Estimating treatment effects in randomized clinical trials in the presence of non-compliance
Notice bibliographique
Résumé
In clinical trials where patients are randomized between two treatment arms, not all patients comply with the treatment they were randomly assigned to. The reasons for (non)compliance may be associated with the outcome variable and thereby act as confounders. The standard way of analysing such trials is by the 'intention-to-treat' principle, which allows the use of permutation tests. Conclusions drawn from such tests do not depend on untested assumptions such as absence of confounding. However, this approach may yield biased estimators for the causal effects of treatments. We consider the estimation of such effects for clinical trials where non-compliers can be considered to have switched to the other trial arm. The most important example of this is the placebo-controlled clinical trial where no substantial placebo effects are anticipated. We consider the situation where the relationship between compliance, and thus treatment received, and outcome is influenced by unobserved confounders. The residual of the regression of the actual treatment indicator variable on the randomization arm indicator variable is shown to 'intercept' the effect of such confounders. Inclusion of this residual in a multivariate analysis, in conjunction with the treatment indicator variable, should thus adjust for confounding. Examples are given. In those examples, the results are similar to those obtained by more complex methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,467 | 0,736 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,013 | 0,010 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,010 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,011 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».