論文の概要: Enabling Counterfactual Survival Analysis with Balanced Representations
- arxiv url: http://arxiv.org/abs/2006.07756v2
- Date: Wed, 3 Mar 2021 16:32:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 09:52:23.285490
- Title: Enabling Counterfactual Survival Analysis with Balanced Representations
- Title(参考訳): バランス表現を用いた非現実的生存分析の提案
- Authors: Paidamoyo Chapfuwa, Serge Assaad, Shuxi Zeng, Michael J. Pencina,
Lawrence Carin, Ricardo Henao
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 64.17342727357618
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Balanced representation learning methods have been applied successfully to
counterfactual inference from observational data. However, approaches that
account for survival outcomes are relatively limited. Survival data are
frequently encountered across diverse medical applications, i.e., drug
development, risk profiling, and clinical trials, and such data are also
relevant in fields like manufacturing (e.g., for equipment monitoring). When
the outcome of interest is a time-to-event, special precautions for handling
censored events need to be taken, as ignoring censored outcomes may lead to
biased estimates. We propose a theoretically grounded unified framework for
counterfactual inference applicable to survival outcomes. Further, we formulate
a nonparametric hazard ratio metric for evaluating average and individualized
treatment effects. Experimental results on real-world and semi-synthetic
datasets, the latter of which we introduce, demonstrate that the proposed
approach significantly outperforms competitive alternatives in both
survival-outcome prediction and treatment-effect estimation.
- Abstract(参考訳): 平衡表現学習法は観測データからの反事実推定に成功している。
しかし、生存率を評価するアプローチは比較的限られている。
生存データは、医薬品開発、リスクプロファイリング、臨床試験など、様々な医療用途にまたがって頻繁に遭遇し、このようなデータは製造(例えば、機器監視)などの分野にも関係している。
利害関係の成果が時間的な問題である場合には、検閲された結果を無視した予測がバイアスとなる可能性があるため、検閲されたイベントを扱うための特別な予防措置を取る必要がある。
生存結果に適用可能な反事実推論のための理論的根拠付き統一フレームワークを提案する。
さらに、平均および個別化処理効果を評価するために、非パラメトリックハザード比を定式化する。
実世界のデータセットと半合成データセットの実験結果から,提案手法は生存率予測と治療効果推定の両方において競争上の優位性を大きく上回ることを示した。
関連論文リスト
- Learning continuous-valued treatment effects through representation
balancing [5.969714692616101]
我々は、観測データから個々の線量応答を推定する因果機械学習手法であるCBRNetを提案する。
当社の作業は、継続的評価された処理設定で表現バランスを最初に適用したものです。
論文 参考訳(メタデータ) (2023-09-07T14:17:44Z) - Recovering Sparse and Interpretable Subgroups with Heterogeneous
Treatment Effects with Censored Time-to-Event Outcomes [14.928328404160299]
本研究では,スパース表現群(またはサブタイプ)の回復に対する統計的アプローチを提案する。
そこで本研究では, 循環器系医療における重要な臨床研究において, スパース表現型を回収するための新しい推論手法を提案し, その有効性を示した。
論文 参考訳(メタデータ) (2023-02-24T08:10:23Z) - SurvCaus : Representation Balancing for Survival Causal Inference [3.4161707164978137]
多くの病理学では、関心の結果は(おそらく検閲された)生存時間である。
本稿では,生存環境における現実的推論に適用可能な表現バランスフレームワークの理論的保証を提案する。
論文 参考訳(メタデータ) (2022-03-29T15:33:55Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳(メタデータ) (2021-10-26T20:13:17Z) - Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。
我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。
このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文 参考訳(メタデータ) (2020-10-15T16:39:26Z) - A standardized framework for risk-based assessment of treatment effect
heterogeneity in observational healthcare databases [60.07352590494571]
本研究の目的は,この手法を標準化されたスケーラブルなフレームワークを用いて観測環境に拡張することであった。
アンジオテンシン変換酵素阻害薬(ACE)とβ阻害薬の3つの効果と6つの安全性に対する効果を評価することにより,我々の枠組みを実証する。
論文 参考訳(メタデータ) (2020-10-13T14:48:31Z) - Conformal Inference of Counterfactuals and Individual Treatment Effects [6.810856082577402]
そこで本研究では,反ファクトや個々の治療効果について,信頼できる間隔を推定できる共形推論に基づく手法を提案する。
既存の手法は、単純なモデルであってもかなりのカバレッジの欠陥に悩まされる。
論文 参考訳(メタデータ) (2020-06-11T01:03:32Z) - Performance metrics for intervention-triggering prediction models do not
reflect an expected reduction in outcomes from using the model [71.9860741092209]
臨床研究者はしばしばリスク予測モデルの中から選択し評価する。
振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。
予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
論文 参考訳(メタデータ) (2020-06-02T16:26:49Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳(メタデータ) (2020-01-21T10:16:33Z)
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。