Nonparametric bounds for vaccine effects in randomized trials
随机试验中疫苗效应的非参数界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：摘要明确研究破盲情形下疫苗因果效应的部分识别与非参数界。
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
随机试验中疫苗效应的非参数界
- 研究问题
- 疫苗试验破盲后，接种状态认知引起的行为变化与免疫效应混合，存在未测量共同原因时还能识别哪些效应范围？
- 方法与思路
- 作者放松感染风险与接种认知之间不存在未测量共同原因的假设，分别通过线性规划和单调性方法构造因果界。
- 材料陈述的贡献
- 摘要称文章推导多种疫苗有效性指标的非参数界，比较不同因果结构下的界，并以合成及半合成数据作说明。
- 阅读关注点
- 应核对各类疫苗效应的定义、因果图与单调性限制，以及界是否尖锐、如何估计和如何反映抽样不确定性。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要未说明各组界的完整假设、宽度和推断方法，不能判断实际识别力度。
原文摘要
Vaccine randomized trials are typically designed to be blinded, ensuring that the estimated vaccine efficacy (VE) reflects the immunological effect of the vaccine. When blinding is broken, however, the estimated VE reflects not only the immunological effect but also behavioral effects stemming from participants' awareness of their treatment status. Recent work has proposed alternative causal estimands to the standard VE to address this issue, but their point identification results require a strong assumption: the absence of unmeasured common causes of infection risk and participants' belief about whether they received the vaccine. Personality traits, for example, may plausibly violate this assumption. We relax this assumption and derive nonparametric causal bounds for different types of VE. We construct these bounds using two approaches: linear programming-based and monotonicity-based methods. We further consider several possible causal structures for vaccine trials and show how the nonparametric bounds differ across these scenarios. Finally, we illustrate the performance of the proposed bounds using fully synthetic data and a semi-synthetic data example based on a COVID-19 vaccine trial.