Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:2510.15000

帮助 | 高级搜索

统计学 > 方法论

arXiv:2510.15000 (stat)
[提交于 2025年10月15日 ]

标题: 估计量框架和生存时间结果临床试验中的事件处理

标题: Estimand framework and intercurrent events handling for clinical trials with time-to-event outcomes

Authors:Yixin Fang, Man Jin
摘要: ICH E9(R1)指南提出了临床试验的估计量框架,提出了处理同时发生事件(ICEs)的五种策略,并对定量结果和分类结果进行了全面的讨论和许多实际临床案例。 然而,在ICH E9(R1)中,对于时间至事件(TTE)结果的讨论是缺乏的。 在本文中,我们讨论如何为具有TTE结果的临床试验定义估计量以及如何处理ICEs。 具体而言,我们讨论了六种处理ICE的策略,包括ICH E9(R1)提出的五种策略和一种新的策略,即竞争风险策略。 与ICH E9(R1)相比,本文的创新之处有三方面:(1) 估计量是根据潜在结果来定义的,(2) 方法可以直接利用时间依赖性协变量,(3) 相应地讨论了高效的估计量。
摘要: The ICH E9(R1) guideline presents a framework of estimand for clinical trials, proposes five strategies for handling intercurrent events (ICEs), and provides a comprehensive discussion and many real-life clinical examples for quantitative outcomes and categorical outcomes. However, in ICH E9(R1) the discussion is lacking for time-to-event (TTE) outcomes. In this paper, we discuss how to define estimands and how to handle ICEs for clinical trials with TTE outcomes. Specifically, we discuss six ICE handling strategies, including those five strategies proposed by ICH E9(R1) and a new strategy, the competing-risk strategy. Compared with ICH E9(R1), the novelty of this paper is three-fold: (1) the estimands are defined in terms of potential outcomes, (2) the methods can utilize time-dependent covariates straightforwardly, and (3) the efficient estimators are discussed accordingly.
主题: 方法论 (stat.ME) ; 机器学习 (cs.LG); 机器学习 (stat.ML)
引用方式: arXiv:2510.15000 [stat.ME]
  (或者 arXiv:2510.15000v1 [stat.ME] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.15000
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yixin Fang [查看电子邮件]
[v1] 星期三, 2025 年 10 月 15 日 19:56:50 UTC (203 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
stat.ME
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs
cs.LG
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号