Augmented two-stage estimation for treatment crossover in oncology trials: Leveraging external data for improved precision
肿瘤试验处理交叉的增强两阶段估计：利用外部数据提高精度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：摘要研究治疗交叉调整、外部对照与随机试验长期处理效应估计。
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…
肿瘤试验处理交叉的增强两阶段估计：利用外部数据提高精度
- 研究问题
- 肿瘤随机试验中对照组转用实验治疗会影响长期效应估计，如何结合试验内部信息与外部数据，改善交叉调整后的估计精度？
- 方法与思路
- 作者提出增强两阶段估计，将试验中未转换治疗者与外部数据组成混合未转换组，并模拟比较常规两阶段估计和外部对照方法。
- 材料陈述的贡献
- 摘要称表现随场景变化：外部数据无混杂时可能减少偏误并提高精度；存在未测混杂时会产生偏误，但程度小于纯外部对照方法。
- 阅读关注点
- 核对交叉发生机制、混合对照的构造和长期效应目标，关注外部数据可比性假设，以及未测混杂和高交叉率下的敏感性分析。
- 阅读边界
- 这是预印本，同行评审及接收状态未核实。摘要未给出识别条件、外部数据来源及数值结果，不能把情境依赖的模拟收益视为普遍保证。
原文摘要
Randomized controlled trials (RCTs) in oncology often allow control group participants to crossover to experimental treatments, a practice that, while often ethically necessary, complicates the accurate estimation of long-term treatment effects. When crossover rates are high or sample sizes are limited, commonly used methods for crossover adjustment (such as the rank-preserving structural failure time model, inverse probability of censoring weights, and two-stage estimation (TSE)) may produce imprecise estimates. Real-world data (RWD) can be used to develop an external control arm for the RCT, although this approach ignores evidence from trial subjects who did not crossover and ignores evidence from the data obtained prior to crossover for those subjects who did. This paper introduces ''augmented two-stage estimation'' (ATSE), a method that combines data from non-switching participants in a RCT with an external dataset, forming a ''hybrid non-switching arm''. With a simulation study, we evaluate the ATSE method's performance compared to TSE crossover adjustment and an external control arm approach. Results indicate that performance is dependent on scenario characteristics, but when unconfounded external data are available, ATSE may result in less bias and improved precision compared to TSE and external control arm approaches. When external data are affected by unmeasured confounding, ATSE becomes prone to bias, but to a lesser extent compared to an external control arm approach.