Modeling Treatment Effect Modification in Multidrug-Resistant Tuberculosis in an Individual Patient Data Meta-Analysis
耐多药结核病个体患者数据元分析中的治疗效应修饰建模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：摘要明确涉及治疗效应修饰、混杂控制、边际结构模型和双重稳健因果估计。
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
耐多药结核病个体患者数据元分析中的治疗效应修饰建模
- 研究问题
- 如何汇总多项观察性研究的个体患者数据，估计患者特征与合并用药对耐多药结核病治疗效应的修饰？
- 方法与思路
- 作者提出效应修饰的边际结构模型，并开发、评价和应用 TMLE，处理跨研究治疗可用性差异、已测量混杂与研究随机效应。
- 材料陈述的贡献
- 摘要称为该元分析情境中的边际结构模型参数提供双重稳健估计方法，并将其用于多药联合治疗的观察性患者数据。
- 阅读关注点
- 应核对效应修饰参数的定义、跨研究治疗可比性，以及双重稳健性涉及哪些模型、随机效应如何进入估计过程。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出完整识别假设、模型细节或具体治疗效应结果。
原文摘要
Effect modification occurs while the effect of the treatment is not homogeneous across the different strata of patient characteristics. When the effect of treatment may vary from individual to individual, precision medicine can be improved by identifying patient covariates to estimate the size and direction of the effect at the individual level. However, this task is statistically challenging and typically requires large amounts of data. Investigators may be interested in using the individual patient data (IPD) from multiple studies to estimate these treatment effect models. Our data arise from a systematic review of observational studies contrasting different treatments for multidrug-resistant tuberculosis (MDR-TB), where multiple antimicrobial agents are taken concurrently to cure the infection. We propose a marginal structural model (MSM) for effect modification by different patient characteristics and co-medications in a meta-analysis of observational IPD. We develop, evaluate, and apply a targeted maximum likelihood estimator (TMLE) for the doubly robust estimation of the parameters of the proposed MSM in this context. In particular, we allow for differential availability of treatments across studies, measured confounding within and across studies, and random effects by study.