Robust evaluation of treatment effects in longitudinal studies with truncation by death or other intercurrent events
死亡截断及其他中间事件下纵向研究治疗效应的稳健评估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：摘要围绕随机试验中的因果估计目标、治疗效应识别及选择偏差展开。
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…
死亡截断及其他中间事件下纵向研究治疗效应的稳健评估
- 研究问题
- 随机试验中死亡、换药或退出使后续结局难以解释时，如何利用事件发生前的信息定义并估计有意义的治疗效应？
- 方法与思路
- 作者提出PLOT估计目标：按基线协变量匹配处理组与对照组，在任一方发生中间事件前的最近时点比较结局。
- 材料陈述的贡献
- 摘要称PLOT在随机试验中无需结构假设即可识别，并提出结合数据自适应辅助参数估计的渐近有效检验与效应估计。
- 阅读关注点
- 应核对配对与比较时点如何确定、PLOT的临床含义，以及残余选择偏差消失和渐近效率结论所需的具体条件。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要未说明所谓标准条件，不能据此认定选择偏差在所有场景均可忽略。
原文摘要
Intercurrent events, such as treatment switching, rescue medication, dropout, or truncation by death, frequently complicate intention-to-treat analyses in randomized clinical trials. Existing causal inference frameworks typically target hypothetical or principal stratum estimands (e.g., survivor average causal effects), which rely on unverifiable assumptions and can be sensitive to unmeasured confounders or positivity violations. We propose a novel approach that mitigates this sensitivity by using only information measured prior to the intercurrent event. Our key idea is to compare treated and untreated individuals, matched on baseline covariates, at the most recent time point before either experiences an intercurrent event. We call these contrasts Pairwise Last Observation Time (PLOT) estimands. PLOT estimands are identified in randomized trials without structural assumptions, even under severe positivity violations. Although PLOT-based tests may theoretically be susceptible to residual selection bias, we show this bias vanishes under standard conditions and remains negligible in extensive simulations. We develop asymptotically efficient, model-free tests and treatment effect estimators using data-adaptive nuisance parameter estimation. We evaluate performance via simulation and apply the method to re-analyze the DEVOTE trial, affected by truncation by death. PLOT offers a robust, data-driven alternative for evaluating treatment efficacy in the presence of complex intercurrent events.