基于 Gibbs 后验的最小临床重要差异推断

众所周知，统计显著的治疗未必具有临床显著性。可用于评估临床显著性的一个量称为最小临床重要差异（MCID），对 MCID 的推断是一个重要且具挑战性的问题。为推断 MCID 而建立的模型并非易事，且对错误设定参数模型带来的偏倚或非参数模型效率低下的担忧，促使人们采用一种替代方法以兼顾稳健性与效率。特别地，近期提出的将 MCID 表示为合适风险函数极小值的表述，使得无需设定模型即可构造 MCID 的 Gibbs 后验分布。我们建立了后验收敛速率，并通过数值实验表明，该 Gibbs 后验的适当缩放版本可给出对 MCID 的区间估计，即便在相对较小样本量下也是有效且高效的。