Bayesian Nonparametric Common Atoms Regression for Generating Synthetic Controls in Clinical Trials
用于构建临床试验合成对照组的贝叶斯非参数共同原子回归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：摘要明确通过外部合成对照估计单臂试验的处理效应。
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…
用于构建临床试验合成对照组的贝叶斯非参数共同原子回归
- 研究问题
- 只有治疗组的单臂临床试验如何借助电子健康记录构建可比的外部对照人群，从而支持处理效应估计？
- 方法与思路
- 作者提出贝叶斯非参数共同原子混合模型，寻找治疗组与外部数据中的对应人群层，再以无需显式密度的重要性抽样重采样。
- 材料陈述的贡献
- 摘要称，方法支持合成对照后的处理效应推断或直接模型推断，模拟中对非线性响应具有较高功效，并应用于胶质母细胞瘤研究。
- 阅读关注点
- 应核对人群分层与重采样是否足以支持因果可比性、两来源间的重叠要求，以及合成对照构建的不确定性如何进入效应推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明未测混杂及跨来源可比性条件，不能把重采样后的对照等同于随机分配。
原文摘要
The availability of electronic health records (EHR) has opened opportunities to supplement increasingly expensive and difficult to carry out randomized controlled trials (RCT) with evidence from readily available real world data. In this paper, we use EHR data to construct synthetic control arms for treatment-only single arm trials. We propose a novel nonparametric Bayesian common atoms mixture model that allows us to find equivalent population strata in the EHR and the treatment arm and then resample the EHR data to create equivalent patient populations under both the single arm trial and the resampled EHR. Resampling is implemented via a density-free importance sampling scheme. Using the synthetic control arm, inference for the treatment effect can then be carried out using any method available for RCTs. Alternatively the proposed nonparametric Bayesian model allows straightforward model-based inference. In simulation experiments, the proposed method exhibits higher power than alternative methods in detecting treatment effects, specifically for non-linear response functions. We apply the method to supplement single arm treatment-only glioblastoma studies with a synthetic control arm based on historical trials.