TL;DR
- چکیده:.
- تجزیه و تحلیل کارآزماییهای تصادفیسازی و کنترلشده اغلب با رویدادهای بینجریان (IE) پیچیده میشود - رویدادهایی که پس.
- از شروع درمان رخ میدهند و بر تفسیر یا وجود اندازهگیریهای نتیجه تأثیر میگذارند.
چه اتفاقی افتاد
چکیده:. تجزیه و تحلیل کارآزماییهای تصادفیسازی و کنترلشده اغلب با رویدادهای بینجریان (IE) پیچیده میشود - رویدادهایی که پس.
از شروع درمان رخ میدهند و بر تفسیر یا وجود اندازهگیریهای نتیجه تأثیر میگذارند. بهعنوان مثال میتوان به قطع درمان یا استفاده از داروهای اضافی اشاره کرد.
در دو کارآزمایی بالینی اخیر برای لوپوس اریتماتوز سیستمیک همراه با عوارض IE،. ما IEها را به دو دسته کلی طبقه بندی کردیم:.
اثر-آموزنده (بهعنوان مثال،. قطع درمان به دلیل عوارض جانبی یا عدم کارایی) و اثر-غیر اطلاعاتی (بهعنوان مثال،.
قطع درمان به دلیل تغییر مکان یا عوامل خارجی مانند همه گیری). برای تعریف یک برآورد معنادار بالینی، ما استراتژیهای متناسب با هر دسته از IE را اتخاذ میکنیم.
برای IEهای موثر، که اغلب در مورد نتیجه بیمار آموزنده هستند، از متغیر ترکیبی استفاده میکنیم. استراتژی که ارزش نتیجه را نشان دهنده شکست درمان تعیین میکند.
برای IEهای بدون تأثیر،. استراتژی فرضی را اعمال میکنیم،.
با این فرض که زمان بندی آنها بهطور مشروط مستقل از نتیجه درمان داده شده و متغیرهای کمکی. پایه است،.
و فرضیه سناریویی را ارائه میکنیم که در آن چنین رویدادهایی رخ نمیدهند. یک چالش اصلی که قبلاً نادیده گرفته شده بود،.
وجود IEهای رقیب است که در آن اولین IE همه موارد بعدی را سانسور میکند. علیرغم فراگیر بودن آن در عمل،.
این موضوع به دلیل فقدان روش شناسی آماری دقیق،. به صراحت در تجزیه و تحلیل دادههای قبلی به رسمیت شناخته نشده است یا به آن پرداخته.
نشده است. در این مقاله،.
ما یک چارچوب اصولی برای فرمولبندی برآورد،. ایجاد تئوری تخمین نیمه پارامتریک و شناسایی ناپارامتریک آن،.
و معرفی وزندهی،. رگرسیون پیامد،.
و برآوردگرهای دوبرابر قوی پیشنهاد میکنیم. ما روشهای خود را برای تجزیه و تحلیل دو لوپوس سیستمیک به کار میبریم آزمایشهای اریتماتوز،.
استحکام و کاربرد عملی چارچوب پیشنهادی را نشان میدهد. روش شناسی (stat.
ME); برنامههای کاربردی (stat. AP) استناد بهعنوان: (یا v3 [stat.
ME] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite تاریخچه ارسال از:.
Sizhu Lu [مشاهده ایمیل] [v1] سه شنبه،. 4 مارس 2025،.
23:. 22:.
58 UTC (568 KB) [v2] دوشنبه،. 12 مه 2025،.
ساعت 22:. 18:.
25 UTC (1,. 077 KB) [v3] جمعه،.
3 آوریل 2026،. 22:.
32:. 21 UTC (232 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.