Assessment of evidence against homogeneity in exhaustive subgroup treatment effect plots
穷尽子组处理效应图中反对同质性的证据评估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：摘要研究临床试验的子组处理效应异质性，并使用双重稳健伪结果开展推断。
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
穷尽子组处理效应图中反对同质性的证据评估
- 研究问题
- 临床试验的穷尽子组效应图中，如何区分真实异质性与小样本、多重比较造成的表面差异，使探索性图形更易解释？
- 方法与思路
- 作者用双重稳健学习器的伪结果估计子组效应，在效应同质模型下构造参考分布与同质性区域，并比较临界值计算方法。
- 材料陈述的贡献
- 摘要称推导同质性区域的显式公式，并通过心血管试验与模拟展示推断校准，以及相对直接使用组均值差方法的改善。
- 阅读关注点
- 应核对子组集合如何确定、同质性区域的覆盖目标、多重比较处理、参考分布构造，以及临界值方案的计算与校准依据。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明完整假设、校准数值或比较场景，不能据图中差异直接确认异质性。
原文摘要
Exhaustive subgroup treatment effect plots are constructed by displaying all subgroup treatment effects of interest against subgroup sample size, providing a useful overview of the observed treatment effect heterogeneity in a clinical trial. As in any exploratory subgroup analysis, however, the observed estimates suffer from small sample sizes and multiplicity issues. To facilitate more interpretable exploratory assessments, this paper introduces a computationally efficient method to generate homogeneity regions within exhaustive subgroup treatment effect plots. Using the Doubly Robust (DR) learner, pseudo-outcomes are used to estimate subgroup effects and derive reference distributions, quantifying how surprising observed heterogeneity is under a homogeneous effects model. Explicit formulas are derived for the homogeneity region and different methods for calculation of the critical values are compared. The method is illustrated with a cardiovascular trial and evaluated via simulation, showing well-calibrated inference and improved performance over standard approaches using simple differences of observed group means.