关于协变量调整响应自适应随机化效率界的可达性

在精准医学背景下，协变量调整响应自适应随机化（CARA）因其在基于患者特征提供伦理且个性化治疗分配的同时保持良好统计性质方面受到学界和工业界的广泛关注。近年来，针对各种自适应实验设计的推断已取得实质性进展。特别是，研究工作集中于两个重要视角：如何在模型误指定的情况下获得稳健推断，以及估计器可实现的最小方差（即效率界）是多少。值得注意的是，Armstrong（2022）推导了任何一种依赖于协变量和已积累响应的随机化程序（包括 CARA 等）的渐近效率界。然而, 到目前为止, 尚无文献探讨了在 CARA 框架下渐近效率界是否及如何实现。本文通过连接自适应随机化领域的两个研究方向，即稳健推断与效率界，我们为一个重要实际场景提供了明确答案：仅观测到离散协变量并用于形成分层。我们考虑的特定 CARA 类型是双因素偏倚硬币设计的分层版本，并证明分层差分均值估计量实现了 Armstrong（2022）所述的效率界，且可包含对治疗分配的伦理约束。我们的工作提供了新的见解，表明在遵循伦理考量的同时实现效率最大化的 CARA 设计与分析仍有广阔的研究潜力。未来研究可探索如何为仅含连续协变量的通用 CARA 实现渐近效率界，这仍是开放问题。