基于置换的聚类随机试验 p 值与置信区间多重检验校正
统计方法学
2023-02-08 v4
摘要
在本文中，我们推导并比较了在具有多个结局的聚类随机试验中，对治疗效应估计值进行强族错误率控制和覆盖控制的 p 值及置信区间集的推导方法。目前用于 p 值校正和推导置信区间的方法很少，限制了它们在此场景中的应用。我们讨论了 Bonferroni、Holm 以及 Romano 和 Wolf (2005) 的方法，并使用基于置换的方法和不同的检验统计量将其适配于聚类随机试验推断。我们开发了一种新颖的搜索过程，利用置换检验在各校正方法下生成置信区间集。我们开展了一项基于模拟的研究，比较各方法的族错误率、置信集覆盖度，以及在使用基于模型的标准误和置换检验时相对于不校正的效率。我们表明，Romano-Wolf 型过程在非独立相关结构下具有名义错误率和覆盖度，并且在基于模拟的研究中比其他方法更高效。我们还比较了对真实世界试验的分析结果。
引用
@article{arxiv.2107.10017,
title = {Permutation-based multiple testing corrections for p-values and confidence intervals for cluster randomised trials},
author = {Samuel I Watson and Joshua Akinyemi and Karla Hemming},
journal= {arXiv preprint arXiv:2107.10017},
year = {2023}
}