2022年，我院数据科学系韩子非讲师在国际权威期刊《Statistics in Medicine》上发表论文《Assessing treatment benefit in the presence of placebo response using the sequential parallel comparison design》。

内容摘要：在临床试验中，安慰剂反应被认为是由多种因素产生的有益效果，包括患者对治疗的期望。它的存在使经典的平行研究设计欠佳，并且可能使推理产生偏差。序贯平行比较设计（SPCD）是一种两阶段设计，第一阶段是经典平行研究设计，随后是第一阶段安慰剂受试者之间的另一个平行设计，以解决经典设计的缺点。在 SPCD 中，建议将所有随机受试者在第一阶段的平均治疗差异和安慰剂无反应者在第二阶段的平均治疗差异的加权平均值作为疗效衡量标准。然而，通过将两个可能不同的人群联系起来，这个加权平均值缺乏可解释性，并且权重的选择仍然存在争议。在这项工作中，在因果推断中的主要分层框架下，我们对三个临床上重要的主要分层中的每一个下的治疗效果提出了因果估计：总是响应者、从不响应者和仅药物响应者。为了使分层处理效果可识别，我们引入了一组假设和两个敏感性参数。通过进一步将地层视为潜在特征，可以估计灵敏度参数。进行了广泛的模拟研究以评估所提出方法的操作特性。最后，我们将我们的方法应用于 ADAPT-A 研究数据，以评估低剂量阿立哌唑辅助抗抑郁治疗的益处。