論文の概要: Bayesian Nonparametric Cost-Effectiveness Analyses: Causal Estimation
and Adaptive Subgroup Discovery
- arxiv url: http://arxiv.org/abs/2002.04706v2
- Date: Tue, 8 Sep 2020 22:28:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 02:30:36.860644
- Title: Bayesian Nonparametric Cost-Effectiveness Analyses: Causal Estimation
and Adaptive Subgroup Discovery
- Title（参考訳）: ベイズ非パラメトリック費用効果分析:因果推定と適応サブグループ発見
- Authors: Arman Oganisian, Nandita Mitra, Jason Roy
- Abstract要約: 我々は検閲の有無で共同コスト-生存分布の非パラメトリックベイズモデルを開発する。
本モデルを用いて,SEER-Medicareデータベースにおける癌治療における子宮内膜化学療法と放射線補助療法の費用対効果を評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cost-effectiveness analyses (CEAs) are at the center of health economic
decision making. While these analyses help policy analysts and economists
determine coverage, inform policy, and guide resource allocation, they are
statistically challenging for several reasons. Cost and effectiveness are
correlated and follow complex joint distributions which are difficult to
capture parametrically. Effectiveness (often measured as increased survival
time) and accumulated cost tends to be right-censored in many applications.
Moreover, CEAs are often conducted using observational data with non-random
treatment assignment. Policy-relevant causal estimation therefore requires
robust confounding control. Finally, current CEA methods do not address
cost-effectiveness heterogeneity in a principled way - often presenting
population-averaged estimates even though significant effect heterogeneity may
exist. Motivated by these challenges, we develop a nonparametric Bayesian model
for joint cost-survival distributions in the presence of censoring. Our
approach utilizes a joint Enriched Dirichlet Process prior on the covariate
effects of cost and survival time, while using a Gamma Process prior on the
baseline survival time hazard. Causal CEA estimands, with policy-relevant
interpretations, are identified and estimated via a Bayesian nonparametric
g-computation procedure. Finally, we outline how the induced clustering of the
Enriched Dirichlet Process can be used to adaptively detect presence of
subgroups with different cost-effectiveness profiles. We outline an MCMC
procedure for full posterior inference and evaluate frequentist properties via
simulations. We use our model to assess the cost-efficacy of chemotherapy
versus radiation adjuvant therapy for treating endometrial cancer in the
SEER-Medicare database.
- Abstract（参考訳）: コスト効率分析(CEA)は、健康経済の意思決定の中心である。
これらの分析は、政策アナリストや経済学者がカバレッジを判断し、政策を通知し、資源配分を導くのに役立つが、いくつかの理由から統計的に困難である。
コストと有効性は相関し、パラメトリックな捕獲が難しい複雑な関節分布に従う。
有効性(しばしば生存時間の増加と測定される)と累積コストは、多くのアプリケーションで右検閲される傾向がある。
さらに、CEAは非ランダムな治療課題を伴う観察データを用いて行われることが多い。
したがって、政策関連因果推定はロバストな結合制御を必要とする。
最後に、現在のCEA法は、しばしば人口平均推定値を示すが、大きな効果のある不均一性が存在する可能性がある。
これらの課題に触発され、検閲の有無で共同コスト-生存分布の非パラメトリックベイズモデルを開発した。
本手法では,コストと生存時間の共変量効果に先行する合同濃縮ジリクレ法と,生存時間のベースラインハザードに先行するガンマ法を用いる。
政策関連解釈を伴う因果性CEA推定はベイズ非パラメトリックg-計算法によって同定され、推定される。
最後に,リッチ化ディリクレプロセスの誘導的クラスタリングを用いて,コスト効率の異なるサブグループの存在を適応的に検出する方法について概説する。
完全後部推論のためのMCMC手順の概要とシミュレーションによる頻繁性の評価を行った。
本モデルを用いて,seer-medicareデータベースにおける子宮内膜癌に対する化学療法と放射線補助療法の費用効果を評価する。
関連論文リスト
- Targeted Machine Learning for Average Causal Effect Estimation Using the
Front-Door Functional [3.0232957374216953]
結果に対する治療の平均因果効果(ACE)を評価することは、しばしば観察研究における要因の相違によって引き起こされる課題を克服することを伴う。
本稿では,目標最小損失推定理論に基づいて,正面基準の新たな推定手法を提案する。
本研究では,早期学業成績が今後の年収に与える影響を明らかにするために,これらの推定装置の適用性を示す。
論文 参考訳（メタデータ） (2023-12-15T22:04:53Z) - Improved Policy Evaluation for Randomized Trials of Algorithmic Resource
Allocation [54.72195809248172]
提案する新しい概念を応用した新しい推定器を提案する。
我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
論文 参考訳（メタデータ） (2023-02-06T05:17:22Z) - Robust and Agnostic Learning of Conditional Distributional Treatment
Effects [62.44901952244514]
条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。
集約分析では、通常は分布処理効果(DTE)の測定によって対処される。
我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
論文 参考訳（メタデータ） (2022-05-23T17:40:31Z) - Partial Identification of Dose Responses with Hidden Confounders [25.468473751289036]
観測データから連続的に評価された治療の因果効果を推定することが重要な課題である。
本稿では, 平均および条件付き平均連続値処理効果推定値の両方を束縛する新しい手法を提案する。
本手法を実世界の観測ケーススタディに適用し,線量依存因果効果の同定の価値を実証する。
論文 参考訳（メタデータ） (2022-04-24T07:02:21Z) - An Efficient Approach for Optimizing the Cost-effective Individualized
Treatment Rule Using Conditional Random Forest [5.406112598028401]
我々は、NMB(net-monetary-benefit)という概念を用いて、健康上の利益と関連するコストのトレードオフを評価する。
NMBに基づく分類アルゴリズムを用いて最適なCE-ITRを同定する。
我々は、NIHが出資したSystolic Blood Pressure Intervention Trialにトップパフォーマンスのアルゴリズムを適用した。
論文 参考訳（メタデータ） (2022-04-23T01:36:24Z) - Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。
本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。
理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
論文 参考訳（メタデータ） (2022-01-31T20:58:47Z) - Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。
この課題に対処するための新しいクロスバリデーションのような方法論を提供する。
本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
論文 参考訳（メタデータ） (2021-12-14T17:53:01Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳（メタデータ） (2020-10-30T00:47:01Z) - Estimating heterogeneous survival treatment effect in observational data
using machine learning [9.951103976634407]
観測データにおける不均一な処理効果を推定する方法は, 連続的あるいは二分的な結果に大きく焦点を絞っている。
対物的フレームワークで柔軟な機械学習手法を使用することは、複雑な個人特性による課題に対処するための有望なアプローチである。
論文 参考訳（メタデータ） (2020-08-17T01:02:14Z) - Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。
本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
論文 参考訳（メタデータ） (2020-06-14T01:15:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。