利用历史数据实现高维回归调整：一种复合协变量方法
统计方法学
2021-03-29 v1 机器学习
摘要
临床试验中从患者处收集的数据量持续增长。所有患者特征均为可用于改善临床试验分析与功效的潜在协变量。然而，I 期和 II 期研究中的患者数量有限，限制了分析中可纳入的协变量数目。本文中，我们探究临床试验分析中纳入协变量的成本/收益比。在此背景下，我们探讨一个长期问题：“临床试验中应纳入的最优协变量数量是多少？”为进一步提升协变量的成本/收益比，可利用历史数据预先指定协变量权重，这可视作一种新复合协变量的定义。我们分析了在小型临床试验中估计处理效应时使用复合协变量的情形。复合协变量限制了自由度的损失与过拟合风险。
引用
@article{arxiv.2103.14421,
title = {Leveraging Historical Data for High-Dimensional Regression Adjustment, a Composite Covariate Approach},
author = {Samuel Branders and Alvaro Pereira and Guillaume Bernard and Marie Ernst and Adelin Albert},
journal= {arXiv preprint arXiv:2103.14421},
year = {2021}
}