How should parallel cluster randomized trials with a baseline period be analyzed? A survey of estimands and common estimators
带基线期的平行整群随机试验：估计目标与常用估计量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：摘要明确研究整群随机试验中的处理效应目标、权重和估计一致性，直接属于因果推断与随机实验分析方向。
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
带基线期的平行整群随机试验：估计目标与常用估计量
- 研究问题
- 带基线期的平行整群随机试验存在信息性群组规模时，个体平均和群组平均处理效应应如何区分，常用估计量分别收敛到什么？
- 方法与思路
- 作者定义两类处理效应目标，推导独立估计方程、固定效应及两种混合效应模型在未加权和逆群组期规模加权下的极限。
- 材料陈述的贡献
- 摘要称，独立估计方程与固定效应的相应加权方式可一致估计两类目标；混合模型通常不一致，但交换型模型在模拟中偏差较稳健。
- 阅读关注点
- 应核对权重与两类目标的对应、信息性规模的定义及收敛条件，并比较不同相关结构下的偏差机制、模拟和印度试验重分析。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核验；摘要主要针对连续结果，未列完整条件，模拟中的偏差稳健性不等于普遍一致性。
原文摘要
The parallel cluster randomized trial with baseline (PB-CRT) is a common variant of the standard parallel cluster randomized trial (P-CRT). We define two natural estimands in the context of PB-CRTs with informative cluster sizes, the participant-average treatment effect (pATE) and cluster-average treatment effect (cATE), to address participant and cluster-level hypotheses. In this work, we theoretically derive the convergence of the unweighted and inverse cluster-period size weighted (i.) independence estimating equation, (ii.) fixed-effects model, (iii.) exchangeable mixed-effects model, and (iv.) nested-exchangeable mixed-effects model treatment effect estimators in a PB-CRT with continuous outcomes. Overall, we theoretically show that the unweighted and weighted independence estimating equation and fixed-effects model yield consistent estimators for the pATE and cATE estimands. Although mixed-effects models yield inconsistent estimators to these two natural estimands under informative cluster sizes, we empirically demonstrate that the exchangeable mixed-effects model is surprisingly robust to bias. This is in sharp contrast to the corresponding analyses in P-CRTs and the nested-exchangeable mixed-effects model in PB-CRTs, and may carry implications for practice. We report a simulation study and conclude with a re-analysis of a PB-CRT examining the effects of community youth teams on improving mental health among adolescent girls in rural eastern India.