详细内容或原文请订阅后点击阅览
提高联合分析的外部有效性
改变一种治疗属性对患者对该治疗的偏好有何影响？这是许多患者偏好研究感兴趣的关键问题。在实践中，这通常是通过估计改变一个配置文件属性的因果效应，同时对其余配置文件的分布进行平均来实现的……
来源:医疗经济学家改变一种治疗属性会对患者对该治疗的偏好产生什么影响？这是许多患者偏好研究关注的关键问题。在实践中，这通常是通过估计改变概况的一个属性的因果效应，同时对其余概况属性的分布取平均值来完成的。正式地，这被称为平均边际成分效应或 AMCE（参见 Hainmueller 等人 2014）。研究人员如何做到这一点？
Hainmueller 等人 2014... 现有近 90% 的联合分析使用均匀分布。问题在于，AMCE 的结果估计值（我们称之为均匀 AMCE（uAMCE））对所有联合概况赋予相同的权重，即使其中一些从实质性角度来看是不切实际的。
... 现有近 90% 的联合分析使用均匀分布。问题在于，AMCE 的结果估计值（我们称之为均匀 AMCE (uAMCE)）会为所有联合概况赋予相同的权重，即使其中一些从实质性角度来看是不切实际的。
均匀考虑对不同的癌症治疗进行联合实验的情况。治疗属性可能包括治疗的总体生存率、无进展生存率、不良事件率和给药方式。通过使用 uAMCE，您可以假设所有属性级别的分布均匀。然而在实践中，当 PFS 属性级别高时，OS 也可能很高；相反，当 PFS 较低时，OS 属性级别也会很低。uAMCE 没有考虑到 PFS(high)OS(high) 或 PFS(low)OS(low) 概况比 PFS(high)OS(low) 或 PFS(low)OS(high) 属性概况更有可能。
de la Cuesta 等人 (2021) 人口作者还提出了两种使用 pAMCE 的新实验设计方法。
基于设计的验证性分析 基于模型的探索性分析 全文您可以在此处阅读完整的研究。
此处 此处