Demystifying estimands in cluster-randomised trials
厘清整群随机试验中的估计目标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：摘要直接讨论整群随机试验的潜在结果、治疗效应目标与一致估计，对应因果推断。
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…
厘清整群随机试验中的估计目标
- 研究问题
- 整群随机试验应如何区分边际与群组特定效应、参与者平均与群组平均效应，并选择与研究目标一致的估计量和解释方式？
- 方法与思路
- 作者以潜在结果形式定义不同估计目标，介绍相应估计量及假设，给出若干群组汇总分析的一致性结果，并重分析已发表试验。
- 材料陈述的贡献
- 摘要称，明确目标与估计量的对应关系能改变结果解释；案例中的优势比及显著性随目标变化，部分估计量选择也影响效应大小和结论。
- 阅读关注点
- 应核对各目标的权重和效应尺度、边际与群组特定效应的差别、汇总分析的一致性条件，以及群组规模如何影响估计目标。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实。摘要未给出完整假设与案例设计，单个重分析不能说明哪类估计目标普遍更合适。
原文摘要
Estimands can help clarify the interpretation of treatment effects and ensure that estimators are aligned to the study's objectives. Cluster randomised trials require additional attributes to be defined within the estimand compared to individually randomised trials, including whether treatment effects are marginal or cluster specific, and whether they are participant or cluster average. In this paper, we provide formal definitions of estimands encompassing both these attributes using potential outcomes notation and describe differences between them. We then provide an overview of estimators for each estimand, describe their assumptions, and show consistency (i.e. asymptotically unbiased estimation) for a series of analyses based on cluster level summaries. Then, through a reanalysis of a published cluster randomised trial, we demonstrate that the choice of both estimand and estimator can affect interpretation. For instance, the estimated odds ratio ranged from 1.38 (p=0.17) to 1.83 (p=0.03) depending on the target estimand, and for some estimands, the choice of estimator affected the conclusions by leading to smaller treatment effect estimates. We conclude that careful specification of the estimand, along with an appropriate choice of estimator, are essential to ensuring that cluster randomised trials address the right question.