SECRETS: Subject-Efficient Clinical Randomized Controlled Trials using Synthetic Intervention
SECRETS：利用合成干预提高随机临床试验的受试者效率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：摘要直接研究随机试验中的个体处理效应估计与平均处理效应检验。
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…
关注这篇论文的作者
SECRETS：利用合成干预提高随机临床试验的受试者效率
- 研究问题
- 能否只使用随机试验内部数据估计患者个体处理效应，模拟交叉试验的信息优势，并提高平均处理效应检验的功效？
- 方法与思路
- 作者提出 SECRETS，利用 synthetic intervention 算法估计个体反事实与处理效应，再以新的假设检验策略判断平均效应的临床意义。
- 材料陈述的贡献
- 摘要称，框架无需外部数据；在三个真实三期临床试验的评估中，功效提高 6%–54%，并保持与基准相近的显著性水平。
- 阅读关注点
- 应核对个体反事实识别所需的结构条件、估计与检验是否复用数据，以及临床意义阈值、显著性水平和功效增幅如何计算。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明个体效应识别条件及功效增幅口径，不能据此保证其他试验也可减少样本。
原文摘要
The randomized controlled trial (RCT) is the gold standard for estimating the average treatment effect (ATE) of a medical intervention but requires 100s-1000s of subjects, making it expensive and difficult to implement. While a cross-over trial can reduce sample size requirements by measuring the treatment effect per individual, it is only applicable to chronic conditions and interventions whose effects dissipate rapidly. Another approach is to replace or augment data collected from an RCT with external data from prospective studies or prior RCTs, but it is vulnerable to confounders in the external or augmented data. We propose to simulate the cross-over trial to overcome its practical limitations while exploiting its strengths. We propose a novel framework, SECRETS, which, for the first time, estimates the individual treatment effect (ITE) per patient in the RCT study without using any external data by leveraging a state-of-the-art counterfactual estimation algorithm, called synthetic intervention. It also uses a new hypothesis testing strategy to determine whether the treatment has a clinically significant ATE based on the estimated ITEs. We show that SECRETS can improve the power of an RCT while maintaining comparable significance levels; in particular, on three real-world clinical RCTs (Phase-3 trials), SECRETS increases power over the baseline method by $\boldsymbol{6}$-$\boldsymbol{54\%}$ (average: 21.5%, standard deviation: 15.8%).