具有多水平缺失结局的整群随机试验中的边际处理效应估计

整群随机试验（CRTs）的分析可能因信息性缺失结局数据而变得复杂。已有如逆概率加权广义估计方程等方法被提出，通过对每个群体内观察到的个体结局数据进行加权来处理信息性缺失。这些现有方法聚焦于缺失发生在个体水平且每个群体具有部分或完全观测个体结局的情形。在存在缺失群体的情况下（例如，由于群体退出而导致一个群体的所有结局均缺失），这些方法实际上忽略了这种群体水平的缺失，并且若群体水平缺失具有信息性，则会导致有偏推断。在具有多水平结构的 CRTs 中也可能出现多水平的信息性缺失，其中研究参与者嵌套于如医疗保健提供者等子群体内，而子群体又嵌套于如诊所等群体内。本文中，我们提出基于加权广义估计方程、用于估计 CRTs 中边际处理效应并考虑多水平缺失结局数据的新估计量。我们证明，所提出的多水平多重稳健估计量在一组倾向得分模型正确设定的条件下是一致且渐近正态分布的。我们通过大量模拟评估了所提方法的性能，并将其应用于一项在马达加斯加农村评估疟疾风险降低干预的 CRT 中加以说明。