Doubly Robust Estimation of Desirability of Outcome Ranking (DOOR) Probability with Application to MDRO Studies
结局优劣排序概率的双重稳健估计及其耐多药菌研究应用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：摘要明确提出观察性治疗比较的因果框架，并使用混杂调整和双重稳健方法。
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…
结局优劣排序概率的双重稳健估计及其耐多药菌研究应用
- 研究问题
- 如何在观察性治疗比较中调整混杂，估计兼顾临床获益与风险的总体 DOOR 概率，并支持不同治疗方案的因果比较？
- 方法与思路
- 作者建立 DOOR 概率的因果分析框架，分别采用逆概率治疗加权、G-computation，以及结合两者的双重稳健估计。
- 材料陈述的贡献
- 摘要称研究将协变量调整纳入 DOOR 分析，通过模拟考察方法表现，并应用于耐多药菌研究中的单药与联合治疗比较。
- 阅读关注点
- 应核对排序规则、平局处理和总体概率的定义，以及混杂调整的识别要求、双重稳健条件和模拟中的模型错误设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实。摘要未列出识别假设、模拟数值或治疗比较结果，不能判断实际偏差与精度。
原文摘要
In observational studies, adjusting for confounders is required if a treatment comparison is planned. A crude comparison of the primary endpoint without covariate adjustment will suffer from biases, and the addition of regression models could improve precision by incorporating imbalanced covariates and thus help make correct inference. Desirability of outcome ranking (DOOR) is a patient-centric benefit-risk evaluation methodology designed for randomized clinical trials. Still, robust covariate adjustment methods could further expand the compatibility of this method in observational studies. In DOOR analysis, each participant's outcome is ranked based on pre-specified clinical criteria, where the most desirable rank represents a good outcome with no side effects and the least desirable rank is the worst possible clinical outcome. We develop a causal framework for estimating the population-level DOOR probability, via the inverse probability of treatment weighting method, G-Computation method, and a Doubly Robust method that combines both. The performance of the proposed methodologies is examined through simulations. We also perform a causal analysis of the Multi-Drug Resistant Organism (MDRO) network within the Antibacterial Resistant Leadership Group (ARLG), comparing the benefit:risk between Mono-drug therapy and Combination-drug therapy.