Causal Effects of Treatments for Informative Missing Data due to Progression/Death
疾病进展或死亡导致信息性缺失时的治疗因果效应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。
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：摘要明确使用主分层识别治疗因果效应，并对不可识别假设开展敏感性分析。
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…
疾病进展或死亡导致信息性缺失时的治疗因果效应
- 研究问题
- 在纵向临床试验中，后期结局仅对存活患者有定义时，如何评价三个治疗组对有序结局的因果效应？
- 方法与思路
- 作者采用主分层方法，提出用于识别因果效应的一组灵活假设，并对不可识别假设作简约参数化敏感性分析。
- 材料陈述的贡献
- 摘要称，该方法可处理死亡存在时三个治疗组的有序结局因果比较，并以结直肠癌试验生活质量数据说明应用。
- 阅读关注点
- 应核对主分层和目标因果效应的定义、识别假设的实质含义，以及敏感性参数如何影响治疗组之间的比较。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出具体识别假设或敏感性结果，不能推断刊本变化。
原文摘要
In longitudinal clinical trials, when outcome variables at later time points are only defined for patients who survive to those times, the evaluation of the causal effect of treatment is complicated. In this paper, we describe an approach that can be used to obtain the causal effect of three treatment arms with ordinal outcomes in the presence of death using a principal stratification approach. We introduce a set of flexible assumptions to identify the causal effect and implement a sensitivity analysis for non-identifiable assumptions which we parameterize parsimoniously. Methods are illustrated on quality of life data from a recent colorectal cancer clinical trial.