$K$-Treatment Comparisons with Restricted Randomization Rules in Clinical Trials
临床试验中受限随机化规则下的多处理比较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：摘要围绕临床试验的随机处理分配与处理比较检验，直接关联因果推断中的实验设计和随机化推断。
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
临床试验中受限随机化规则下的多处理比较
- 研究问题
- 临床试验比较两种及以上处理时，如何在兼顾分配平衡与随机化的受限规则下，获得随机化检验的零假设分布近似？
- 方法与思路
- 作者针对广泛的一类受限随机化分配规则，推导多样本随机化检验零假设分布的大样本近似，并讨论条件推断。
- 材料陈述的贡献
- 摘要称提供受限随机化下多处理比较检验的大样本分布结果，并讨论该结果对条件推断的含义，未说明具体规则。
- 阅读关注点
- 应核对受限随机化规则的覆盖范围、检验的原假设及统计量、渐近近似条件，以及条件推断所依赖的条件化对象。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；摘要未给出分布形式或小样本表现，也未明确因果效应参数的定义。
原文摘要
In the course of conducting a clinical trial to compare $K (\geq 2)$ treatments, it is often desirable to balance the trial with respect to the assignments of patients to treatments. On the other hand, some form of randomization of treatment assignments is essential for reducing experimental bias. In this article, the large-sample approximation to the null distribution of $K$-sample randomization tests generated from a broad class of restricted randomization rules is derived. The implication of this result for conditional inference is also discussed.