Multi-source analyses of average treatment effects with failure time outcomes
Analyses of multi-source data, such as multi-center randomized trials, combine information to estimate an overall average treatment effect. However, when treatment effects vary across sources, standard approaches may lack a clear causal interpretation for a specific target population. In this talk, we identify and estimate the average treatment effect for the target population underlying one data source in a point-treatment setting with right-censored failure time outcomes. Our results remain valid under certain assumptions even when treatments effects differ across sources. We derive the efficient influence functions for source-specific average treatment effects using multi-source data under two different sets of assumptions, and propose novel robust estimators for our estimand. We evaluate the finite-sample performance of our estimators in simulation studies, and apply our methods to data from the HALT-C multi-center trials.
Analyses multisources des effets moyens du traitement avec des données de survie
Les analyses de données provenant de sources multiples, telles que les essais randomisés multicentriques, combinent les informations afin d'estimer l'effet moyen global du traitement. Cependant, lorsque les effets du traitement varient d'une source à l'autre, une interprétation causale claire peut manquer aux approches standards pour une population cible déterminée. Dans cette présentation, nous établissons et estimons l'effet moyen du traitement pour la population cible sous-jacente à une source de données dans un contexte de traitement ponctuel avec des données de survie censurés à droite. Nos résultats restent valables sous certaines hypothèses, même lorsque les effets du traitement diffèrent selon les sources. Nous dérivons les fonctions d'influence efficaces pour les effets moyens de traitement spécifiques à chaque source à l'aide de données provenant de plusieurs sources sous deux ensembles d'hypothèses différents, et proposons de nouveaux estimateurs robustes pour notre estimande. Nous évaluons les performances pour les échantillons de tailles finies de nos estimateurs dans des études en simulation, et appliquons nos méthodes aux données issues des essais multicentriques HALT-C.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais