One-step Outcome Imputation: An Alternative to Multiple Imputation
一步结果插补：多重插补的替代方法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：摘要以随机试验中的处理效应为目标，讨论结果缺失下效应估计及其推断。
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…
一步结果插补：多重插补的替代方法
- 研究问题
- 随机试验存在结果缺失时，如何针对插补模型隐含的处理效应进行推断，并解决部分插补程序中 Rubin 规则的标准误问题？
- 方法与思路
- 作者明确插补模型对应的处理效应目标，借助其影响函数构造有效的一步估计量，以减少多重插补中的随机生成与计算负担。
- 材料陈述的贡献
- 摘要称，该方法提供渐近有效推断，覆盖参考组插补及依赖中间事件的插补，并已在 targeted R 包中实现。
- 阅读关注点
- 应核对插补模型如何定义效应目标、影响函数推导与有效性条件，以及不同缺失机制和中间事件处理对解释的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未说明缺失机制假设及模型误设后果，软件实现也未经核验。
原文摘要
Missing outcomes in randomized controlled trials are often handled by multiple imputation (MI). Rubin's rules are routinely used to estimate standard errors but can fail to provide valid standard error estimates for some commonly used procedures, such as reference-based imputation. We propose a one-step alternative by explicitly targeting the treatment effect implied by a given imputation model and constructing an efficient one-step estimator for that treatment effect via its influence function. Unlike Rubin's rules, this approach yields asymptotically valid inference. Moreover, the proposed method circumvents the stochastic component and computational burden of MI. We illustrate the approach with examples spanning a range of imputation models, including reference-based imputation and intercurrent-event-dependent imputation. The one-step imputation estimation procedure is implemented in the `targeted` R package.