Using Historical Controls to Adjust for Covariates in Trend Tests for Binary Data
利用历史对照调整二元数据趋势检验中的协变量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。
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：摘要聚焦生物统计趋势检验与历史对照先验，未明确因果识别或其他所列细分领域。
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…
利用历史对照调整二元数据趋势检验中的协变量
- 研究问题
- 在二元结局趋势检验中，如何利用历史对照信息调整协变量影响，尤其帮助解释啮齿动物致癌性实验的当前研究结果？
- 方法与思路
- 作者对对照结局与协变量关系设置信息先验，构造融入历史信息的趋势检验，并提出频率学派、贝叶斯方法和先验 elicitation 程序。
- 材料陈述的贡献
- 摘要称，推导先验的理论与计算性质，发展检验计算技术和半自动先验确定方案，并用于修改常用致癌性患病率检验。
- 阅读关注点
- 核对历史与当前对照的可比性要求、信息先验的确定及敏感性，以及频率学派检验如何控制误差和处理协变量调整。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能推断后续刊本变化。摘要未说明历史信息失配时的表现，也不足以确立因果识别或普遍检验优势。
原文摘要
Historical data often play an important role in helping interpret the results of a current study. This article is motivated primarily by one specific application: the analysis of data from rodent carcinogenicity studies. By proposing a suitable informative prior distribution on the relationship between control outcome data and covariates, we derive modified trend test statistics that incorporate historical control information to adjust for covariate effects. Frequentist and fully Bayesian methods are presented, and novel computational techniques are developed to compute the test statistics. Several attractive theoretical and computational properties of the proposed priors are derived. In addition, a semiautomatic elicitation scheme for the priors is developed. Our approach is used to modify a widely used prevalence test for carcinogenicity studies. The proposed methodology is applied to data from a National Toxicology Program carcinogenicity experiment and is shown to provide helpful insight on the results of the analysis.