Modeling Heterogeneous Mediation Effects in Survival Analysis via an Interpretable M-Learner Framework
可解释 M 学习器框架下的生存分析异质性中介效应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。
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：摘要明确研究治疗的间接效应、中介路径与亚组替代标志物有效性，属于因果推断。
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…
可解释 M 学习器框架下的生存分析异质性中介效应
- 研究问题
- 在存在删失结局的临床研究中，如何估计异质性间接治疗效应，并识别具有不同中介路径和替代标志物表现的患者亚组？
- 方法与思路
- 作者提出 M-survival learner 及面向生存数据的异质性判据，建立理论性质，并以模拟和 HIV 三期随机试验进行评估。
- 材料陈述的贡献
- 摘要称该框架可识别可解释的患者亚组，评价亚组特定的替代标志物有效性，并为异质性中介效应提供统计保证。
- 阅读关注点
- 核对间接效应的目标定义、删失与中介识别条件、亚组发现和推断的关系，以及新判据如何区分同质与异质中介效应。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核验；摘要未说明具体理论条件，所述监管用途不等同于已获监管认可。
原文摘要
Mediation analysis is a useful tool to evaluate surrogate endpoints in clinical trials. We propose a novel method, the M-survival learner, for estimating heterogeneous indirect treatment effects in the presence of censored outcomes. The proposed approach enables the identification of interpretable patient subgroups characterized by distinct mediation pathways. To distinguish heterogeneous from homogeneous mediation effects, we introduce a new statistical criterion specifically designed for survival data. The method provides a principled framework for evaluating heterogeneity in surrogate biomarker performance across patient populations, offering evidence to support accelerated approval drug. By explicitly assessing subgroup-specific surrogate validity, the proposed approach addresses key regulatory concerns regarding the reliability of surrogate endpoints. We further establish theoretical properties of the method to justify its statistical guarantees. We apply the approach to data from a Phase III randomized clinical trial of HIV treatment, demonstrating its practical utility in real-world settings. Extensive simulation studies further evaluate and demonstrate its finite-sample performance.