte Carlo. We provide the analytical forms of the causal estimands as functions of the model parameters and an alternative numerical method when analytical forms are not available. We apply the proposed method to the ADAPTABLE trial to evaluate the causal effect of taking 81 mg versus 325 mg aspirin on the risk of major adverse cardiovascular events.