Estimation of Treatment Effects in Randomized Trials With Non-Compliance and a Dichotomous Outcome
存在不依从且结局为二元变量的随机试验中治疗效应的估计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：摘要直接研究随机试验不依从下的治疗效应，并采用工具变量估计因果风险参数。
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…
存在不依从且结局为二元变量的随机试验中治疗效应的估计
- 研究问题
- 在存在治疗不依从的随机试验中，如何估计协变量与随机分组层内、实际接受治疗者的二元结局治疗效应？
- 方法与思路
- 作者提出基于工具变量的因果相对风险与切换因果相对风险估计量，并用模拟及脱咖啡因咖啡消费与流产数据分析考察其表现。
- 材料陈述的贡献
- 摘要称，目标参数模型正确时，估计量具有一致性、渐近线性与局部效率；无治疗效应的原假设下仍可提供有效检验。
- 阅读关注点
- 核对两种因果相对风险的定义、工具变量识别条件、局部效率的适用模型，以及原假设下稳健性结论的准确范围。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体识别条件、切换参数定义与有限样本结果未说明，不能把模型要求较少理解为无需假设。
原文摘要
Summary We propose a class of estimators of the treatment effect on a dichotomous outcome among the treated subjects within covariate and treatment arm strata in randomized trials with non-compliance. Recent papers by Vansteelandt and Goetghebeur, and Robins and Rotnitzky have presented consistent and asymptotically linear estimators of a causal odds ratio, which rely, beyond correct specification of a model for the causal odds ratio, on a correctly specified model for a potentially high dimensional nuisance parameter. In this paper we propose consistent, asymptotically linear and locally efficient estimators of a causal relative risk and a new parameter—called a switch causal relative risk—which relies only on the correct specification of a model for the parameter of interest. Our estimators are always consistent and asymptotically linear at the null hypothesis of no-treatment effect, thereby providing valid testing procedures. We examine the finite sample properties of these instrumental-variable-based estimators and the associated testing procedures in simulations and a data analysis of decaffeinated coffee consumption and miscarriage.