Sequential Randomization Tests Using e-values: Applications for trial monitoring
基于 e 值的序贯随机化检验及试验监测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：摘要研究随机试验中无处理效应的序贯检验，其有效性明确来自处理分配的随机化机制。
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
基于 e 值的序贯随机化检验及试验监测
- 研究问题
- 随机试验持续监测二元、仅事件或连续结局时，如何依靠随机化机制控制任意停止下的第一类错误，并减少参数或渐近近似依赖？
- 方法与思路
- 作者采用投注框架，在使用当前标签更新财富前下注于随机分配或事件标签，构造检验鞅，并允许选择设计校准的固定投注。
- 材料陈述的贡献
- 摘要称，e-RT 在无处理效应零假设下提供随时有效的错误控制，默认无需预设效应大小，并以模拟展示校准和功效表现。
- 阅读关注点
- 应核对各结局类型的零假设与随机化机制、投注的信息时序，以及检验鞅性质、停止规则和可选最优增长投注的适用条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未列完整构造及适用限制，较少假设也不意味着无需随机化设计条件。
原文摘要
Sequential monitoring of randomized trials traditionally relies on parametric assumptions or asymptotic approximations. We discuss a family of nonparametric sequential tests - collectively called e-RT - for binary, event-only, and continuous endpoints. All active variants derive validity from the randomization mechanism. Using a betting framework, each test constructs a test martingale by sequentially wagering on randomized assignments or observed event labels before using the current label in the wealth update. Under the null hypothesis of no treatment effect, the expected wealth cannot grow, guaranteeing anytime-valid Type I error control regardless of stopping rule. The default e-RT posture is effect-size agnostic: monitoring can begin without specifying a hypothesized treatment effect. Alternatively, fixed design-calibrated wagers, including growth-rate-optimal (GROW) wagers, may be used as optional efficiency tools when a clinically meaningful design alternative is credible. We present simulation studies demonstrating calibration and power, and discuss the principled asymmetry in betting strategies across outcome types. These methods provide a conservative, assumption-light complement to model-based sequential analyses.