A Bayesian Critique of Rank-Based Methods for Surrogate Marker Evaluation
替代标志物评价中秩方法的贝叶斯批评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：摘要以因果治疗效应目标量及替代标志物的因果解释作为方法核心。
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
替代标志物评价中秩方法的贝叶斯批评
- 研究问题
- 临床替代标志物能否反映治疗对真实临床结局的因果效应，以及如何改善作者所批评的秩评价方法的因果解释和统计功效？
- 方法与思路
- 作者提出以因果治疗效应目标量为中心的贝叶斯评价方法，通过协变量调整提高功效，并设计模拟比较准确性和功效。
- 材料陈述的贡献
- 摘要称既有秩方法存在因果解释、功效和机制稳健性方面的局限，所提贝叶斯方法在展示这些问题的模拟中获得准确性与功效收益。
- 阅读关注点
- 应核对替代标志物有效性的因果定义、先验和似然设定、协变量调整机制，以及模拟是否充分覆盖有利于不同方法的数据生成情形。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明识别假设、先验或具体结果，对既有方法的批评尚不能独立验证。
原文摘要
Surrogate markers are often employed in clinical trials to replace primary outcomes that may be difficult, expensive, or time-consuming to measure directly. These markers can accelerate the evaluation of new treatments, provided they reliably capture the causal relationship between treatment and true clinical benefit. Parast et al. (2024) recently proposed a rank-based approach for evaluating surrogate markers, characterized by its nonparametric nature and minimal assumptions. While this method is useful in small-sample model-agnostic settings, it has several limitations, including a lack of clear causal interpretation, low statistical power, and insufficient robustness to different data-generating mechanisms. In this paper, we propose a Bayesian approach that addresses these shortcomings by focusing on causal treatment effect estimands and, in doing so, improves power through covariate adjustment. We demonstrate the advantages of our proposed method through a simulation study designed to highlight gains in both accuracy and power.