The use of restricted mean survival time to estimate treatment effect under model misspecification, a simulation study
模型误设下利用限制平均生存时间估计治疗效应：模拟研究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：摘要围绕对照试验中的治疗效应估计与检验展开，因此归入因果推断。
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…
模型误设下利用限制平均生存时间估计治疗效应：模拟研究
- 研究问题
- 当生存结局的治疗效应涉及多个协变量与交互项时，参数和非参数限制平均生存时间估计在误设下的功效如何变化？
- 方法与思路
- 作者以干扰素安慰剂对照试验为模拟动机，将综合治疗效应归纳为一维 RMST 估计，并比较单侧 Z 检验的功效与错误率。
- 材料陈述的贡献
- 摘要报告，在所模拟场景中正确设定的参数估计功效最高；遗漏协变量影响增大时功效下降，非参数方法对分析时点较敏感。
- 阅读关注点
- 应核对 RMST 截断时点、协变量与交互项定义、交叉生存曲线的节点误设，以及各方法的第一类错误率是否受控。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实。摘要未报告第一类错误率数值，功效排序仅来自特定模拟，不能推广到所有生存试验。
原文摘要
The use of the non-parametric Restricted Mean Survival Time endpoint (RMST) has grown in popularity as trialists look to analyse time-to-event outcomes without the restrictions of the proportional hazards assumption. In this paper, we evaluate the power and type I error rate of the parametric and non-parametric RMST estimators when treatment effect is explained by multiple covariates, including an interaction term. Utilising the RMST estimator in this way allows the combined treatment effect to be summarised as a one-dimensional estimator, which is evaluated using a one-sided hypothesis Z-test. The estimators are either fully specified or misspecified, both in terms of unaccounted covariates or misspecified knot points (where trials exhibit crossing survival curves). A placebo-controlled trial of Gamma interferon is used as a motivating example to simulate associated survival times. When correctly specified, the parametric RMST estimator has the greatest power, regardless of the time of analysis. The misspecified RMST estimator generally performs similarly when covariates mirror those of the fitted case study dataset. However, as the magnitude of the unaccounted covariate increases, the associated power of the estimator decreases. In all cases, the non-parametric RMST estimator has the lowest power, and power remains very reliant on the time of analysis (with a later analysis time correlated with greater power).