Sample size and power calculations for causal inference with time-to-event outcomes
事件时间结局因果推断的样本量与功效计算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：摘要明确针对随机试验和观察研究的因果目标量，采用边际结构模型与逆概率加权方法。
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…
关注这篇论文的作者
事件时间结局因果推断的样本量与功效计算
- 研究问题
- 以边际结构 Cox 模型中的边际风险比为目标时，如何为随机试验和观察研究计算不同预设效应量下的样本量与功效？
- 方法与思路
- 作者扩展稳健夹心方差理论，推导逆概率加权部分似然估计量的渐近方差，再构造样本量公式和倾向得分权重的方差膨胀方法。
- 材料陈述的贡献
- 摘要称公式适用于任意预设效应量，并修正经典对数秩公式的刻画；观察研究额外使用重叠系数，另提供计算器与 R 包。
- 阅读关注点
- 核对边际风险比目标与比例风险模型的关系、方差推导条件、删失和权重估计的处理，以及重叠系数如何进入设计公式。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收状态未核验；摘要未给出完整假设与验证结果，公式的适用性须结合生存模型和研究设计判断。
原文摘要
This paper develops power and sample size formulas for causal inference with time-to-event outcomes. The target estimand is the marginal hazard ratio: the coefficient of a marginal structural Cox proportional hazard model with treatment as the only predictor. We extend the robust sandwich variance theory and derive the analytical form of the asymptotic variance for the inverse probability weighted partial likelihood estimator. Building on this, we derive a new analytical sample size formula valid at any prespecified effect size, applicable to both randomized trials and observational studies. For randomized trials, the formula requires only the canonical inputs of treatment proportion, effect size, and event rate. The new formula corrects the mischaracterization of classic log-rank-based formulas. For observational studies, one additional input suffices: an overlap coefficient summarizing covariate similarity between comparison groups. We further develop a variance inflation approach applicable to any propensity score balancing weights, anchored to the corrected baseline variance. We provide an online calculator and an R package 'PSpower' to implement the method.