より多くのデータ、より少ない情報？Geeを使用した非単調情報の成長の可能性

統計的直観は、分析に利用可能な観測値の総数を増やすと、パラメーターを推定できる精度を高めることが示唆されています。統計情報のこのような単調な成長は、確認的臨床試験のように、データを連続的に分析する場合、特に重要です。ただし、有効な、非効率的な推定器を使用している場合でも、単調な情報の成長は常に保証されます。この記事では、一般化された推定方程式（GEE）を使用して勾配を推定し、この可能性が存在する理由について直観を提供する場合、非モノトニックな情報成長の理論的可能性を示します。理論的およびシミュレーションベースの結果を使用して、非単調情報の成長をもたらす可能性のある状況を特徴付けます。非モノトニック情報の成長は、（1）各個人の追跡と比較して（1）発生が高速である場合に発生する可能性が最も高く、（2）同じ個人からの測定値間の相関が高く、（3）測定値はランダム化からさらに変化します。非モノトニックな情報の成長につながる可能性のある状況では、研究デザイナーは、非モノトニックな情報の成長をもたらす可能性が最も高い状況を避けるために暫定分析を計画する必要があります。

Statistical intuition suggests that increasing the total number of observations available for analysis should increase the precision with which parameters can be estimated. Such monotonic growth of statistical information is of particular importance when data are analyzed sequentially, such as in confirmatory clinical trials. However, monotonic information growth is not always guaranteed, even when using a valid, but inefficient estimator. In this article, we demonstrate the theoretical possibility of nonmonotonic information growth when using generalized estimating equations (GEE) to estimate a slope and provide intuition for why this possibility exists. We use theoretical and simulation-based results to characterize situations that may result in nonmonotonic information growth. Nonmonotonic information growth is most likely to occur when (1) accrual is fast relative to follow-up on each individual, (2) correlation among measurements from the same individual is high, and (3) measurements are becoming more variable further from randomization. In situations that may lead to nonmonotonic information growth, study designers should plan interim analyses to avoid situations most likely to result in nonmonotonic information growth.