面向事件终点随机对照试验的风险自由提升方法
统计方法学
2026-05-28 v1
摘要
利用外部或历史数据提升随机对照试验(RCT)效率而不引入偏差或扩大第一类错误率 remains 挑战性。最近的工作如PROCOVA等外部训练的预后评分，已展示了通过协变量调整实现风险自由方法的可行性。然而，将这一范式扩展到时间-事件终点并不容易，因为边际风险比(HR)的不可约性。本文提出统一框架，将来自外部数据的复杂高维预后信息整合到以时间-事件终点为目标的RCT的首要分析中，同时针对边际HR。该方法分为两步。首先，使用灵活的监督学习方法对外部或历史数据的martingale残差与基线协变量进行回归，以估计预后评分。其次，将拟合好的评分作为额外协变量纳入非参数协变量调整卡方检验以及Ye等[2024]提出的关联边际HR估计器中。该方法控制了第一类错误，并提供了对边际HR的渐近无偏估计，独立于预后模型的误指定或外部/历史数据与试验数据之间的population异质性。我们表明，方差缩减及相应的事件计数节省大约等于预后评分与martingale伪结果之间的平方相关系数。分层随机化的扩展是直接的。模拟研究表明，方法在有限样本性能令人满意，并在历史预后信息具有信息量时实现显著的效率提升。
引用
@article{arxiv.2605.27711,
title = {Improving Power in Randomized Controlled Trials with Time-to-Event Endpoints: A Risk-Free Approach},
author = {Junyi Zhou and Qing Liu and May Mo and Amy Xia},
journal= {arXiv preprint arXiv:2605.27711},
year = {2026}
}