可归因的任务：在归算删失协变量时纠正 Berkson 误差

为筛选用于测试亨廷顿病（一种致命神经退行性疾病）实验性疗法的临床试验结局，分析人员建模潜在结局如何随时间变化。然而，亨廷顿病患者常在不同疾病进展水平上被观测到。为解释这些差异，分析人员在建模潜在结局时将临床确诊时间作为协变量纳入，但该协变量常被删失。一种流行的解决方案是归算，即利用给定其他数据的删失协变量模型预测来填补删失值，然后分析归算后的数据集。然而，当该归算模型设定错误时，我们的结局模型估计可能有偏。为解决此问题，我们开发了一种称为“ACE 归算”的新方法。首先，我们将归算值建模为真实协变量值的含误差版本。然后，我们利用半参数理论纠正这些误差。具体而言，我们推导出一个一致的结局模型估计量，即使删失协变量是使用设定错误的归算模型归算时也一致。模拟结果表明，与产生超过 100% 偏差的多重归算不同，ACE 归算在归算模型设定错误时仍保持经验无偏。将我们的方法应用于一项亨廷顿病研究，可精准确定旨在延缓疾病进展的临床试验结局。