簇集生存试验中的基于秩的k-sample测试的鞍点推断

摘要 簇随机试验的统计推断通常涉及复杂的衍生终点，例如生物标志物比率或累积乘积，这显著复杂化了标准渐近理论的应用。当簇的数量有限或簇内依赖性显著时，依赖于大样本卡方近似的常规非参数程序经常失效，导致第一类错误率膨胀和置信区间覆盖不足。本文发展了一种严格统一的框架，通过构建专门针对簇集、右删失生存数据的基于秩的k-sample测试统计量，以规避这些推断失败。我们推导了在 urn 随机化方案下确切置换分布的多元鞍点近似，提供了一个高阶精度的解决方案。这种分析策略以较低的数值成本恢复了计算上耗时的蒙特卡罗重抽样的准确性。此外，鞍点方法的效率使通过测试反演实用地构建相对治疗效果的非参数置信区间成为可能。广泛的模拟表明，我们提出的方法在标准技术被证明不可靠的小簇区域中保持了名义显著性水平。这种方法的实用性通过对三个多中心临床试验（涉及白血病、视力丧失和牙周炎）的分析进一步得到证明，其中鞍点近似在可能产生矛盾结果的边界案例中提供了稳健和值得信赖的推论结论。