协变量调整阈值响应函数的非参数有效估计：一种支持受限的随机干预
统计方法学
2023-03-22 v2
摘要
识别标志特定风险水平的生物标志物或治疗剂量阈值是一个重要问题，尤其是在临床试验中。我们将这种风险视为阈值的函数，并可能根据协变量进行调整，称之为阈值-响应函数。在 Donovan、Hudgens 和 Gilbert (2019) 工作的基础上，我们为协变量调整的阈值-响应函数提出了一种非参数有效估计量，该估计量利用了机器学习和目标最小损失估计 (TMLE)。我们还提出了一种基于序贯回归的更通用的估计量，该估计量同样适用于存在结局缺失的情况。我们证明，对于给定阈值，其阈值-响应可被视为在一种随机干预下的期望结局，在该干预中，所有参与者都接受高于该阈值的治疗剂量。我们证明了该估计量是有效的，并刻画了其渐近分布。我们给出了一种为阈值-响应函数及其反函数构建同时 95% 置信带的方法。此外，我们讨论了当治疗或生物标志物为随机缺失时（如在具有有偏抽样设计的临床试验中），如何使用逆概率加权来调整我们的估计量。这些方法在包含罕见结局和累积病例-对照抽样的多种模拟设置中进行了评估。这些方法被用于估计 CYD14 和 CYD15 登革热疫苗试验中，针对病毒学确诊登革热风险的中和抗体阈值。
引用
@article{arxiv.2107.11459,
title = {Efficient nonparametric estimation of the covariate-adjusted threshold-response function, a support-restricted stochastic intervention},
author = {Lars van der Laan and Wenbo Zhang and Peter B. Gilbert},
journal= {arXiv preprint arXiv:2107.11459},
year = {2023}
}
备注
51 pages including supplement, 7 figures, 1 table