Covariate-adjusted Group Sequential Comparisons of Restricted Mean Survival Times
协变量调整的限制平均生存时间群序贯比较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：摘要主要研究生存时间比较与序贯检验，未明确给出所列因果识别或其他计量细分的直接依据。
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…
协变量调整的限制平均生存时间群序贯比较
- 研究问题
- 如何在调整协变量的同时，对两组截至指定时间的平均生存时长开展群序贯比较，并允许治疗风险比随时间变化？
- 方法与思路
- 作者在以治疗状态分层的比例风险模型下构造限制平均生存时间差检验，推导中期统计量的独立增量协方差结构。
- 材料陈述的贡献
- 摘要称检验不要求治疗效应满足比例风险，所得联合结构可用于设定停止边界、控制第一类错误并维持所需功效。
- 阅读关注点
- 应核对治疗分层与其他协变量的模型限制、截断时间和删失条件，以及独立增量结构如何支持停止边界和功效计算。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明删失与协变量模型条件，治疗非比例风险稳健性不能无限推广。
原文摘要
The restricted mean survival time (RMST) is the mean survival time in the study population followed up to a specific time point, and is simply the area under the survival curve up to the specific time point. The difference between two RMSTs quantifies the group difference in a time scale by measuring the integrated difference between survival curves in the two treatment groups. This paper develops a group sequential (GS) test of comparing two RMSTs up to a restriction time point under a stratified proportional hazards model with stratum representing treatment status. This covariate-adjusted GS test does not require the assumption of a constant hazard ratio over time between the two treatment groups and is valid whether or not the proportional hazards assumption holds for the treatment effect. We establish the large-sample properties of the covariate-adjusted GS test and show that the proposed test statistics sequentially computed at different interim analysis times possess an independent increments covariance structure. Using currently available methodology, this joint independent increments structure allows us to calculate sequential stopping boundaries for preserving the desired type I error probability and maintaining the required statistical power. We evaluate the small-sample performance of the proposed GS test via a simulation study and illustrate its real-world application through analysis of a clinical trial dataset from the BMT CTN 1101 study.