Starting Small: Prioritizing Safety over Efficacy in Randomized Experiments Using the Exact Finite Sample Likelihood
从小样本开始：利用精确有限样本似然在随机试验中优先考虑安全性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：摘要以随机实验中的治疗安全性与疗效比较为基础，研究实验信息支持的决策与推断。
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
从小样本开始：利用精确有限样本似然在随机试验中优先考虑安全性
- 研究问题
- 当随机试验的决策目标更重视安全性而非疗效时，如何利用精确有限样本似然选择行动并评价既有试验决策？
- 方法与思路
- 作者结合精确有限样本似然与统计决策理论，提出贝叶斯和最大似然决策规则，并按最大最小及最大遗憾准则比较。
- 材料陈述的贡献
- 摘要称在样本量为二至五十的设置中，新规则可能优于基于 Boole–Fréchet–Hoeffding 界的规则，并用于解释临床试验结果。
- 阅读关注点
- 应核对安全优先的效用函数、有限样本似然构造、比较规则的决策空间，以及性能优势出现的具体设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出效用权重及比较细节，安全性解释也不能据此视为已验证原因。
原文摘要
We use the exact finite sample likelihood and statistical decision theory to answer questions of ``why?'' and ``what should you have done?'' using data from randomized experiments and a utility function that prioritizes safety over efficacy. We propose a finite sample Bayesian decision rule and a finite sample maximum likelihood decision rule. We show that in finite samples from 2 to 50, it is possible for these rules to achieve better performance according to established maximin and maximum regret criteria than a rule based on the Boole-Frechet-Hoeffding bounds. We also propose a finite sample maximum likelihood criterion. We apply our rules and criterion to an actual clinical trial that yielded a promising estimate of efficacy, and our results point to safety as a reason for why results were mixed in subsequent trials.