PAM-HC: A Bayesian Nonparametric Construction of Hybrid Control for Randomized Clinical Trials Using External Data
PAM-HC：利用外部数据构建随机临床试验混合对照的贝叶斯非参数方法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：摘要围绕随机试验中的处理效应估计及外部对照信息借用展开，与因果推断直接相关，未涉及面板或离散选择模型。
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…
PAM-HC：利用外部数据构建随机临床试验混合对照的贝叶斯非参数方法
- 研究问题
- 随机临床试验的对照组样本有限时，如何利用外部数据提高处理效应估计精度，同时应对两类数据的人群异质性？
- 方法与思路
- 作者使用贝叶斯非参数 Plaid Atoms Model 识别共同与特有亚群，仅从共同亚群借用外部信息构建混合对照。
- 材料陈述的贡献
- 摘要称，该方法提高处理效应估计精度，模拟支持其稳健性，并在特应性皮炎数据中展示改善的估计表现。
- 阅读关注点
- 应核对共同亚群的识别方式、外部对照与试验对照可比性的要求，以及信息借用如何影响效应目标和不确定性。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明可比性条件、借用规则或精度改善数值。
原文摘要
It is highly desirable to borrow information from external data to augment a control arm in a randomized clinical trial, especially in settings where the sample size for the control arm is limited. However, a main challenge in borrowing information from external data is to accommodate potential heterogeneous subpopulations across the external and trial data. We apply a Bayesian nonparametric model called Plaid Atoms Model (PAM) to identify overlapping and unique subpopulations across datasets, with which we restrict the information borrowing to the common subpopulations. This forms a hybrid control (HC) that leads to more precise estimation of treatment effects Simulation studies demonstrate the robustness of the new method, and an application to an Atopic Dermatitis dataset shows improved treatment effect estimation.