Sharp symbolic nonparametric bounds for measures of benefit in observational and imperfect randomized studies with ordinal outcomes
有序结果下观察性研究与不完全随机试验获益指标的尖锐非参数界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：摘要研究处理获益指标的部分识别，并以有序结果和个体结果比较为目标，直接涉及因果推断与分布层面的处理效应。
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…
有序结果下观察性研究与不完全随机试验获益指标的尖锐非参数界
- 研究问题
- 对于有序结果，当个体获益概率等指标无法点识别时，如何在存在未观测混杂或不完全随机试验的情境下构造非参数界？
- 方法与思路
- 作者将既有获益指标的非参数界分析扩展至观察性研究及不完全随机试验，同时考察获益概率、无害概率和相对处理效应。
- 材料陈述的贡献
- 摘要明确扩展研究情境和目标指标范围；题名称给出尖锐符号界，但摘要未展示界的表达式或尖锐性证明。
- 阅读关注点
- 应核对三种指标的潜在结果定义、未观测混杂与不完全随机化的具体设定，以及界限公式、识别假设和尖锐性论证。
- 阅读边界
- 这是 arXiv 预印本，未核实同行评审或期刊接收。摘要未说明限制混杂或试验不完全性的条件，无法判断界限的信息量与适用范围。
原文摘要
The probability of benefit is a valuable and important measure of treatment effect, which has advantages over the average treatment effect. Particularly for an ordinal outcome, it has a better interpretation and can make apparent different aspects of the treatment impact. Unfortunately, this measure, and variations of it, are not identifiable even in randomized trials with perfect compliance. There is, for this reason, a long literature on nonparametric bounds for unidentifiable measures of benefit. These have primarily focused on perfect randomized trial settings and one or two specific estimands. We expand these bounds to observational settings with unmeasured confounders and imperfect randomized trials for all three estimands considered in the literature: the probability of benefit, the probability of no harm, and the relative treatment effect.