SPYCE: A Doubly Robust Estimator for Trials Targeting Early Huntington Disease under Outcome-Dependent Censoring
SPYCE：结果依赖删失下早期亨廷顿病终点的双重稳健估计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：摘要主要研究删失下疾病结果轨迹与终点筛选，未明确给出所列方向中的因果效应估计目标。
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…
SPYCE：结果依赖删失下早期亨廷顿病终点的双重稳健估计
- 研究问题
- 当较差结果导致受试者提前退出、进入第一阶段的时间被右删失时，如何估计临近该阶段的结果变化并筛选敏感临床终点？
- 方法与思路
- 作者提出 SPYCE，结合进入第一阶段与研究退出时间的模型构造双重稳健估计，允许非参数估计，并应用于 PREDICT-HD 观察研究。
- 材料陈述的贡献
- 摘要称，该估计在任一模型正确时一致且达到最小方差，应用中消解既有估计矛盾，并识别尾状核及壳核体积比为有前景的敏感终点。
- 阅读关注点
- 应核对目标轨迹参数、结果依赖删失的识别条件、两类模型的稳健性与效率要求，以及治疗检出样本量计算采用的效应假设。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收。摘要未说明完整效率条件与样本量计算设定，观察性终点分析不能直接验证治疗疗效。
原文摘要
Clinical trials for neurodegenerative diseases must identify sensitive endpoints -- outcomes that change rapidly enough to detect treatment effects. In Huntington disease, this requires measuring how outcomes change as participants approach Stage 1. Yet many participants exit studies before reaching this stage, making their time to Stage 1 right-censored. Estimating how outcomes change requires models for both time to Stage 1 and time to study exit. When participants with worse outcomes exit earlier, this outcome-dependent censoring causes existing estimators to produce contradictory results: for the same cognitive outcome, one estimator suggests improvement while another shows decline. Existing estimators either ignore outcome-dependent censoring or require one model to be correctly specified, with no protection when it is not. We introduce SPYCE, a doubly robust estimator (consistent when either model is correctly specified) that achieves the smallest possible variance and allows both models to be estimated nonparametrically without sacrificing efficiency. Applied to data from PREDICT-HD, an observational Huntington disease study, SPYCE resolves current contradictions, identifies caudate and putamen volume ratios as the most promising sensitive endpoints, and shows that as few as 241 participants per arm are needed to detect treatment effects, versus hundreds of thousands under estimators that cannot handle outcome-dependent censoring.