Generalizing the Finkelstein-Schoenfeld Test to Incorporate Multiple Alternating Thresholds
引入多个交替阈值的 Finkelstein–Schoenfeld 检验推广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：摘要研究临床复合终点检验，未明确涉及所列因果识别、分布效应或其他细分方法。
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…
引入多个交替阈值的 Finkelstein–Schoenfeld 检验推广
- 研究问题
- 在包含死亡与住院等事件的临床复合终点中，如何保留终点层级信息，又让较低优先级但临床重要的事件参与比较？
- 方法与思路
- 作者提出 FS-MT 检验，在终点间顺序交替使用多个阈值，并设计加权自适应阈值选择，结合模拟与临床试验案例评估。
- 材料陈述的贡献
- 摘要称，新检验保留 FS 检验的统计性质并增加信息利用的灵活性，同时提供 Digitalis 试验案例与 FSMT R 包。
- 阅读关注点
- 应核对阈值如何改变成对比较规则、自适应选择如何影响检验水平，以及删失、事件相关性和随访时长的处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未列明所保留统计性质的条件，也未给出效能改善的具体范围。
原文摘要
Composite endpoints consisting of both terminal and non-terminal events, such as death and hospitalization, are frequently used in cardiovascular clinical trials. The Finkelstein-Schoenfeld (FS) test provides a way to employ a hierarchical structure to combine fatal and non-fatal events by giving death information an absolute priority, which may limit the contribution of clinically meaningful non-fatal events. To provide a more flexible alternative, we propose the Finkelstein-Schoenfeld with Multiple Thresholds (FS-MT) test, which extends the standard FS test by incorporating multiple thresholds applied sequentially and alternating across endpoints. A weighted adaptive approach is also developed to help determine the thresholds in FS-MT. The proposed approach retains the statistical properties of the FS test while allowing more flexible use of information from lower-priority events. We evaluate the operating characteristics of the proposed test through simulations that vary the follow-up time, the correlation between events, and the treatment effect sizes. A case study based on the Digitalis Investigation Group clinical trial data is presented to further illustrate our proposed method. An R package ``FSMT'' that implements the proposed methodology has been developed.