Inference on Selected Subgroups in Clinical Trials
临床试验中经选择子群的统计推断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。
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：摘要研究临床试验中所选子群的效应推断，直接关联治疗效应的选择后评估。
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
临床试验中经选择子群的统计推断
- 研究问题
- 利用同一临床试验数据事后选出表现最好的子群后，如何评估其效应，避免把选择过程忽略后产生过于乐观的结论？
- 方法与思路
- 作者针对最佳所选子群效应构造去偏自助法推断程序，将数据驱动的子群选择纳入分析，并重新分析 MONET1 试验。
- 材料陈述的贡献
- 摘要称，该程序无需指定模型、计算简便且具有渐近尖锐性；试验重分析说明事后子群选择方式应影响效应的统计评估。
- 阅读关注点
- 应核对子群候选集合和选择规则、去偏自助法如何处理选择偏差，以及渐近尖锐性的定义、效应目标和区间覆盖条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明候选子群规模与渐近条件，不能把无需指定模型理解为无需其他假设。
原文摘要
When existing clinical trial data suggest a promising subgroup, we must address the question of how good the selected subgroup really is. The usual statistical inference applied to the selected subgroup, assuming that the subgroup is chosen independent of the data, may lead to an overly optimistic evaluation of the selected subgroup. In this article, we address the issue of selection bias and develop a de-biasing bootstrap inference procedure for the best selected subgroup effect. The proposed inference procedure is model-free, easy to compute, and asymptotically sharp. We demonstrate the merit of our proposed method by reanalyzing the MONET1 trial and show that how the subgroup is selected post hoc should play an important role in any statistical analysis. Supplementary materials for this article are available online.